我正在寻找在 elasticsearch 中对数据进行分组的最佳方式。 Elasticsearch 不支持 sql 中的“group by”之类的东西。
假设我有 1k 个类别和数百万种产品。您认为呈现完整类别树的最佳方式是什么?当然,您需要一些元数据(图标、链接目标、seo 标题等)和类别的自定义排序。
使用聚合: 示例:https://found.no/play/gist/8124563 如果您必须按一个字段分组并需要一些额外的字段,这看起来很有用。
在 Facet 中使用多个字段(行不通): 示例:https://found.no/play/gist/1aa44e2114975384a7c2 在这里我们失去了不同领域之间的关系。
构建有趣的方面: https://found.no/play/gist/8124810
例如,使用这 3 个“解决方案”构建类别树很糟糕。 解决方案 1 可能有效(ES 1 现在不稳定) 解决方案 2 不起作用 解决方案 3 很痛苦,因为它感觉很丑陋,您需要准备大量数据并且切面会爆炸。
也许替代方案是不在 ES 中存储任何类别数据,只存储 id https://found.no/play/gist/a53e46c91e2bf077f2e1
然后你可以从另一个系统,如redis、memcache或数据库中获取关联的类别。
这最终会产生干净的代码,但性能可能会成为一个问题。 例如,从 Memcache/Redis/数据库加载 1k 个类别可能会很慢。 另一个问题是同步 2 个数据库比同步一个数据库更难。
你是如何处理这些问题的?
很抱歉,我不能在一篇文章中发布超过 2 个链接。
最佳答案
聚合 API 允许使用子聚合 按多个字段进行分组。假设您要按字段 field1
、field2
和 field3
分组:
{
"aggs": {
"agg1": {
"terms": {
"field": "field1"
},
"aggs": {
"agg2": {
"terms": {
"field": "field2"
},
"aggs": {
"agg3": {
"terms": {
"field": "field3"
}
}
}
}
}
}
}
}
当然,这可以根据您的需要继续进行。
更新:
为了完整起见,下面是上述查询的输出结果。下面还有用于生成聚合查询并将结果展平为字典列表的 python 代码。
{
"aggregations": {
"agg1": {
"buckets": [{
"doc_count": <count>,
"key": <value of field1>,
"agg2": {
"buckets": [{
"doc_count": <count>,
"key": <value of field2>,
"agg3": {
"buckets": [{
"doc_count": <count>,
"key": <value of field3>
},
{
"doc_count": <count>,
"key": <value of field3>
}, ...
]
},
{
"doc_count": <count>,
"key": <value of field2>,
"agg3": {
"buckets": [{
"doc_count": <count>,
"key": <value of field3>
},
{
"doc_count": <count>,
"key": <value of field3>
}, ...
]
}, ...
]
},
{
"doc_count": <count>,
"key": <value of field1>,
"agg2": {
"buckets": [{
"doc_count": <count>,
"key": <value of field2>,
"agg3": {
"buckets": [{
"doc_count": <count>,
"key": <value of field3>
},
{
"doc_count": <count>,
"key": <value of field3>
}, ...
]
},
{
"doc_count": <count>,
"key": <value of field2>,
"agg3": {
"buckets": [{
"doc_count": <count>,
"key": <value of field3>
},
{
"doc_count": <count>,
"key": <value of field3>
}, ...
]
}, ...
]
}, ...
]
}
}
}
以下 python 代码根据给定的字段列表执行分组。如果您指定 include_missing=True
,它还包括缺少某些字段的值的组合(如果您拥有 Elasticsearch 的 2.0 版,则不需要它,这要归功于 this)
def group_by(es, fields, include_missing):
current_level_terms = {'terms': {'field': fields[0]}}
agg_spec = {fields[0]: current_level_terms}
if include_missing:
current_level_missing = {'missing': {'field': fields[0]}}
agg_spec[fields[0] + '_missing'] = current_level_missing
for field in fields[1:]:
next_level_terms = {'terms': {'field': field}}
current_level_terms['aggs'] = {
field: next_level_terms,
}
if include_missing:
next_level_missing = {'missing': {'field': field}}
current_level_terms['aggs'][field + '_missing'] = next_level_missing
current_level_missing['aggs'] = {
field: next_level_terms,
field + '_missing': next_level_missing,
}
current_level_missing = next_level_missing
current_level_terms = next_level_terms
agg_result = es.search(body={'aggs': agg_spec})['aggregations']
return get_docs_from_agg_result(agg_result, fields, include_missing)
def get_docs_from_agg_result(agg_result, fields, include_missing):
current_field = fields[0]
buckets = agg_result[current_field]['buckets']
if include_missing:
buckets.append(agg_result[(current_field + '_missing')])
if len(fields) == 1:
return [
{
current_field: bucket.get('key'),
'doc_count': bucket['doc_count'],
}
for bucket in buckets if bucket['doc_count'] > 0
]
result = []
for bucket in buckets:
records = get_docs_from_agg_result(bucket, fields[1:], include_missing)
value = bucket.get('key')
for record in records:
record[current_field] = value
result.extend(records)
return result
关于elasticsearch 按多个字段分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/20775040/