從elasticsearch

Question

選擇不同的我的文檔的集合屬於少數作者：

[ 
    { id: 1, author_id: 'mark', content: [...] }, 
    { id: 2, author_id: 'pierre', content: [...] }, 
    { id: 3, author_id: 'pierre', content: [...] }, 
    { id: 4, author_id: 'mark', content: [...] }, 
    { id: 5, author_id: 'william', content: [...] }, 
    ... 
] 

我想檢索和分頁基於作者的ID最匹配的文檔的不同選擇：

[ 
    { id: 1, author_id: 'mark', content: [...], _score: 100 }, 
    { id: 3, author_id: 'pierre', content: [...], _score: 90 }, 
    { id: 5, author_id: 'william', content: [...], _score: 80 }, 
    ... 
] 

這裏就是我目前做的（僞代碼）：

unique_docs = res.results.to_a.uniq{ |doc| doc.author_id } 

問題正確分頁：如何選擇20個「獨特」文檔？

有些人指着term facets，但我並沒有真正做一個標籤雲：

• Distinct selection with CouchDB and elasticsearch
• http://elasticsearch-users.115913.n3.nabble.com/Getting-Distinct-Values-td3830953.html

感謝，
平硐

Answer 1

截至目前ElasticSearch does not provide a group_by equivalent，這是我的手動嘗試。
儘管ES社區正在努力解決這個問題（可能是一個插件），但這是一個基本的嘗試，可以滿足我的需求。

假設。

1. 我在尋找相關內容

2. 我認爲第一個300個文檔是相關的，所以我認爲 限制我的研究這個選擇，無論多或它們的一些 來自同樣的幾位作者。

3. 我的需求我沒有「真的」需要全分頁，它足夠 通過ajax更新了「顯示更多」按鈕。

缺點

1. 結果是不準確的
   我們採取每次300個文件，我們不知道唯一的文檔將有多少出來（可能是可能是同一作者300個文檔！）。您應該瞭解它是否適​​合每位作者的平均文檔數量，並且可能會考慮限制。

2. 你需要做2個查詢（等待遠程通話費用）：

   • 第一個查詢請求只有這些領域300個相關的文檔：ID & AUTHOR_ID
   • 檢索分頁IDS的全面文檔第二個查詢

下面是一些紅寶石僞代碼：https://gist.github.com/saxxi/6495116

Answer 2

現在「GROUP_BY」的問題已被更新，可以使用從elastic 1.3.0 #6124此功能。

如果您搜索以下查詢，

{ 
    "aggs": { 
     "user_count": { 
      "terms": { 
       "field": "author_id", 
       "size": 0 
      } 
     } 
    } 
} 

，你會得到結果

{ 
    "took" : 123, 
    "timed_out" : false, 
    "_shards" : { ... }, 
    "hits" : { ... }, 
    "aggregations" : { 
    "user_count" : { 
     "doc_count_error_upper_bound" : 0, 
     "sum_other_doc_count" : 0, 
     "buckets" : [ { 
     "key" : "mark", 
     "doc_count" : 87350 
     }, { 
     "key" : "pierre", 
     "doc_count" : 41809 
     }, { 
     "key" : "william", 
     "doc_count" : 24476 
     } ] 
    } 
    } 
}