从elasticsearch

Question

选择不同的我的文档的集合属于少数作者：

[ 
    { 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: [...] }, 
    ... 
] 

我想检索和分页基于作者的ID最匹配的文档的不同选择：

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

这里就是我目前做的（伪代码）：

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

问题正确分页：如何选择20个“独特”文档？

有些人指着term facets，但我并没有真正做一个标签云：

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

感谢，
平硐

Answer 1

截至目前ElasticSearch does not provide a group_by equivalent，这是我的手动尝试。
尽管ES社区正在努力解决这个问题（可能是一个插件），但这是一个基本的尝试，可以满足我的需求。

假设。

1. 我在寻找相关内容

2. 我认为第一个300个文档是相关的，所以我认为 限制我的研究这个选择，无论多或它们的一些 来自同样的几位作者。

3. 我的需求我没有“真的”需要全分页，它足够 通过ajax更新了“显示更多”按钮。

缺点

1. 结果是不准确的
   我们采取每次300个文件，我们不知道唯一的文档将有多少出来（可能是可能是同一作者300个文档！）。您应该了解它是否适​​合每位作者的平均文档数量，并且可能会考虑限制。

2. 你需要做2个查询（等待远程通话费用）：

   • 第一个查询请求只有这些领域300个相关的文档：ID & AUTHOR_ID
   • 检索分页IDS的全面文档第二个查询

下面是一些红宝石伪代码：https://gist.github.com/saxxi/6495116

Answer 2

现在“GROUP_BY”的问题已被更新，可以使用从elastic 1.3.0 #6124此功能。

如果您搜索以下查询，

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

，你会得到结果

{ 
    "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 
     } ] 
    } 
    } 
}