Elasticsearch - 合并多个文档中的字段

假设我有一堆这样的文档：

{
    "foo" : [1, 2, 3]
}

{
    "foo" : [3, 4, 5]
}

对于针对这些文档运行的查询，我正在寻找一种方法来返回所有值的数组foo（最好是唯一的值，但重复也可以）：

{
    "foo" : [1, 2, 3, 3, 4, 5]
}

我研究了聚合 API，但我不知道如何实现这一点（如果可能的话）。我当然可以在代码中手动编译结果，但是我可能有数千个文档，并且以这种方式获得结果会干净得多。

您可以使用脚本化指标聚合 https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-metrics-scripted-metric-aggregation.html with a 减少脚本 https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-metrics-scripted-metric-aggregation.html#_scope_of_scripts.

设置一些测试数据：

curl -XPUT http://localhost:9200/testing/foo/1 -d '{ "foo" : [1, 2, 3] }'
curl -XPUT http://localhost:9200/testing/foo/2 -d '{ "foo" : [4, 5, 6] }'

现在尝试这个聚合：

curl -XGET "http://localhost:9200/testing/foo/_search" -d'
{
  "size": 0,
  "aggs": {
    "fooreduced": {
      "scripted_metric": {
        "init_script": "_agg[\"result\"] = []",
        "map_script":  "_agg.result.add(doc[\"foo\"].values)",
        "reduce_script": "reduced = []; for (a in _aggs) { for (entry in a) { word = entry.key; reduced += entry.value } }; return reduced.flatten().sort()"

      }
    }
  }
}'

该调用将返回：

{
  "took": 50,
  "timed_out": false,
  "_shards": {
    "total": 6,
    "successful": 6,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "fooreduced": {
      "value": [
        1,
        2,
        3,
        4,
        5,
        6
      ]
    }
  }
}

也许有一个解决方案，无需.flatten() http://docs.groovy-lang.org/latest/html/groovy-jdk/java/util/Collection.html，但我还不太热衷于寻找这样的解决方案。而且我不能说这个聚合的性能有多好，你必须自己测试一下。