Elasticsearch: collapse 去重

官方文档传送门

1、 collapse

collapse 可以将搜索结果按照指定的 field 去重。如果在一次 DSL query 中，collapse 和 sort 同时存在时，DSL 的执行顺序是 select -> collapse -> sort。

2、 使用场景

根据关键词搜索 spu_id, 但文档是 SKU，根据 SKU 的名称关键词搜索 spu_id。一个 SPU 通常都有多个 SKU，如果不对 spu_id 进行去重，那么 spu_id 将会有很多的重复。

DSL demo

{
    "query": {
        "match": {
            "desc": "搜索"
        }
    },
    "from": 0,
    "size": 4,
    "collapse": {
        "field": "spu_id"
    },
    "_source": {
        "includes": [
            "spu_id"
        ]
    }
}

response

{
    "took": 0,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 18,
            "relation": "eq"
        },
        "max_score": null,
        "hits": [
            {
                "_index": "xxx",
                "_type": "_doc",
                "_id": "xxx",
                "_score": 19.782768,
                "_routing": "xxx",
                "_source": {
                    "spu_id": xxx
                },
                "fields": {
                    "spu_id": [
                        "xxx"
                    ]
                }
            },
            {
                "_index": "xxx",
                "_type": "_doc",
                "_id": "xxx",
                "_score": 18.0652,
                "_routing": "xxx",
                "_source": {
                    "spu_id": xxx
                },
                "fields": {
                    "spu_id": [
                        "xxx"
                    ]
                }
            }
        ]
    }
}

3、 collapse 的优缺点

优点：性能明显

缺点

分页查询时不知道去重后的 spu_id 的总数；
不能和 scroll 组合进行分页查询；