ElasticSearch - 使用 Composite Aggregation 实现桶的分页查询

---

官方文档

https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-composite-aggregation.html#_pagination

概述

当需要分页查询大量的桶时composite 聚合可以通过分页的方式逐步获取桶结果，避免一次性返回大量的桶 。

与传统分页方法不同，composite aggregation 并不基于结果的偏移量（offset），而是基于聚合桶的游标机制来实现分页，从而避免了性能瓶颈。

---

Composite Aggregation 概述

composite aggregation 是 Elasticsearch 中的一种特殊聚合方式，适用于需要分页展示的聚合结果。它与传统的聚合方式不同，采用了基于游标的分页模型。composite aggregation 不依赖 from 和 size 来进行分页，而是通过 after 参数来指定从某个特定桶之后开始返回数据，从而实现分页。

---

示例：基本分页查询

假设我们有一个索引，名称为 your_index_name，其中包含多个文档，每个文档都有一个字段 your_field_name。我们希望根据这个字段进行分页查询，并且每次返回 10 个聚合结果。

以下是一个基础的分页查询示例：

GET /your_index_name/_search
{
  "size": 0,
  "aggs": {
    "my_composite_agg": {
      "composite": {
        "size": 10, 
        "sources": [
          {
            "my_terms_agg": {
              "terms": {
                "field": "your_field_name"
              }
            }
          }
        ]
      }
    }
  }
}

1. size 设置为 0：由于我们使用的是聚合查询，而非文档查询，所以不需要返回文档内容。size: 0 意味着查询结果中不会包含文档，只会返回聚合的结果。

2. composite 聚合：这是我们实现分页的关键。composite 聚合会根据指定的聚合方式返回一个分页的桶（bucket）结果。每个桶代表了根据 your_field_name 字段分组后的数据。

3. size: 10：表示每次返回 10 个桶，即每页 10 条聚合结果。

4. sources：这是定义如何分组数据的部分。这里，我们使用了 terms 聚合，根据 your_field_name 字段的值对文档进行分组。

---

分页：获取下一页结果

要实现分页，我们需要使用 after 参数来指示从哪个位置开始返回数据。这个参数的值是上一个查询返回的最后一个桶的 key 值。

下面是如何获取第二页结果的示例：

GET /your_index_name/_search
{
  "size": 0,
  "aggs": {
    "my_composite_agg": {
      "composite": {
        "size": 10,
        "after": ["bucket_key_from_first_page"],  // 第一页的最后一个桶的key值
        "sources": [
          {
            "my_terms_agg": {
              "terms": {
                "field": "your_field_name"
              }
            }
          }
        ]
      }
    }
  }
}

1. after 参数：这是实现分页的关键，after 参数的值应该是上一页结果的最后一个桶的 key 值（可以通过上一页查询结果中的 after_key 获取）。after 参数告诉 Elasticsearch 从哪个位置开始返回数据，从而实现分页。

2. 获取 after_key：在每次查询的返回结果中，除了聚合的结果之外，还可以看到一个 after_key 字段，这个字段就是下一次分页查询所需要使用的 after 参数的值。

例如，假设第一次查询的返回结果包含以下聚合信息：

{
  "aggregations": {
    "my_composite_agg": {
      "buckets": [
        {
          "key": { "your_field_name": "value1" },
          "doc_count": 10
        },
        {
          "key": { "your_field_name": "value2" },
          "doc_count": 15
        },
        // ... 更多桶
      ],
      "after_key": { "your_field_name": "value2" }
    }
  }
}

在第二次分页查询时，我们需要使用 after_key 中的 your_field_name: "value2" 作为 after 参数的值，以此来获取下一页的结果。

官方案例

GET /_search
{
  "size": 0,
  "aggs": {
    "my_buckets": {
      "composite": {
        "size": 2,
        "sources": [
          { "date": { "date_histogram": { "field": "timestamp", "calendar_interval": "1d" } } },
          { "product": { "terms": { "field": "product" } } }
        ]
      }
    }
  }
}

返回

{
  ...
  "aggregations": {
    "my_buckets": {
      "after_key": {
        "date": 1494288000000,
        "product": "mad max"
      },
      "buckets": [
        {
          "key": {
            "date": 1494201600000,
            "product": "rocky"
          },
          "doc_count": 1
        },
        {
          "key": {
            "date": 1494288000000,
            "product": "mad max"
          },
          "doc_count": 2
        }
      ]
    }
  }
}

下次查询

GET /_search
{
  "size": 0,
  "aggs": {
    "my_buckets": {
      "composite": {
        "size": 2,
        "sources": [
          { "date": { "date_histogram": { "field": "timestamp", "calendar_interval": "1d", "order": "desc" } } },
          { "product": { "terms": { "field": "product", "order": "asc" } } }
        ],
        "after": { "date": 1494288000000, "product": "mad max" } 
      }
    }
  }
}

---

使用场景

composite aggregation 非常适用于以下场景：

1. 大量数据分页：当桶数据量非常大时，使用 composite aggregation 可以避免偏移的性能开销。

2. 基于字段的分组分页：如果需要对某个字段进行分组并进行分页，composite aggregation 是最合适的方式。

3. 避免数据丢失：使用传统分页方法时，由于数据的变动可能导致查询结果发生偏移，从而可能出现重复或遗漏的情况。composite aggregation 通过游标机制避免了这个问题。

---

注意事项

1. after 参数的类型：after 参数的值类型与 sources 中定义的聚合字段类型保持一致。例如，如果你的字段是字符串类型，那么 after 参数应该是字符串类型；如果是数字类型，那么应该是数字类型。

2. 分页的顺序：composite aggregation 是基于聚合桶的游标来分页的，因此分页的顺序依赖于聚合字段的值排序。如果数据分布不均，可能会导致每页的桶数不一致。

3. 限制聚合桶数：虽然可以通过 size 参数控制每页的结果数，但需要注意的是，composite aggregation 每次最多只会返回 10,000 个桶。如果你的分页范围超过这个数量，可能需要对数据进行分片或者其他优化。