面试题：ElasticSearch过滤器聚合：多层嵌套聚合及数据筛选优化

Question

在ElasticSearch索引中，文档结构类似博客文章，包含作者、分类、发布时间等信息。现在需求是先按作者进行聚合，在每个作者下按分类聚合，且每个分类只统计最近一个月发布的文章数量。请阐述实现思路并给出优化查询性能的方法及对应的DSL语句。

Answer 1

实现思路

1. 按作者聚合：使用 terms 聚合，以作者字段作为聚合依据，将所有文档按作者分组。
2. 在作者聚合内按分类聚合：在作者聚合的子聚合中，再使用 terms 聚合，以分类字段作为聚合依据，将每个作者下的文档按分类分组。
3. 统计最近一个月发布文章数量：对于每个分类聚合，使用 filter 子聚合来过滤出最近一个月发布的文章，再在 filter 子聚合内使用 value_count 来统计符合条件的文章数量。

优化查询性能的方法

1. 使用日期范围缓存：如果数据量较大且查询频繁，可以对日期范围过滤进行缓存，减少重复计算。
2. 索引优化：确保作者、分类、发布时间字段都有适当的索引，尤其是发布时间字段，便于快速过滤。
3. 合理设置聚合大小：避免聚合返回过多不必要的数据，设置合理的 size 参数，例如 size=0 只返回聚合结果而不返回文档。

DSL 语句

{
    "size": 0,
    "aggs": {
        "authors": {
            "terms": {
                "field": "author",
                "size": 100
            },
            "aggs": {
                "categories": {
                    "terms": {
                        "field": "category",
                        "size": 100
                    },
                    "aggs": {
                        "last_month_posts": {
                            "filter": {
                                "range": {
                                    "publish_date": {
                                        "gte": "now-1M/M"
                                    }
                                }
                            },
                            "aggs": {
                                "count": {
                                    "value_count": {
                                        "field": "_id"
                                    }
                                }
                            }
                        }
                    }
                }
            }
        }
    }
}

其中：

• "size": 0 表示不返回文档，只返回聚合结果。
• "authors" 是按作者聚合。
• "categories" 是在作者聚合内按分类聚合。
• "last_month_posts" 是过滤最近一个月发布的文章并统计数量。"now-1M/M" 表示从当前时间往前推一个月并取到该月的第一天。