ElasticSearch多层次的父子聚合
我有一个3级的父母/孩子结构。 我们说：
公司 – >员工 – >可用性
由于可用性（也是员工）在这里经常更新，我select使用父/子结构对嵌套。 而searchfunction正常工作（所有文件在正确的碎片）。
现在我想sorting这些结果。 通过来自公司（第一级）的元数据进行sorting非常简单。 但是我还需要按第三级（可用性）进行sorting。
我想要按以下sorting的公司列表：
- 距离ASC的位置
- 评级DESC
- 最快的可用性ASC
例如：
A公司距离5英里，评级为4，最快的员工在20小时内可用，B公司也在5英里以外，也有4个等级，但最快的员工在5个小时内可用。
所以sorting结果需要是B，A
我想为每个数据添加特殊的权重，所以我开始编写可以在我的custom_score脚本中使用的聚合。
完整的要点，用于创build索引，导入数据和search
现在，我设法写了一个实际返回结果的查询，但可用性聚合桶是空的。 但是，我也得到的结果太结构化，我想扁平化他们。
目前我回来了：
公司IDS – >员工IDS – >第一个可用性
我想要聚合像：
公司IDS – >第一可用性
这样我就可以做我的custom_score脚本来计算分数并正确地sorting它们。
更简化的问题：
如何sorting/聚合多层次（盛大）的孩子，并可能使结果变平。
你不需要聚合来做到这一点：
这些是sorting标准：
- 距离ASC（company.location）
- 评级DESC（company.rating_value）
- 最快的未来可用性ASC（company.employee.availability.start）
如果你忽略＃3，那么你可以像这样运行一个相对简单的公司查询：
GET /companies/company/_search { "query": { "match_all" : {} }, "sort": { "_script": { "params": { "lat": 51.5186, "lon": -0.1347 }, "lang": "groovy", "type": "number", "order": "asc", "script": "doc['location'].distanceInMiles(lat,lon)" }, "rating_value": { "order": "desc" } } }
＃3是棘手的，因为你需要find最接近请求时间的每个公司的可用性（ 公司>员工>可用性 ），并使用该持续时间作为第三个分类标准。
我们打算在孙级使用一个function_score查询来获取请求时间和命中_score中的每个可用性之间的时间差。 （然后我们将使用_score作为第三个sorting标准）。
为了到达孙辈，我们需要在has_child查询中使用has_child查询。
对于每个公司，我们都希望最快的员工（当然也是最接近的可用性）。 Elasticsearch 2.0将为我们提供一个"score_mode": "min" ，但是现在，由于我们只限于"score_mode": "max"我们会让孙子的_score成为时间的倒数 。
"function_score": { "filter": { "range": { "start": { "gt": "2014-12-22T10:34:18+01:00" } } }, "functions": [ { "script_score": { "lang": "groovy", "params": { "requested": "2014-12-22T10:34:18+01:00", "millisPerHour": 3600000 }, "script": "1 / ((doc['availability.start'].value - new DateTime(requested).getMillis()) / millisPerHour)" } } ] }
因此，现在每个孙子（ 可用性 ）的_score将是1 / number-of-hours-until-available （这样我们可以使用最大互惠时间，直到每个员工可用，并且每个公司可用的最大互惠（ly？） ）。
_score ，我们继续查询公司，但使用公司>员工>可用性生成_score作为＃3分类标准使用：
GET /companies/company/_search { "query": { "has_child" : { "type" : "employee", "score_mode" : "max", "query": { "has_child" : { "type" : "availability", "score_mode" : "max", "query": { "function_score": { "filter": { "range": { "start": { "gt": "2014-12-22T10:34:18+01:00" } } }, "functions": [ { "script_score": { "lang": "groovy", "params": { "requested": "2014-12-22T10:34:18+01:00", "millisPerHour": 3600000 }, "script": "1/((doc['availability.start'].value - new DateTime(requested).getMillis()) / millisPerHour)" } } ] } } } } } }, "sort": { "_script": { "params": { "lat": 51.5186, "lon": -0.1347 }, "lang": "groovy", "type": "number", "order": "asc", "script": "doc['location'].distanceInMiles(lat,lon)" }, "rating_value": { "order": "desc" }, "_score": { "order": "asc" } } }
你应该检查出R-Tree数据结构https://en.wikipedia.org/wiki/R-tree 。
