Elasticsearch - ユニークカウントの集計

Question

私は本のElasticsearchデータベースを持っている：

{ 
    "id": 1, 
    "name": "Animal Farm" 
}, 
{ 
    "id": 2, 
    "name": "Brave New World" 
}, 
{ 
    "id": 3, 
    "name": "Nineteen Eighty-Four" 
}, 
{ 
    "id": 4, 
    "name": "Animal Farm" 
}, 
{ 
    "id": 5, 
    "name": "We" 
} 

あなたが見ることができるように、1のidと4と本が競合ブック名「動物農場」を持っています。しかし、彼らは別の本です。 1つはGeorge Orwell、もう1つは文字通り農場の動物に関するものです。

本の名前が矛盾する頻度を知りたいと思います。上記の例では、期待される結果は次のとおり

{ 
    "conflicts": [ 
    { 
     "num_of_books": 2, 
     "count": "1" 
    }, 
    { 
     "num_of_books": 1, 
     "count": "3" 
    } 
    ] 
} 

2のnum_of_booksのエントリは、「動物農場」の衝突であり、（従ってcountが1である）一度起こりました。他の3冊の本はすべて異なる名前なので、num_of_booksが1、countが3のエントリに表示されます。 I には本の名前が必要です。カウントだけが重要です。

私はSQLがこれを行うには、「サブクエリ」を持って知っている：

SELECT num_of_books, COUNT(*) AS _count 
FROM (
    SELECT COUNT(*) AS num_of_books 
    FROM books 
    GROUP BY name 
) 
GROUP BY num_of_books; 

私はNested AggregationとSub-Aggregationsの記事を読んで、私の目標を達成する可能性を見ることができませんでした。

コメントありがとうございます！

Answer 1

集計上の集計の実行は、私が知る限り、ESではまだ実行できません。バケット集計の結果に追加のロジックを適用することを可能にすることに関するいくつかの未解決の問題については知っていますが、まだ議論され議論されています。

min_doc_count: 2を使用して、競合するすべての書籍の名前を取得するために、termsアグリゲーションを使用して内部SQLクエリを取り除くことができます。

{ 
    "size": 0, 
    "aggs": { 
     "books": { 
      "terms": { 
       "field": "name", 
       "min_doc_count": 2 
      } 
     } 
    } 
} 

その後、あなたはそれらの数に応じて、新しいnum_of_booksバケットに、クライアント側のバケットと再バケツにそれらを解析することができます。

{ 
    "2": 1, 
    "1": 3 
}