elasticsearch - 如何在ElasticSearch中获取倒排索引的大小

Question

我认为标题是不言自明的。据我所知 indices-stats 仅返回集合中文档的数量，而不返回 token /术语的数量。

编辑:

以下是有关我的索引的更多信息；它包含用以下映射索引的医学出版物:

{
    u'papers': {
        u'properties': {
            u'article_abstract': {
                u'type': 
                u'string'
            },
            u'article_sections': {
                u'type': 
                u'string'
            },
            u'article_text': {
                u'type': 
                u'string'
            },
            u'article_title': {
                u'type': 
                u'string'
            },
            u'keyword_group': {
                u'type': 
                u'string'
            },
            u'references': {
                u'type': 
                u'string'
            }
        }
    }
}

我正在寻找一种获取索引中所有字段中 唯一术语数量的方法。

Answer 1

可以从相同indices-stats api的store字段中获取索引的文件大小，例如
{ "docs": { "count": 1886, "deleted": 1557 }, "store": { "size_in_bytes": 519544594, "throttle_time_in_millis": 0 }, ...(skipped)
但是，如果您想要索引的总 token 量，我认为不存在这样的api，因为它意义不大。如果您想要数字，我认为您需要使用script_field和aggregation进行计算。

编辑:

根据您的架构， token 计数可以如下计算:

{
"query" : {
    "match_all" : { }
},
 "aggs" : {
    "summation" : { "sum" : {  "script" : "doc['article_abstract'].values.length+doc['article_sections'].values.length" } }
}
} 

如上所示，上面的查询仅计算字段“article_abstracts”和“article_sections”的 token 大小。我不确定是否有任何方法不能“重复”所有字段。但是无论如何，您可以从此继续。