企业对电子商务网站的建设,网络营销方式较为单一,网站建设策划方案书,网站顶部地图代码怎么做的2019独角兽企业重金招聘Python工程师标准 我们在通过elasticsearch查询text类型的字段时#xff0c;我们使用aggs进行聚合某个text类型field。这时elasticsearch会自动进行分词将分词后的结果进行聚合。获取每一个分词出现在文档的文档个数。注意#xff1a;是… 2019独角兽企业重金招聘Python工程师标准 我们在通过elasticsearch查询text类型的字段时我们使用aggs进行聚合某个text类型field。这时elasticsearch会自动进行分词将分词后的结果进行聚合。获取每一个分词出现在文档的文档个数。注意是文档的次数不是文档中分词出现的次数也就是说即便某个词在某个文档中出现了多次但是只记录这个词的doc_count次数为1. 添加一个可分词的text字段模板 需要添加 analyzer 和 fielddata两个属性 [java] view plain copy allContent: { type: text, analyzer: ik_smart, fielddata: true } 查询语句例子 [java] view plain copy GET voice*/_search { _source: {transData.allContent}, query: {}, aggs: { hotword: { terms: { field: transData.allContent, size: 10, order: { _count: desc } } } }, size: 0 } 这里的size:0控制的是结果中hits展示的个数。 查询结果例子 [java] view plain copy { took: 0, timed_out: false, _shards: { total: 5, successful: 5, failed: 0 }, hits: { total: 1, max_score: 0, hits: [] }, aggregations: { hotword: { doc_count_error_upper_bound: 1, sum_other_doc_count: 314, buckets: [ { key: ok, doc_count: 119 }, { key: 一, doc_count: 123 }, { key: 一下, doc_count: 114 }, { key: 一个, doc_count: 91 }, { key: 一个月, doc_count: 52 }, { key: 一些, doc_count: 23 }, { key: 一包, doc_count: 13 }, { key: 一块, doc_count: 11 }, { key: 一天, doc_count: 4 }, { key: 一定, doc_count: 2 } ] } } } 转载于:https://my.oschina.net/xiaominmin/blog/1785461
