Elasticsearch: 權威指南 » 聚合 » Doc Values and Fielddata » Doc Values

聚合使用一個叫 doc values 的數據結構（在 Doc Values 介紹 裏簡單介紹）。 Doc values 可使聚合更快、更高效而且內存友好，因此理解它的工做方式十分有益。

Doc values 的存在是由於倒排索引只對某些操做是高效的。 倒排索引的優點 在於查找包含某個項的文檔，而對於從另一個方向的相反操做並不高效，即：肯定哪些項是否存在單個文檔裏，聚合須要這種次級的訪問模式。

對於如下倒排索引：

Term      Doc_1   Doc_2   Doc_3
------------------------------------
brown   |   X   |   X   |
dog     |   X   |       |   X
dogs    |       |   X   |   X
fox     |   X   |       |   X
foxes   |       |   X   |
in      |       |   X   |
jumped  |   X   |       |   X
lazy    |   X   |   X   |
leap    |       |   X   |
over    |   X   |   X   |   X
quick   |   X   |   X   |   X
summer  |       |   X   |
the     |   X   |       |   X
------------------------------------

若是咱們想要得到全部包含 brown 的文檔的詞的完整列表，咱們會建立以下查詢：

GET /my_index/_search
{
  "query" : {
    "match" : {
      "body" : "brown"
    }
  },
  "aggs" : {
    "popular_terms": {
      "terms" : {
        "field" : "body"
      }
    }
  }
}

查詢部分簡單又高效。倒排索引是根據項來排序的，因此咱們首先在詞項列表中找到 brown ，而後掃描全部列，找到包含 brown 的文檔。咱們能夠快速看到 Doc_1 和 Doc_2 包含 brown 這個 token。

而後，對於聚合部分，咱們須要找到 Doc_1 和 Doc_2 裏全部惟一的詞項。 用倒排索引作這件事情代價很高： 咱們會迭代索引裏的每一個詞項並收集 Doc_1 和 Doc_2 列裏面 token。這很慢並且難以擴展：隨着詞項和文檔的數量增長，執行時間也會增長。

Doc values 經過轉置二者間的關係來解決這個問題。倒排索引將詞項映射到包含它們的文檔，doc values 將文檔映射到它們包含的詞項：

Doc      Terms
-----------------------------------------------------------------
Doc_1 | brown, dog, fox, jumped, lazy, over, quick, the
Doc_2 | brown, dogs, foxes, in, lazy, leap, over, quick, summer
Doc_3 | dog, dogs, fox, jumped, over, quick, the
-----------------------------------------------------------------

當數據被轉置以後，想要收集到 Doc_1 和 Doc_2 的惟一 token 會很是容易。得到每一個文檔行，獲取全部的詞項，而後求兩個集合的並集。

所以，搜索和聚合是相互緊密纏繞的。搜索使用倒排索引查找文檔，聚合操做收集和聚合 doc values 裏的數據。

Doc values 不只能夠用於聚合。 任何須要查找某個文檔包含的值的操做都必須使用它。 除了聚合，還包括排序，訪問字段值的腳本，父子關係處理（參見 父-子關係文檔 ）。