Doc Values

聚合使用一个叫 doc values 的数据结构（在 <> 里简单介绍）。 Doc values 可以使聚合更快、更高效并且内存友好，所以理解它的工作方式十分有益。

Doc values 的存在是因为倒排索引只对某些操作是高效的。 倒排索引的优势 (((“inverted index”, “doc values versus”))) 在于查找包含某个项的文档，而对于从另外一个方向的相反操作并不高效，即：确定哪些项是否存在单个文档里，聚合需要这种次级的访问模式。

对于以下倒排索引：

  1.     Term      Doc_1   Doc_2   Doc_3
  2.     ------------------------------------
  3.     brown   |   X   |   X   |
  4.     dog     |   X   |       |   X
  5.     dogs    |       |   X   |   X
  6.     fox     |   X   |       |   X
  7.     foxes   |       |   X   |
  8.     in      |       |   X   |
  9.     jumped  |   X   |       |   X
  10.     lazy    |   X   |   X   |
  11.     leap    |       |   X   |
  12.     over    |   X   |   X   |   X
  13.     quick   |   X   |   X   |   X
  14.     summer  |       |   X   |
  15.     the     |   X   |       |   X
  16.     ------------------------------------

如果我们想要获得所有包含 +brown+ 的文档的词的完整列表，我们会创建如下查询：

  1. GET /my_index/_search
  2. {
  3.   "query" : {
  4.     "match" : {
  5.       "body" : "brown"
  6.     }
  7.   },
  8.   "aggs" : {
  9.     "popular_terms": {
  10.       "terms" : {
  11.         "field" : "body"
  12.       }
  13.     }
  14.   }
  15. }

查询部分简单又高效。倒排索引是根据项来排序的，所以我们首先在词项列表中找到 brown ，然后扫描所有列，找到包含 brown 的文档。我们可以快速看到 Doc_1 和 Doc_2 包含 brown 这个 token。

然后，对于聚合部分，我们需要找到 Doc_1 和 Doc_2 里所有唯一的词项。用倒排索引做这件事情代价很高：我们会迭代索引里的每个词项并收集 Doc_1 和 Doc_2 列里面 token。这很慢而且难以扩展：随着词项和文档的数量增加，执行时间也会增加。

Doc values 通过转置两者间的关系来解决这个问题。倒排索引将词项映射到包含它们的文档，doc values 将文档映射到它们包含的词项：

  1.     Doc      Terms
  2.     -----------------------------------------------------------------
  3.     Doc_1 | brown, dog, fox, jumped, lazy, over, quick, the
  4.     Doc_2 | brown, dogs, foxes, in, lazy, leap, over, quick, summer
  5.     Doc_3 | dog, dogs, fox, jumped, over, quick, the
  6.     -----------------------------------------------------------------

当数据被转置之后，想要收集到 Doc_1 和 Doc_2 的唯一 token 会非常容易。获得每个文档行，获取所有的词项，然后求两个集合的并集。

因此，搜索和聚合是相互紧密缠绕的。搜索使用倒排索引查找文档，聚合操作收集和聚合 doc values 里的数据。

[NOTE]

Doc values 不仅可以用于聚合。(((“doc values”, “uses other than aggregations”))) 任何需要查找某个文档包含的值的操作都必须使用它。 除了聚合，还包括排序，访问字段值的脚本，父子关系处理（参见 parent-child）。