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

聚合使用一个叫 doc values 的数据结构（在 Doc Values 介绍 里简单介绍）。 Doc values 可使聚合更快、更高效而且内存友好，因此理解它的工做方式十分有益。

Doc values 的存在是由于倒排索引只对某些操做是高效的。 倒排索引的优点 在于查找包含某个项的文档，而对于从另一个方向的相反操做并不高效，即：肯定哪些项是否存在单个文档里，聚合须要这种次级的访问模式。

对于如下倒排索引：

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
------------------------------------

若是咱们想要得到全部包含 brown 的文档的词的完整列表，咱们会建立以下查询：

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

查询部分简单又高效。倒排索引是根据项来排序的，因此咱们首先在词项列表中找到 brown ，而后扫描全部列，找到包含 brown 的文档。咱们能够快速看到 Doc_1 和 Doc_2 包含 brown 这个 token。

而后，对于聚合部分，咱们须要找到 Doc_1 和 Doc_2 里全部惟一的词项。 用倒排索引作这件事情代价很高： 咱们会迭代索引里的每一个词项并收集 Doc_1 和 Doc_2 列里面 token。这很慢并且难以扩展：随着词项和文档的数量增长，执行时间也会增长。

Doc values 经过转置二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：

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
-----------------------------------------------------------------

当数据被转置以后，想要收集到 Doc_1 和 Doc_2 的惟一 token 会很是容易。得到每一个文档行，获取全部的词项，而后求两个集合的并集。

所以，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，聚合操做收集和聚合 doc values 里的数据。

Doc values 不只能够用于聚合。 任何须要查找某个文档包含的值的操做都必须使用它。 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 父-子关系文档 ）。