如何在Elasticsearch中获取文档大小（以字节为单位）

您的文档只包含一个字段吗？我不确定这是否是您想要的100％，但是通常您可以计算字段的长度，然后将其与文档一起存储或在查询时进行计算（但这是一个缓慢的操作，如果可能，我会避免这样做）。

因此，这是一个包含测试文档和字段长度计算的示例：

PUT test/_doc/1
{
  "content": "this is a document."
}

POST test/_update_by_query
{
  "query": {
    "bool": {
      "must_not": [
        {
          "exists": {
            "field": "content_length"
          }
        }
      ]
    }
  },
  "script": {
    "source": """ 
if(ctx._source.containsKey("content")) {
  ctx._source.content_length = ctx._source.content.length();
} else {
  ctx._source.content_length = 0;
}
"""
  }
}

GET test/_search

查询结果如下：

{
  "took" : 6,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 1.0,
    "hits" : [
      {
        "_index" : "test",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 1.0,
        "_source" : {
          "content" : "this is a document.",
          "content_length" : 19
        }
      }
    ]
  }
}

顺便说一句，它有19个字符（其中包括空格和点）。如果要排除这些，则必须向脚本添加更多逻辑。我会对字节BTW保持谨慎，因为UTF8每个字符可能会使用一个以上的字节（例如höhe），并且此脚本实际上仅在计算字符。

然后，您可以轻松地在查询和聚合中使用长度。

如果要计算合并的所有子文档的大小，请使用以下命令：

PUT test/_doc/2
{
  "content": {
    "a": "this is a document",
    "b": "this is also a document"
  }
}

POST test/_update_by_query
{
  "query": {
    "bool": {
      "must_not": [
        {
          "exists": {
            "field": "content_length"
          }
        }
      ]
    }
  },
  "script": {
    "source": """
if(ctx._source.containsKey("content")) {
  ctx._source.content_length = 0;
  for (item in ctx._source.content.entrySet()) {
    ctx._source.content_length += item.getValue().length();
  }
}
"""
  }
}

GET test/_search

请注意，它content可以是文本类型，也可以具有子文档，但是您不能混合使用。