搜索界面中的一个常见问题是您希望返回结果的选择，但可能希望返回有关所有文档的信息。（例如，我想查看所有红色衬衫，但想知道还有哪些其他颜色可用）。
这有时被称为“分面结果”或“分面导航”。Elasticsearch 参考中的示例非常清楚地解释了为什么/如何，所以我用它作为这个问题的基础。
摘要/问题：看起来我可以为此使用后过滤器或全局聚合。它们似乎都以不同的方式提供完全相同的功能。他们可能有我看不到的优点或缺点？如果是这样，我应该使用哪个？
我在下面包含了一个完整的示例，其中包含一些文档和基于参考指南中示例的两种方法的查询。
选项 1：后过滤器
我们可以做的是在我们的原始查询中有更多的结果，所以我们可以聚合这些结果，然后过滤我们的实际结果。
这个例子解释得很清楚：
但也许您还想告诉用户有多少 Gucci 衬衫有其他颜色可供选择。如果您只是在颜色字段上添加术语聚合，则只会返回红色，因为您的查询仅返回 Gucci 的红色衬衫。
相反，您希望在聚合期间包含所有颜色的衬衫，然后仅将颜色过滤器应用于搜索结果。
请参阅下面的示例代码中的外观。
一个问题是我们不能使用缓存。这在（5.1 版尚不可用）elasticsearch 指南中警告过：
性能考虑 仅当您需要对搜索结果和聚合进行差异过滤时才使用 post_filter。有时人们会使用 post_filter 进行常规搜索。
不要这样做！post_filter 的性质意味着它在查询之后运行，因此过滤（例如缓存）的任何性能优势都完全丧失了。
post_filter 应该仅与聚合结合使用，并且仅在您需要差分过滤时使用。
然而，有一个不同的选择：
选项 2：全局聚合
有一种方法可以进行不受搜索查询影响的聚合。所以不是得到很多，聚合然后过滤，我们只是得到过滤后的结果，但对所有内容进行聚合。看看参考资料
我们可以得到完全相同的结果。我没有读到任何关于缓存的警告，但似乎最终我们需要做同样多的工作。所以这可能是唯一的疏忽。
global由于我们需要子聚合（你不能拥有和 afilter在同一个“级别”上），所以它稍微复杂一点。
我读到的关于使用此查询的唯一抱怨是，如果您需要对多个项目执行此操作，您可能必须重复自己。最后，我们可以生成大多数查询，所以重复自己对我的用例来说并不是什么大问题，而且我并不认为这是一个与“不能使用缓存”相提并论的问题。
问题
似乎这两个功能至少重叠，或者可能提供完全相同的功能。这让我很困惑。除此之外，我想知道其中一个是否具有我没有看到的优势，以及这里是否有任何最佳实践？
例子
映射和文档
PUT /shirts
{
"mappings": {
"item": {
"properties": {
"brand": { "type": "keyword"},
"color": { "type": "keyword"},
"model": { "type": "keyword"}
}
}
}
}
PUT /shirts/item/1?refresh
{
"brand": "gucci",
"color": "red",
"model": "slim"
}
PUT /shirts/item/2?refresh
{
"brand": "gucci",
"color": "blue",
"model": "slim"
}
PUT /shirts/item/3?refresh
{
"brand": "gucci",
"color": "red",
"model": "normal"
}
PUT /shirts/item/4?refresh
{
"brand": "gucci",
"color": "blue",
"model": "wide"
}
PUT /shirts/item/5?refresh
{
"brand": "nike",
"color": "blue",
"model": "wide"
}
PUT /shirts/item/6?refresh
{
"brand": "nike",
"color": "red",
"model": "wide"
}
我们现在要求所有红色 gucci 衬衫（第 1 项和第 3 项），我们为这 2 件衬衫提供的衬衫类型（修身和普通），以及 gucci 有哪些颜色（红色和蓝色）。
首先，一个后过滤器：获取所有衬衫，聚合红色 gucci 衬衫的模型和 gucci 衬衫的颜色（所有颜色），然后对红色 gucci 衬衫进行后过滤器以仅显示那些作为结果：（这有点不同这个例子，因为我们试图让它尽可能接近后过滤器的清晰应用。）
GET /shirts/_search
{
"aggs": {
"colors_query": {
"filter": {
"term": {
"brand": "gucci"
}
},
"aggs": {
"colors": {
"terms": {
"field": "color"
}
}
}
},
"color_red": {
"filter": {
"bool": {
"filter": [
{
"term": {
"color": "red"
}
},
{
"term": {
"brand": "gucci"
}
}
]
}
},
"aggs": {
"models": {
"terms": {
"field": "model"
}
}
}
}
},
"post_filter": {
"bool": {
"filter": [
{
"term": {
"color": "red"
}
},
{
"term": {
"brand": "gucci"
}
}
]
}
}
}
我们还可以获取所有红色 gucci 衬衫（我们的原始查询），然后对模型（所有红色 gucci 衬衫）和颜色（所有 gucci 衬衫）进行全局聚合。
GET /shirts/_search
{
"query": {
"bool": {
"filter": [
{ "term": { "color": "red" }},
{ "term": { "brand": "gucci" }}
]
}
},
"aggregations": {
"color_red": {
"global": {},
"aggs": {
"sub_color_red": {
"filter": {
"bool": {
"filter": [
{ "term": { "color": "red" }},
{ "term": { "brand": "gucci" }}
]
}
},
"aggs": {
"keywords": {
"terms": {
"field": "model"
}
}
}
}
}
},
"colors": {
"global": {},
"aggs": {
"sub_colors": {
"filter": {
"bool": {
"filter": [
{ "term": { "brand": "gucci" }}
]
}
},
"aggs": {
"keywords": {
"terms": {
"field": "color"
}
}
}
}
}
}
}
}
两者都将返回相同的信息，第二个仅因子聚合引入的额外级别而有所不同。第二个查询看起来有点复杂，但我认为这不是很成问题。真实世界的查询是由代码生成的，无论如何可能更复杂，它应该是一个很好的查询，如果这意味着复杂，那就这样吧。