当buckets数量特别多的时候，深度优先和广度优先的原理
我们的数据，是每个演员的每个电影的评论
每个演员的评论的数量 --> 每个演员的每个电影的评论的数量
目的：评论数量排名前10个的演员 --> 每个演员的电影取到评论数量排名前5的电影
{
"aggs" : {
"actors" : {
"terms" : {
"field" : "actors",
"size" : 10,
"collect_mode" : "breadth_first" //广度优先
},
"aggs" : {
"costars" : {
"terms" : {
"field" : "films",
"size" : 5
}
}
}
}
}
}
(1)首先按照演员进行分组(获取评论排名前十的)
(2)然后每个演员按照电影进行分组（获取评论数前五的）
深度优先的方式去执行聚合操作的
actor1 actor2 .... actor
film1 film2 film3 film1 film2 film3 ...film
比如说，我们有10万个actor，最后其实是主要10个actor就可以了
但是我们已经深度优先的方式，构建了一整颗完整的树出来了，10万个actor，每个actor平均有10部电影，10万 + 100万 --> 110万的数据量的一颗树
裁剪掉10万个actor中的99990 actor，99990 * 10 = film，剩下10个actor，每个actor的10个film裁剪掉5个，110万 --> 10 * 5 = 50个
构建了大量的数据，然后裁剪掉了99.99%的数据，浪费了
广度优先的方式去执行聚合
actor1 actor2 actor3 ..... n个actor
10万个actor，不去构建它下面的film数据，10万 --> 99990，10个actor，构建出film，裁剪出其中的5个film即可，10万 -> 50个
10倍的差距