在 8.1 中，我们引入了从 Painless 脚本轻松访问文档中的字段的功能。 你可以使用新的 field API 访问文档以自动处理缺失值，而不是使用需要逻辑来检查字段及其值是否存在的 doc 变量方法。
字段 API 返回一个字段对象，该对象对具有多个值的字段进行迭代，通过 get(<default_value>) 方法以及类型转换和辅助方法提供对基础值的访问。 它还返回你指定的默认值，无论该字段是否存在或是否具有文档的任何值。 这意味着字段 API 可以处理缺失值，而无需额外的逻辑。
field(‘name’).get(<default_value>)
为了使脚本更具可读性，你还可以使用新的 符号、字段名称和在字段不存在时要获取的默认值：
$(‘field’, <default_value>)
借助这些增强的功能和简化的语法，你可以编写更短且更易于阅读的脚本。 例如，以下脚本使用过时的语法：
if (!doc.containsKey('myfield') || doc['myfield'].empty) { return "unavailable" } else { return doc['myfield'].value }
使用 field API，你现在可以更简洁地编写相同的脚本，而无需额外的逻辑来确定字段是否存在，然后再对它们进行操作：
$(‘myfield’, ‘unavailable’)
展示
在下面，我们来通过一些例子来进行展示。我们首先选择在之前的文章 “Elasticsearch：Painless scripting 编程实践” 文章中的例子来进行展示。
1. PUT employee/_bulk?refresh
2. {"index":{"_id": 1}}
3. { "salary" : 5000, "bonus": 500, "@timestamp" : "2021-02-28", "weight": 60, "height": 175, "name" : "Peter", "occupation": "software engineer","hobbies": ["dancing", "badminton"]}
4. {"index":{"_id": 2}}
5. { "salary" : 6000, "bonus": 500, "@timestamp" : "2020-02-01", "weight": 50, "name" : "John", "occupation": "sales", "hobbies":["singing", "volleyball"]}
6. {"index":{"_id": 3}}
7. { "salary" : 7000, "bonus": 600, "@timestamp" : "2019-03-01", "weight": 55, "height": 172, "name" : "mary", "occupation": "manager", "hobbies":["dancing", "tennis"]}
8. {"index":{"_id": 4}}
9. { "salary" : 8000, "bonus": 700, "@timestamp" : "2018-02-28", "weight": 45, "height": 166, "name" : "jerry", "occupation": "sales", "hobbies":["biking", "swimming"]}
10. {"index":{"_id": 5}}
11. { "salary" : 9000, "bonus": 800, "@timestamp" : "2017-02-01", "weight": 60, "height": 170, "name" : "cathy", "occupation": "manager", "hobbies":["climbing", "jigging"]}
12. {"index":{"_id": 6}}
13. { "salary" : 7500, "bonus": 500, "@timestamp" : "2017-03-01", "weight": 40, "height": 158, "name" : "cherry", "occupation": "software engineer", "hobbies":["basketball", "yoga"]}
在上面，我需要特别指出的是针对 id 为 2 的文档：
{ "salary" : 6000, "bonus": 500, "@timestamp" : "2020-02-01", "weight": 50, "name" : "John", "occupation": "sales", "hobbies":["singing", "volleyball"]}
我特别有意地省去了它的 height 字段，也即其它的文档都含有这个 height 字段。
GET employee/_doc/2
1. {
2. "_index" : "employee",
3. "_id" : "2",
4. "_version" : 1,
5. "_seq_no" : 1,
6. "_primary_term" : 1,
7. "found" : true,
8. "_source" : {
9. "salary" : 6000,
10. "bonus" : 500,
11. "@timestamp" : "2020-02-01",
12. "weight" : 50,
13. "name" : "John",
14. "occupation" : "sales",
15. "hobbies" : [
16. "singing",
17. "volleyball"
18. ]
19. }
20. }
我们接下来想得到这些员工的 BMI 值。我们可以参考之前文章 “Elasticsearch：Painless scripting 编程实践” 中介绍的方法来创建一个 scripted field：
1. GET employee/_search
2. {
3. "script_fields": {
4. "BMI": {
5. "script": {
6. "source": """
7. double height = (float)doc['height'].value/100.0;
8. return doc['weight'].value / (height*height)
9. """
10. }
11. }
12. }
13. }
如果我们运行上面的代码，我们会发现如下的错误信息：
很显然这个错误的信息是由于我们的一个文档缺少 height 这个字段而造成的。一种修改这种问题的办法是添加一些代码来完成，比如：
1. GET employee/_search?filter_path=**.hits
2. {
3. "script_fields": {
4. "BMI": {
5. "script": {
6. "source": """
7. double height = 0;
8. if(doc['height'].size() == 0) {
9. height = 170/100.0;
10. } else {
11. height = (double)doc['height'].value/100.0;
12. }
13. return doc['weight'].value / (height*height);
14. """
15. }
16. }
17. }
18. }
在上面，当 height 字段缺失的情况下，我们设置一个默认值为 170，这样避免了在计算中的缺失。上面的命令返回的结果为：
1. {
2. "hits" : {
3. "hits" : [
4. {
5. "_index" : "employee",
6. "_id" : "1",
7. "_score" : 1.0,
8. "fields" : {
9. "BMI" : [
10. 19.591836734693878
11. ]
12. }
13. },
14. {
15. "_index" : "employee",
16. "_id" : "2",
17. "_score" : 1.0,
18. "fields" : {
19. "BMI" : [
20. 17.301038062283737
21. ]
22. }
23. },
24. {
25. "_index" : "employee",
26. "_id" : "3",
27. "_score" : 1.0,
28. "fields" : {
29. "BMI" : [
30. 18.591130340724717
31. ]
32. }
33. },
34. {
35. "_index" : "employee",
36. "_id" : "4",
37. "_score" : 1.0,
38. "fields" : {
39. "BMI" : [
40. 16.330381768036002
41. ]
42. }
43. },
44. {
45. "_index" : "employee",
46. "_id" : "5",
47. "_score" : 1.0,
48. "fields" : {
49. "BMI" : [
50. 20.761245674740486
51. ]
52. }
53. },
54. {
55. "_index" : "employee",
56. "_id" : "6",
57. "_score" : 1.0,
58. "fields" : {
59. "BMI" : [
60. 16.023073225444637
61. ]
62. }
63. }
64. ]
65. }
66. }
针对 id 为 2 的情况，它计算出来的 BMI 为 17.301038062283737。
由于有了新的 field API，那么我们可以简化上面的计算步骤为：
1. GET employee/_search?filter_path=**.hits
2. {
3. "script_fields": {
4. "BMI": {
5. "script": {
6. "source": """
7. double height = (double)$('height', 170)/100.0;
8. return doc['weight'].value / (height*height)
9. """
10. }
11. }
12. }
13. }
或者：
1. GET employee/_search?filter_path=**.hits
2. {
3. "script_fields": {
4. "BMI": {
5. "script": {
6. "source": """
7. double height = (double)field('height').get(170)/100.0;
8. return doc['weight'].value / (height*height)
9. """
10. }
11. }
12. }
13. }
上面的代码非常之简单明了。当 height 字段不存在时，我们使用 170 来代替。上面运行的结果为：
1. {
2. "hits" : {
3. "hits" : [
4. {
5. "_index" : "employee",
6. "_id" : "1",
7. "_score" : 1.0,
8. "fields" : {
9. "BMI" : [
10. 19.591836734693878
11. ]
12. }
13. },
14. {
15. "_index" : "employee",
16. "_id" : "2",
17. "_score" : 1.0,
18. "fields" : {
19. "BMI" : [
20. 17.301038062283737
21. ]
22. }
23. },
24. {
25. "_index" : "employee",
26. "_id" : "3",
27. "_score" : 1.0,
28. "fields" : {
29. "BMI" : [
30. 18.591130340724717
31. ]
32. }
33. },
34. {
35. "_index" : "employee",
36. "_id" : "4",
37. "_score" : 1.0,
38. "fields" : {
39. "BMI" : [
40. 16.330381768036002
41. ]
42. }
43. },
44. {
45. "_index" : "employee",
46. "_id" : "5",
47. "_score" : 1.0,
48. "fields" : {
49. "BMI" : [
50. 20.761245674740486
51. ]
52. }
53. },
54. {
55. "_index" : "employee",
56. "_id" : "6",
57. "_score" : 1.0,
58. "fields" : {
59. "BMI" : [
60. 16.023073225444637
61. ]
62. }
63. }
64. ]
65. }
66. }
从上面的结果中，我们可以看出来它是一样的结果。
注意：field API 仍在开发中，应被视为 beta 功能。 API 可能会发生变化，并且此迭代可能不是最终状态。 对于功能状态，请参阅 #78920 。某些字段与 field API 不兼容，例如文本或地理字段。 继续使用 doc 访问字段 API 不支持的字段类型。
