es嵌套聚合dsl（求均值，求和）

最新推荐文章于 2024-06-12 18:30:00 发布
最新推荐文章于 2024-06-12 18:30:00 发布
阅读量2.2k 收藏
点赞数
分类专栏： es6
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/PacosonSWJTU/article/details/106779772
版权

【1】根据客户号分组后求均值和求和 

// dsl
{
    "_source":["RCRD_ID", "STATE", "BUSI_CODE"]
	, "query":{
		"bool":{
			"filter":[
				{
					"term":{
						"STATE":"PDOS"
					}				
				}
				
			]
		}					
	}
    , "aggs": {
        "by_loans":{
            "nested":{
                "path":"LOANS"
            }, 
            "aggs":{
                "group_by_cust_num":{
                    "terms":{
                        "field":"LOANS.CUST_NUM"
                    } 
                    , "aggs":{
                        "by_avg_loan_bal_sum":{
                            "avg":{
                                "field":"LOANS.OVD_MONEY_SUM"
                            }   
                        }
                        , "by_sum_loan_bal_sum":{
                            "sum":{
                                "field":"LOANS.OVD_MONEY_SUM"
                            }   
                        }
                    }							
                }
               

            }
        }
    }
}
// 结果
{
    "took": 8,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 3,
            "relation": "eq"
        },
        "max_score": 0.0,
        "hits": [
            {
                "_index": "pdi_cust",
                "_type": "_doc",
                "_id": "tr_rd_01",
                "_score": 0.0,
                "_source": {
                    "RCRD_ID": "tr_rd_01",
                    "STATE": "PDOS",
                    "BUSI_CODE": "pdi"
                }
            },
            {
                "_index": "pdi_cust",
                "_type": "_doc",
                "_id": "tr_rd_02",
                "_score": 0.0,
                "_source": {
                    "RCRD_ID": "tr_rd_02",
                    "STATE": "PDOS",
                    "BUSI_CODE": "pdi"
                }
            },
            {
                "_index": "pdi_cust",
                "_type": "_doc",
                "_id": "tr_rd_03",
                "_score": 0.0,
                "_source": {
                    "RCRD_ID": "tr_rd_03",
                    "STATE": "PDOS",
                    "BUSI_CODE": "pdi"
                }
            }
        ]
    },
    "aggregations": {
        "by_loans": {
            "doc_count": 6,
            "group_by_cust_num": {
                "doc_count_error_upper_bound": 0,
                "sum_other_doc_count": 0,
                "buckets": [
                    {
                        "key": "CUST_NUM_01",
                        "doc_count": 2,
                        "by_sum_loan_bal_sum": {
                            "value": 3333.0
                        },
                        "by_avg_loan_bal_sum": {
                            "value": 1666.5
                        }
                    },
                    {
                        "key": "CUST_NUM_02",
                        "doc_count": 2,
                        "by_sum_loan_bal_sum": {
                            "value": 2227.0
                        },
                        "by_avg_loan_bal_sum": {
                            "value": 1113.5
                        }
                    },
                    {
                        "key": "CUST_NUM_03",
                        "doc_count": 2,
                        "by_sum_loan_bal_sum": {
                            "value": 2231.0
                        },
                        "by_avg_loan_bal_sum": {
                            "value": 1115.5
                        }
                    }
                ]
            }
        }
    }
}

【2】求整个索引的均值和总和

// dsl
{
    "_source":["RCRD_ID", "STATE", "BUSI_CODE"]
	, "query":{
		"bool":{
			"filter":[
				{
					"term":{
						"STATE":"PDOS"
					}				
				}
				
			]
		}					
	}
    , "aggs": {
        "by_loans":{
            "nested":{
                "path":"LOANS"
            }, 
            "aggs":{
                "by_avg_loan_bal_sum":{
                            "avg":{
                                "field":"LOANS.OVD_MONEY_SUM"
                            }   
                        }
                        , "by_sum_loan_bal_sum":{
                            "sum":{
                                "field":"LOANS.OVD_MONEY_SUM"
                            }   
                        }
            }
        }
    }
}
// 结果
{
    "took": 12,
    "timed_out": false,
    "_shards": {
        "total": 1,
        "successful": 1,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": {
            "value": 3,
            "relation": "eq"
        },
        "max_score": 0.0,
        "hits": [
            {
                "_index": "pdi_cust",
                "_type": "_doc",
                "_id": "tr_rd_01",
                "_score": 0.0,
                "_source": {
                    "RCRD_ID": "tr_rd_01",
                    "STATE": "PDOS",
                    "BUSI_CODE": "pdi"
                }
            },
            {
                "_index": "pdi_cust",
                "_type": "_doc",
                "_id": "tr_rd_02",
                "_score": 0.0,
                "_source": {
                    "RCRD_ID": "tr_rd_02",
                    "STATE": "PDOS",
                    "BUSI_CODE": "pdi"
                }
            },
            {
                "_index": "pdi_cust",
                "_type": "_doc",
                "_id": "tr_rd_03",
                "_score": 0.0,
                "_source": {
                    "RCRD_ID": "tr_rd_03",
                    "STATE": "PDOS",
                    "BUSI_CODE": "pdi"
                }
            }
        ]
    },
    "aggregations": {
        "by_loans": {
            "doc_count": 6,
            "by_sum_loan_bal_sum": {
                "value": 7791.0
            },
            "by_avg_loan_bal_sum": {
                "value": 1298.5
            }
        }
    }
}

 

 

tomjourney
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
es求平均值_es查询，聚合、平均值、值范围、cardinality去重查询
weixin_35489311的博客
02-15 2511
普通查询GET ana-apk/_search{"query": {"match_all": {}}}查询不重复的mac地址GET ana-apk/_search{"size": 10,"aggs": {"MAC": {"cardinality": {"field": "MAC.keyword"}}},"_source":{"include":["MAC","ProbeOUI","RTPLossR...
ES 根据查询条件求和sum
bohu83的博客
11-18 1万+
最简单的查询求和，类似于SQL： select sum(XX) from table where ; 不需要group by. 也就不需要TermsAggregationBuilder dsl: GET /index/base_info/_search { "aggs": { "query_amount": { "sum": { "field": "num" } } }, "query": { "match": {
理解Es的DSL语法（二）：聚合
最新发布
糖拌西红柿
06-12 1108
es的聚合语法、aggs，date_histogram聚合
es数据聚合
CV工程师呀
02-09 2910
1.kibana实现 1.1.聚合的种类 聚合常见的有三类： 桶（Bucket）聚合：用来对文档做分组 TermAggregation：按照文档字段值分组，例如按照品牌值分组、按照国家分组 Date Histogram：按照日期阶梯分组，例如一周为一组，或者一月为一组 度量（Metric）聚合：用以计算一些值，比如：最大值、最小值、平均值等 Avg：求平均值 Max：求最大值 Min：求最小值 Stats：同时求max、min、avg、sum等 管道（pipeline）聚合：其它聚合的结
es 报表聚合，分组，求和，排序，合计，分页等综合应用
BUG指挥课堂
04-12 5161
一，最终实现：查询条件及查询结果如下图所示 需要实现：分组，求和，聚合后排序，总计，分页 二， 需求分析：关于分组维度 es数据主键为：日期（年月日）+采购组织+采购组+门店 统计维度：可根据是否选择门店，按日或按月统计可分为四种情况 日+采购组织+采购组；采购组织+采购组；日+采购组织+采购组+门店；月+采购组织+采购组+门店； 按正常es多条件分组求和处理方式很麻烦，可参考网上写法。可以转变思路，把每个维度拼接成一个字段，即新增四个字段，多条件分组统计转化为单条件分组统计，实现起来会简.
es 数组类型求和排序
zwy
12-30 629
elasticsearch 排序模式浅试
elasticsearch嵌套聚合dsl
09-14
elasticsearch嵌套聚合dsl
elasticSearch查询语句DSL
06-27
在这篇资源中，我们将详细介绍如何使用DSL...最后，我们将分享一些实用技巧和最佳实践，帮助您充分发挥DSL在Elasticsearch中的优势。我们将探讨性能优化、查询调试和索引优化等关键主题，以提升查询效率和搜索准确性。
java使用elasticsearch分组进行聚合查询过程解析
08-25
Java 使用 Elasticsearch 进行分组聚合查询过程解析 Java 使用 Elasticsearch 进行分组聚合查询是一个常见的需求，特别是在大数据处理和数据分析领域。Elasticsearch 提供了强大的聚合功能，可以对数据进行分组、...
elasticsearch-dsl.cr：Elasticsearch的Crystal DSL
02-04
5. **聚合**：支持Elasticsearch的聚合功能，如术语聚合、度量聚合等，用于数据分析和数据可视化。 6. **搜索结果处理**：DSL提供了友好的方法来处理搜索结果，包括获取命中数、遍历结果集等。 7. **错误处理**：...
elasticsearch聚合后分页
12-16
方法如果传总页数了，es就不用查询总页数，直接通过开始位置到结束位置取数即可
ElasticSearch中用aggs聚合求每分钟数据求和,并用java获取到数据
CHEN的技术积累
09-08 6366
ElasticSearch中用aggs聚合求每分钟数据求和,并用java获取到数据. 最近要做一个图表,数据为每分钟委托笔数, 数据在ElasticSearch中存储, 并且每分钟可能有多条数据, 这里就用到了ElasticSearch聚合.
ES多字段求和，生成一个新字段
qq_41810188的博客
08-05 3562
ES多字段求和，生成一个新字段 上代码： 想要liked_count和share_count字段求和 GET post_douyin/_search { “script_fields”: { “sum_count”: { “script”: { “source”: “if(doc[‘liked_count’].value >0 && doc[‘share_count’].value >0 ){doc[‘liked_count’].value + doc[‘share_count’
ElasticSearch 分组条件过滤求和
YYQ_QYY的专栏
12-03 2946
需求点：以“投递岗位”维度进行分组统计出消耗了金币的金币总量，以及每个岗位的报名人数 例如：目前有岗位A、岗位B、岗位C，岗位A有3个人报名，每个报名消耗1个报名单；岗位B有5个人报名，每个报名消耗2个报名单，且其中有个报名是通过分享岗位进行报名的；岗位C有4个人报名，报名不消耗报名单；注意：当岗位是被分享报名时，无需消耗岗位报名单。 最终结果应该是： 统计结果 岗位 报名总人数 消耗总报名单数 岗位A 3 3 岗位B 5 8 岗位C 2
elasticsearch es sum求和统计用法
03-05 1万+
参考链接: 聚合用法 用 extendedstats 用 stats 用 sum 有多种方法都可以实现: 用 stats ,其中 “query” 是我自己需要想要查询出的记录，query 部分是我的查询标准，大家在用的时候需要根据业务修改。 my_stats 就是个名字，随便起都行。stats、field 不能修改。大家需要修改的是 height8.height 字段，替换为自己需要的即可。 GET xxxx/_doc/_search { "query" : { "terms": {
ES常用DSL的查询和简单统计
Nryana0的博客
01-20 4022
DSL？ 英文全称Domain Specific Language，解释为领域专用语言。 DSL是针对某个特定领域而开发的语言，而我们平时接触 到的C/C++，Java，Python/Ruby， 都属于通用语言，DSL就是为了弥补这些通用语言而出现的。 说到编程离不开最基础的CURD DSL也一样 我们先说查询，直接上实例 1.全检索 GET 索引名/_search { "quer...
ES的复杂查询(二)——聚合、分组
gangye19970101的博客
03-11 1万+
ES的聚合查询(SUM、MAX、MIN、AVG) 1.求和查询 例如查询cust_name_s为张三的txn_amt_d的和，sql语句是 select sum(txn_amt_d) as sum_number from trade_info.csrcb where cust_name_s = '张三' 对应的es的查询就是(此处与sql中的sum一样，也有起别名以及聚合方式的参数，其中的aggs可以写全，写成aggregatins) curl -XPOST "http://192.168.2
Elasticsearch 实现分组统计
热门推荐
tangpengh的博客
11-20 3万+
之前有个查询es分组求和的需求，类似关系型数据库  select a ,b ,sum(c)  from table group by a,b  当时用DSL查询语句实现 这边记录下： GET  /my_index/my_type/_search {     "from": 0,     "size": 0,     "aggs": {         "_A_": {            ...
es对分组后结果进行统计_如何对筛选以后聚合分组后的数据再进行范围查询呢？...
weixin_40003451的博客
12-19 1753
老师好，项目中需要用到es来实现数据统计，现在有这样一个需求不知道该如何实现，查了一下资料，也没有看到好的解决办法现在有这样一组数据[{userId:1, name: 'liu', createTime:'2017-9-16', investMount: 1000, sex: 1},{userId:1, name: 'liu', createTime:'2017-9-16', investMoun...
java实现es嵌套聚合查询
06-07
要实现 Elasticsearch 的嵌套聚合查询，你可以使用 Elasticsearch 的 AggregationBuilders 类来创建嵌套聚合查询。具体实现步骤如下： 1. 创建一个嵌套聚合查询，用于组合多个子聚合查询。 2. 在嵌套聚合查询中添加多个子聚合查询，分别对应不同的聚合方式。 3. 如果你需要对子聚合查询进行分组，可以在子聚合查询中添加 terms 聚合查询。 4. 如果你需要对子聚合查询进行计数，可以在子聚合查询中添加 count 聚合查询。 5. 执行查询并处理结果。 以下是一个示例 Java 代码，用于实现 Elasticsearch 的嵌套聚合查询： ``` SearchResponse response = client.prepareSearch("index_name") .addAggregation( AggregationBuilders.nested("nested_agg", "nested_field") .subAggregation(AggregationBuilders.terms("term_agg") .field("term_field")) .subAggregation(AggregationBuilders.count("count_agg") .field("count_field"))) .execute() .actionGet(); Nested nestedAgg = response.getAggregations().get("nested_agg"); Terms termAgg = nestedAgg.getAggregations().get("term_agg"); long totalCount = nestedAgg.getAggregations().get("count_agg").getDocCount(); ``` 其中，"index_name" 是你要查询的索引名称，"nested_field" 是你要进行嵌套聚合查询的字段名称，"term_field" 和 "count_field" 分别是你要进行分组和计数的字段名称。你可以根据实际情况进行修改。执行完查询后，你可以从查询结果中获取嵌套聚合对象，并进一步获取子聚合对象的结果。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值