目录
- 一、聚合基础
- 二、聚合类型
- 1. Bucket 聚合 (Bucket Aggregations)
- 2. Metric 聚合 (Metric Aggregations)
- 3. Pipeline 聚合 (Pipeline Aggregations)
- 三、聚合结构
- 四、聚合操作
- 五、聚合使用示例
- 六、聚合性能优化
- 七、可视化与仪表板
一、聚合基础
聚合 (Aggregation)*是一种在 Elasticsearch 中对数据进行分组、统计、计算和分析的操作。它与搜索请求一起执行,但关注的是数据的汇总而非具体的文档列表。聚合结果通常以层次化的结构返回,便于进一步处理和可视化。
二、聚合类型
1. Bucket 聚合 (Bucket Aggregations)
Bucket 聚合用于对数据进行分桶(grouping),将数据集划分为多个逻辑桶,每个桶代表一类数据。常见的 Bucket 聚合包括:
- Terms 聚合:按某个字段的值进行分桶,统计每个值出现的次数(文档计数)。
- Histogram 聚合:基于数值字段的区间(bucket)进行分桶,常用于时间序列分析。
- Range 聚合:按指定数值范围进行分桶。
- Date Range 聚合:特别针对日期字段,按日期范围进行分桶。
- Filter 聚合:根据布尔查询筛选数据,形成单独的桶。
- Geo Distance 聚合:基于地理距离进行分桶,常用于地理空间数据分析。
- Nested 聚合:处理嵌套文档,允许在嵌套对象上进行分桶操作。
- IP Range 聚合:对 IP 地址字段按 IP 范围进行分桶。
2. Metric 聚合 (Metric Aggregations)
Metric 聚合用于计算单个数值指标,如平均值、总和、最大值、最小值等。常见的 Metric 聚合包括:
- Count 聚合:计算匹配查询的文档总数。
- Sum 聚合:计算数值字段的总和。
- Average 聚合:计算数值字段的平均值。
- Min/Max 聚合:分别计算数值字段的最小值和最大值。
- Stats 聚合:提供数值字段的统计信息,包括计数、总和、平均值、最小值、最大值。
- Extended Stats 聚合:提供更详细的统计信息,如方差、标准差、四分位数等。
- Percentiles 聚合:计算数值字段指定百分位数的值。
- Cardinality 聚合:估算唯一值的数量,适用于高基数字段。
3. Pipeline 聚合 (Pipeline Aggregations)
Pipeline 聚合对其他聚合的结果进行二次处理,实现更复杂的聚合逻辑。它们不直接操作原始文档,而是消费其他聚合产生的桶或指标。常见的 Pipeline 聚合包括:
- Bucket Script 聚合:对 Bucket 聚合的每个桶应用脚本,生成新的聚合值。
- Sum Bucket 聚合:对多个 Bucket 聚合的子桶求和。
- Avg Bucket 聚合:对多个 Bucket 聚合的子桶求平均值。
- Max/Min Bucket 聚合:找出多个 Bucket 聚合中子桶的最大/最小值。
- Derivative 聚合:计算相邻桶之间某个 Metric 聚合值的变化率。
- Cumulative Sum 聚合:对一系列 Metric 聚合值累计求和。
- Moving Average 聚合:计算滑动窗口内的平均值。
三、聚合结构
聚合结果通常以树状结构返回,每个聚合可以嵌套其他聚合,形成多层次的聚合链。这种结构允许用户逐步细化分析,从宏观到微观逐步揭示数据特征。
四、聚合操作
聚合操作通常与搜索请求结合使用,通过在查询 DSL 中定义聚合部分实现。聚合请求可以独立于搜索结果,也可以与搜索结果关联,展示在搜索结果的上下文中。
五、聚合使用示例
以下是一个简单的聚合请求示例,展示了 Terms 聚合和 Avg 聚合的组合使用:
GET /my_index/_search
{
"size": 0, // 不返回匹配文档,仅聚合结果
"aggs": {
"by_category": { // Bucket 聚合:按 category 字段分桶
"terms": {
"field": "category"
},
"aggs": { // 在每个 bucket 内进一步聚合
"avg_price": { // Metric 聚合:计算每个 category 的平均 price
"avg": {
"field": "price"
}
}
}
}
}
}
六、聚合性能优化
- 选择合适的聚合类型:根据业务需求选择最适合的聚合类型,避免不必要的复杂度。
- 限制返回结果:使用
size
参数限制返回的桶数量,避免消耗过多内存和带宽。 - 预聚合:对于大量数据,可以考虑使用脚本字段或 Ingest Node 进行预聚合,减少聚合阶段的计算量。
- 监控资源使用:监控集群资源使用情况,确保聚合操作不会导致节点过载。
七、可视化与仪表板
聚合结果可以直接用于数据可视化,如通过 Kibana 创建图表、仪表板,直观展示数据分布、趋势、关联等信息。