Elasticsearch——Histogram字段类型

用于存储表示直方图的pre-aggregated数字数据的字段。此数据使用两个成对数组定义：

• 由两个double组成的value数组，表示histogram的存储桶(buckets)。必须按升序提供这些值。
• 对应的integer numbers的counts数组，表示每个存储桶中有多少个值。这些数字必须为正或零。

因为values数组中的元素对应于count数组中相同位置的元素，所以这两个数组必须具有相同的长度。

注意：

histogram 字段只能存储每个文档的一对值和计数数组。不支持嵌套(nested)数组。

histogram字段不支持排序。

histogram字段主要用于聚合。为了使聚合更容易访问，histogram字段数据存储为二进制文档值，而不是索引。它的字节大小最多为13*numValues，其中numValues是所提供数组的长度。

由于数据未indexed，因此只能对以下聚合和查询使用histogram字段：

• min aggregation
• max aggregation
• sum aggregation
• value_count aggregation
• avg aggregation
• percentiles aggregation
• percentile ranks aggregation
• boxplot aggregation
• histogram aggregation
• range aggregation
• exists aggregation

Building a histogram

当使用histogram作为聚合的一部分时，结果的准确性将取决于histogram的构造方式。重要的是要考虑百分位数聚集模式，将被用来建立它。一些可能性包括：

• 对于T-Digest模式，values数组表示平均质心位置，counts数组表示归属于每个质心的值的number。如果算法已经开始近似百分位数，则histogram中会出现这种不准确的情况。
• 对于High Dynamic Range（HDR）直方图模式，value数组表示每个桶间隔的固定上限，count数组表示归属于每个间隔的值的数量。此实现维护一个固定的最坏情况百分比错误（指定为有效数字的数量），因此生成histogram时使用的值将是聚合时可以达到的最大精度。

histogram字段是“算法无关”字段，不存储特定于T-Digest要或HDRHistogram的数据。虽然这意味着该字段在技术上可以通过任何一种算法聚合，但在实践中，用户应选择一种算法，并以这种方式索引数据（例如，T-Digest的质心或HDRHistogram的间隔），以确保最佳精度。

例子：

以下创建索引API请求使用两个字段映射创建新索引：

• my_histogram，用于存储百分位数据的histogram字段

• my_text，用于存储histogram标题的keyword字段

PUT my-index-000001
{
  "mappings" : {
    "properties" : {
      "my_histogram" : {
        "type" : "histogram"
      },
      "my_text" : {
        "type" : "keyword"
      }
    }
  }
}

以下索引API请求存储两个histograms的pre-aggregated：histogram_1和histogram_2。

PUT my-index-000001/_doc/1
{
  "my_text" : "histogram_1",
  "my_histogram" : {
      "values" : [0.1, 0.2, 0.3, 0.4, 0.5],  (1)
      "counts" : [3, 7, 23, 12, 6]   (2)
   }
}

PUT my-index-000001/_doc/2
{
  "my_text" : "histogram_2",
  "my_histogram" : {
      "values" : [0.1, 0.25, 0.35, 0.4, 0.45, 0.5],  (1)
      "counts" : [8, 17, 8, 7, 6, 2]  (2)
   }
}

（1）每个bucket的值。数组中的值被视为双精度值，必须按递增顺序给出。对于T-Digest直方图，该值表示平均值。对于HDR直方图，这表示迭代到的值。

（2）每桶的count。数组中的值被视为整数，必须为正或零。负值将被拒绝。桶和计数之间的关系由数组中的位置给出。