ElasticSearch：aggregations 聚合详解

最新推荐文章于 2024-04-11 08:30:00 发布
最新推荐文章于 2024-04-11 08:30:00 发布
阅读量8.3k 收藏 14
点赞数 5
分类专栏： elasticsearch 文章标签： java 数据分析 大数据 elasticsearch
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/qq_41063182/article/details/108944340
版权

概念

ElasticSearch 中聚合的概念，通俗的讲就是按照一些条件从一个数据集中去统计一些信息，比如统计酒店房间有多少，根据价格区间统计酒店数量这些功能。
官网的解释：聚合可以进行各种组合以构建复杂的数据汇总。可以看作是在一组文档上建立分析信息的工作单元，统计一些文档集。聚合可以将一些独立的功能单元可以被混合在一起来满足你的需求，是一种单独的语法。
kibana的可视化看板就是非常经典的聚合功能的体现。

在这里插入图片描述
上图中的每个看板视图的展示，其实都是通过聚合API统计出来的一些数据，比如直方图分布，数据泊松分布等特性。

聚合

ElasticSearch 中有许多不同类型的聚合，每种聚合都有自己的功能和输出，聚合类型大致有四种基本类型。

  • Bucketing aggregation 一些满足特定条件的文档的集合，类似 mysql 的 group by。例如：select count(*) from user group by name， bucketing 的作用就是group by name，根据 name 去分组，返回一个特定条件的文档集合。
  • Metric aggregation 一些数学运算，对文档进行统计分析，例如：select count(*) from user group by name，count 就是 Metric 的作用，对结果集进行一些计算处理。
  • Matrix aggregation 对多个字段进行操作并且返回一个矩阵结果
  • Pipeline aggregation 对已经产生的聚合结果进行二次聚合

聚合的基本语法

  • aggs 是与query同级的，是聚合操作的根节点
  • aggregation_name 是自定义的聚合名字，是在聚合结果中展示的字段名
  • aggregation_type 是聚合的类型，比如 min，是 Metric 计算类型中的一种
  • aggregation_body 一般是要操作的计算值，如果是脚本则是脚本
    在这里插入图片描述
    在这里插入图片描述
    如上是一个简单的聚合语法，其中标识的地方分别对应语法中的操作。

Bucketing aggregation

bucketing的作用就是将文档进行一个分组，也就是 bucketing 的字面意思桶，ElasticSearch会将文档分成划分成为一个个的桶，ElasticSearch 提供了很多类型的 bucketing。

Terms Aggregation

就是一个最简单的分桶策略，也就是group by 策略，他是精确匹配，根据你指定的字段将值相等的文档分在一个桶中。

terms 是精确匹配，也是不分词，所以如果你想要对 text类型的使用terms，需要将field_data 开启

POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "country": {
      "terms": {
        "field": "OriginCountry"
      }
    }
  }
}

如上这条语义就是根据 OriginCountry 国家对航班信息进行 group by。

Filter Aggregation

Filter Aggregation，过滤聚合，其实就是添加了一个分桶的过滤匹配条件，只有符合这个条件的文档才会参与聚合统计。

  • filter 为要过滤的条件，语法可以参考查询语法，使用 term、match等都可以
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "country": {
      "filter": {
        "term": {
          "OriginCountry": "US"
        }
      },
      "aggs": {
        "ticket": {
          "avg": {
            "field": "AvgTicketPrice"
          }
        }
      }
    }
  }
}

结果：
"aggregations" : {
    "country" : {
      "doc_count" : 2001,
      "ticket" : {
        "value" : 606.0703937315095
      }
    }
  }

上边这个结果就是只统计国家为us的飞机航班的平均票价，filter为要过滤的条件。

Filters Aggregation

Filters Aggregation 相当于是多个 Filter Aggregation，支持多个匹配条件，但是这里的多个并不是条件叠加，而是类似buckAPi那种的多个API分别执行，然后一次返回，省去网络IO。

POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "country": {
      "filters": {
        "filters": {
          "us": {
            "match": {
              "OriginCountry": "US"
            }
          },
          "cn": {
            "match": {
              "OriginCountry": "CN"
            }
          }
        }
      },
      "aggs": {
        "ticket": {
          "avg": {
            "field": "AvgTicketPrice"
          }
        }
      }
    }
  }
}

如上的聚合语义，是分别统计国家为 us、cn的航班机票平均价格。

Range Aggregation

针对数字类型的字段进行范围分桶，会根据你设定的范围在运行期间对每个文档的这个字段进行check，然后将符合条件的划分到对应的区间中。

  • field 是划分的字段
  • ranges 表示区间，是个数组，from标识开始，to 表示右区间
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "range_ticket": {
      "range": {
        "field": "AvgTicketPrice",
        "ranges": [
          {"to": 400},
          {"from": 400,"to": 800},
          {"from": 800}
        ]
      }
    }
  }
}

如上的语义，表示根据票价 0-400,400-800,800-无穷来划分文档区间。

Histogram Aggregation

Histogram Aggregation，直方图分桶统计，意思就是按照给定的区间自动增长去统计在这个区间的文档，比如给了200，那么区间统计就是 [0,200],[200,400]…

  • interval 区间值
  • min_doc_count 最小多少文档才会显示
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "range_ticket": {
      "histogram": {
        "field": "AvgTicketPrice",
        "interval": 200,
        "min_doc_count": 0
      }
    }
  }
}

如上语义所示，表示显示航班票价的各个区间文档数，每隔200统计一次。

Metric aggregation

  • Metric 大多数都是在做一些数学运算，除了在字段上进行计算，也自持脚本产生的结果上进行运算。
  • 大多数 Metric 值输出一个值
  • 部分 Metric 支持输出多个值 stats / percentiles / percentiles_ranks
Avg Min Max Sum
  • Avg 是计算平均值的统计指标方法。
  • Min 是计算最小值的统计指标方法。
  • Max 是计算最大值的统计指标方法。
  • Sum 是求和的统计指标方法。
  • 只针对数字类型的字段
  • missing 字段可以过滤掉那个值不参与平均值计算
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "avg_ticket": {
      "avg": {
        "field":"AvgTicketPrice",
        "missing": 10000
      }
    },
    "max_ticket": {
      "max": {
        "field": "AvgTicketPrice"
      }
    },
    "min_ticket": {
      "min": {
        "field": "AvgTicketPrice"
      }
    },
    "sum_ticket": {
      "sum": {
        "field": "AvgTicketPrice"
      }
    }
  }
}

如上语法表示我们对 AvgTicketPrice 求平均值，并且过滤掉 10000 的值。

Weighted Avg Aggregation

Weighted Avg Aggregation 相对于Avg Aggregation，多了一个比重的影响因素，就是在原先的平均值上会去乘以你设置的那个比重字段然后再加入平均值的计算。

  • weight 比重字段
  • missing 字段可以过滤掉那个值不参与平均值计算
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "avg_ticket": {
      "weighted_avg": {
        "value": {
          "field": "AvgTicketPrice"
        },
        "weight": {
          "field": "dayOfWeek"
        }
      }
    }
  }
}

如上语法表示我们对 AvgTicketPrice 求平均值，并且还要与星期几相乘做计算。

Cardinality Aggregation

Cardinality Aggregation 类似于 count，但是他多了一个功能是去重，只对唯一的数字做统计，有些类似 distinct count

POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "country_count": {
      "cardinality": {
        "field": "DestCountry"
      }
    }
  }
}

如上的这个语义是对航班的经过的国家做了一个统计，这是去重的。

Stats Aggregation

Stats Aggregation 英译数据聚合，其实就是多个聚合的一个集合。

POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "stats_ticket": {
      "stats": {
        "field":"AvgTicketPrice",
        "missing": 10000
      }
    }
  }
}

结果：
"aggregations" : {
    "stats_ticket" : {
      "count" : 13059,
      "min" : 100.0205307006836,
      "max" : 1199.72900390625,
      "avg" : 628.2536888148849,
      "sum" : 8204364.922233582
    }
  }

可以看到，stats其实就是将 count、min、max、avg、sum 等函数做了一个聚合。

Percentiles Aggregation

多值指标聚合，其实就是计算文档中这个字段值的百分位数，默认是有五个，大致会先将文档的值从小到大排放，然后根据公式计算出这个百分位上的数字，这个数字一般用来观察分布是否均匀，这个跟数学的统计学有关系。
百分数的概念：http://blog.sina.com.cn/s/blog_4a082449010180bo.html

  • percents 可以只指定观看那几个百分位点的，“percents”: [95,99,99.9]
  • keyed 决定返回的值是按照数组来返回还是按照直接文档
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "percentiles_ticket": {
      "percentiles": {
        "field":"AvgTicketPrice",
        "keyed": true
      }
    }
  }
}

结果：
"aggregations" : {
    "percentiles_ticket" : {
      "values" : {
        "1.0" : 118.42046473693847,
        "5.0" : 187.9974905499074,
        "25.0" : 410.0089175627301,
        "50.0" : 640.3872852064159,
        "75.0" : 842.2746839881264,
        "95.0" : 1035.2816321122016,
        "99.0" : 1166.9782329101563
      }
    }
  }

如上可以看到，每个百分位的数都已经展示出来了。

Percentile Ranks Aggregation

Percentile Ranks Aggregation 与 Percentiles Aggregation正好相反，Percentile Ranks Aggregation 是知道值以后去查看他所在的百分数是多少。

POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "percentiles_ticket": {
      "percentile_ranks": {
        "field":"AvgTicketPrice",
        "values": [410,842]
      }
    }
  }
}

结果：
"aggregations" : {
    "percentiles_ticket" : {
      "values" : {
        "410.0" : 25.025135114650837,
        "842.0" : 74.9653263900661
      }
    }
  }
Top Hits Aggregation

Top Hits Aggregation 是很有用的一个聚合函数，他的功能是将你当前的搜索条件中筛选出排名前几的几个文档，一般这个与terms分桶一起使用，可以很方便的统计出一些你想要的数据来。

  • sort 指定要获取排名的字段，order 可以指定是倒序还是升序
  • size 可以指定你获取前几条数据
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "country": {
      "terms": {
        "field": "OriginCountry",
        "size": 3
      },
      "aggs": {
        "ticket": {
          "top_hits": {
            "size": 2,
            "sort": [
              {
                "AvgTicketPrice": {
                  "order": "desc"
                }
              }
            ]
          }
        }
      }
    }
  }
}

这个语义就是先根据国家分桶，然后选出每个国家中机票价格排名前二的文档出来。

Pipeline aggregation

其实就是对聚合产生的结果进行第二次聚合分析，也就是管道的概念，linux的管道其实就是将一个的结果作为输入来处理。
Pipeline 的分析结果会输出到原结果中，根据位置的不同，分为两类

  • Sibling - 结果和现有分析结果同级，pipeline 聚合结果会与原先的结果并立。
    ○ Max，min，Avg & Sum Bucket
    ○ Stats，Extended Status Bucket
    ○ Percentiles Bucket
  • Parent - pipeline 结果会内嵌到现有的聚合分析结果之中
    ○ Derivative （求导）
    ○ Cumultive Sum （累计求和）
    ○ Moving Function (滑动窗⼝)
Max min Avg & Sum Bucket Aggregation

作用与 Metric 相似，不过是对聚合产生的结果进行二次统计计算。

  • 语法与正常的聚合语法一样
  • buckets_path 指定你要计算的聚合字段，比如第一次聚合的字段为 tickets，那么这里可以填tickets，有可以填一个表达式，只要是第一次聚合里边有的字段就可以
  • Sibling bucket是将聚合语法跟在原先的聚合后
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "tickets": {
      "terms": {
        "field": "OriginCountry"
      },
      "aggs": {
        "avg_ticket": {
          "avg": {
            "field": "AvgTicketPrice",
            "missing": 10000
          }
        }
      }
    },
    "piple_avg": {
      "avg_bucket": {
        "buckets_path": "tickets>avg_ticket"
      }
    },
    "piple_min": {
      "min_bucket": {
        "buckets_path": "tickets>avg_ticket"
      }
    },
    "piple_max": {
      "max_bucket": {
        "buckets_path": "tickets>avg_ticket"
      }
    },
    "piple_sum": {
      "sum_bucket": {
        "buckets_path": "tickets>avg_ticket"
      }
    }
  }
}

如上语义标识，对第一次聚合产生的tickets进行二次聚合，第一次聚合是根据国家将平均票价统计出来，Pipeline聚合是对tickets中跳转出大于平均票价的文档进行最大最小值统计分析。

Stats，Extended Status Bucket

Stats，Extended Status Bucket 等于之前的用法相似。

Derivative

求导统计，是对聚合结果进行求导。

  • Parent 与 Sibling 的写法位置是不一样的,parent的写法必须写在原先聚合的里边，写在外边会报错，当然返回结果也是在原聚合里
  • Derivative 的父聚合必须为 histogram 直方图类型的。
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "tickets": {
      "histogram": {
        "field": "AvgTicketPrice",
        "interval": 200
      },
      "aggs": {
        "avg_ticket": {
          "avg": {
            "field": "AvgTicketPrice",
            "missing": 10000
          }
        },
        "piple_Derivative": {
          "derivative": {
            "buckets_path": "avg_ticket"
          }
        }
      }
    }
  }
}
Cumulative Sum Aggregation

Cumulative Sum Aggregation 是对聚合的结果进行累计求个，会将之前的结果每次都相加。

POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "tickets": {
      "histogram": {
        "field": "AvgTicketPrice",
        "interval": 200
      },
      "aggs": {
        "avg_ticket": {
          "avg": {
            "field": "AvgTicketPrice",
            "missing": 10000
          }
        },
        "piple_cumulative": {
          "cumulative_sum": {
            "buckets_path": "avg_ticket"
          }
        }
      }
    }
  }
}

这个结果就是对之前的票价每次都叠加统计，比如第一统计为 100，第二次统计为200，那么第三次统计就成为了300.

Moving Average Aggregation

Moving Average Aggregation，其实就是给定一个偏移量，然后每次根据你给定的这个数字，取出对应的数据进行平均统计，然后将位置+1继续统计，直到文档结束。
比如给定一个这样的文档：[1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
设定窗口大小为5，那么他的结果为：
(1 + 2 + 3 + 4 + 5) / 5 = 3
(2 + 3 + 4 + 5 + 6) / 5 = 4
(3 + 4 + 5 + 6 + 7) / 5 = 5
…

  • window 窗口大小，也就是每次选取的数据大小
  • mode 移动比重的计算
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "tickets": {
      "histogram": {
        "field": "AvgTicketPrice",
        "interval": 200
      },
      "aggs": {
        "avg_ticket": {
          "avg": {
            "field": "AvgTicketPrice",
            "missing": 10000
          }
        },
        "piple_moving": {
          "moving_avg": {
            "buckets_path": "avg_ticket",
            "window": 5,
            "model": "holt"
          }
        }
      }
    }
  }
}

Matrix aggregation

对多个字段进行计算并且返回相应的计算结果，也就是一个矩阵。

Matrix Stats

关于 Matrix aggregation，elasticSearch 目前只有一种 Matrix Stats 计算。

  • fields中指定你要统计的字段
  • count 表示统计文档总数
  • mean 表示平均值
  • variance 每场测量样本从均值分布的程度。
  • skewness 每场测量可量化均值周围的不对称分布。
  • kurtosis 每场测量可量化分布的形状。
  • covariance 定量描述一个领域中的变化与另一个领域相关联的矩阵。
  • correlation 协方差矩阵缩放到-1到1（含）范围。描述字段分布之间的关系。
POST kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "tickets": {
      "matrix_stats": {
        "fields": ["AvgTicketPrice","DistanceMiles","FlightTimeMin"]
      }
    }
  }
}

在这里插入图片描述

爱写书的程序员
关注
  • 5
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
【ElasticSearch（十）进阶】Aggregations执行聚合
u012161251的博客
08-24 555
【ElasticSearch(十)进阶】Aggregations执行聚合 聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。 在 ElasticSearch 中，你可以执行query和aggs(可以包含多个聚合)，返回 结果包含 hits(命中结果，可以查看 查询结果)，同时返回 aggregations(聚合结果)。使用一...
Elasticsearch 聚合
lzp52597的博客
05-08 706
示例数据 # 创建索引 PUT /hotel { "settings": { "number_of_shards": 1 }, "mappings": { "properties": { "title": { "type": "text" }, "city": { "type": "keyword" }, "price": { "type": "double"
Elasticsearch之聚合aggregations
Dreamer.
01-11 5009
聚合可以让我们极其方便的实现对数据的统计、分析。例如： 什么品牌的手机最受欢迎？ 这些手机的平均价格、最高价格、最低价格？ 这些手机每月的销售情况如何？ 实现这些统计功能的比数据库的sql要方便的多，而且查询速度非常快，可以实现实时搜索效果。 1 基本概念 Elasticsearch中的聚合，包含多种类型，最常用的两种，一个叫桶，一个叫度量： 桶（bucket） 桶的作用，是按照某种方式对...
ElasticSearch聚合操作
Charge8的博客
06-20 2686
ElasticSearch聚合操作
【ElasticSearch】数据聚合
逐梦苍穹的博客
04-11 706
ElasticSearch实现数据聚合(附Java实现)
Elasticsearch：Aggregation 简介
Elastic 中国社区官方博客
06-15 1523
Aggregation 在中文中也被称作聚合。简单地说，Elasticsearch 中的 aggregation 聚合将你的数据汇总为指标、统计数据或其他分析。聚合可帮助你回答以下问题： 我的网站的平均加载时间是多少？ 根据交易量，谁是我最有价值的客户？ 什么会被认为是我网络上的大文件？ 每个产品类别有多少产品？.........
使用Elasticsearch进行分组聚合统计
ue4的博客
05-18 8226
使用Elasticsearch进行分组聚合统计
ElasticSearch教程（详解版）
最新发布
06-01
4. **聚合（Aggregations）**：Elasticsearch 提供强大的聚合功能，可以进行统计分析，如平均值、最大值、计数等。 **四、数据操作** 1. **索引操作**：包括创建索引、删除索引、更新映射等。 2. **文档操作**：...
Elasticsearch queryJson实例代码
04-26
**Elasticsearch 查询 JSON 实例代码详解** 在大数据分析和搜索领域，Elasticsearch（ES）因其高效、灵活和强大的全文检索能力而被广泛应用。在 ES 中，JSON 文档是数据存储和查询的基础，而查询 JSON 则是进行数据...
Elasticsearch 8.1.2 Linux版本
04-06
**Elasticsearch 8.1.2 Linux 版本详解** Elasticsearch 是一款高度可扩展的开源全文搜索引擎，广泛应用于大数据分析、日志聚合、实时搜索等场景。其8.1.2版本针对Linux操作系统进行了优化，为用户提供高效、稳定的...
elasticsearch-tutorial:ElasticSearch基础
03-22
**Elasticsearch基础详解** Elasticsearch（简称ES）是一种基于Lucene的开源分布式全文搜索引擎。它以其强大的全文检索、高可扩展性、实时分析、简单易用等特性，在大数据时代成为了众多企业和开发者首选的数据存储...
ElasticSearch.zip
06-13
**Elasticsearch 入门详解** Elasticsearch（简称 ES）是一种基于 Lucene 的开源全文搜索引擎，被广泛应用于大数据分析、日志收集、实时搜索等领域。它的设计目标是分布式、可扩展、高可用且易用，支持RESTful API...
ElasticSearch 的 聚合（Aggregations）
hezheqiang的专栏
10-20 866
Elasticsearch有一个功能叫做 聚合(aggregations) ，它允许你在数据上生成复杂的分析统计。它很像SQL中的 GROUP BY 但是功能更强大。 Aggregations种类分为: Metrics, Metrics 是简单的对过滤出来的数据集进行avg,max等操作，是一个单一的数值。 Bucket, Bucket 你则可以理解为将过滤出来的数据集按条件分成多个小数据集...
Elasticsearch聚合
随风而逝的博客
10-05 1110
框架集合由搜索查询选择的所有数据。框架中包含许多构建块，有助于构建复杂的数据描述或摘要。聚合的基本结构如下所示 - “aggregations” : { “<aggregation_name>” : { “<aggregation_type>” : { <aggregation_body> } [,"meta" : { [<meta_data_body>] } ]? [,"aggregations" : { [<sub_aggregation&g
elasticsearch中的filter与aggs
04-04 894
今天在ES上做了一个聚合,先过滤一个嵌套对象,再对另一个域做聚合,但是过滤似乎没有起作用 { "size":0, "filter":{ "nested":{ "path":"nna_risks", "filter":{ "exists":{ ...
Elasticsearch聚集查询（七）
抽象的螺旋
05-03 1781
概述 聚集查询（Aggregation）提供了针对多条文档的统计运算功能，它不是针对文档本身内容的检索，而是要将它们聚合到一起运算某些方面的特征值。聚集查询与SQL语言中的聚集函数非常像，聚集函数在Elasticsearch中相当于是聚集查询的一种聚集类型。比如在SQL中的avg函数用于求字段平均值，而在Elasticsearch中要实现相同的功能可以使用avg聚集类型。 聚集查询也是通过_search接口执行，只是在执行聚集查询时使用的参数是aggregations或aggs。所以_search接口可以执
ElasticSearch - 聚合 aggs 详解
weixin_46742102的博客
09-29 5636
聚合概念 ElasticSearch除了致力于搜索之外，也提供了聚合实时分析数据的功能 如果把搜索比喻为大海捞针(从海量的文档中找出符合条件的那一个)，那麽聚合就是去分析大海中的针们的特性，像是 在大海里有多少针？ 针的平均长度是多少？ 按照针的製造商来划分，针的长度中位值是多少？ 每月加入到海中的针有多少？ 这里面有异常的针麽？ 因此透过聚合，我们可以得到一个数据的
mongodb使用aggregate中对于某字段去重
Awesome_py的博客
09-09 2496
mongodb使用distinct中对于某字段去重和aggregate聚合去重
Spring Boot 整合——MongoDB整合4（MongoDB分组去重以及MongoDB联表查询）
大风的博客
01-24 6705
文章前面 关于版本 依赖 版本 springboot 2.0.8.RELEASE mongodb 4.0.14 本内容只是为了介绍mongodb最基础的使用以及配置，作为一个知名的数据库，其存在相当多的高级用法，展开来介绍内容会相当多，当然本人并非相关领域的大神，下面内容只不过整理了自己日常使用的一些积累。是对自己经验的积累，也希望能帮助后来的同学 关于项目 本内容也是我尝...
es aggregation java_Java Elasticsearch 聚合查询(Aggregation)详解
05-30
Elasticsearch 聚合查询（Aggregation）是一种用于对数据进行多维度分析的功能。聚合查询可以用于分析数据的分布情况、计算数据的统计信息、生成图表等。在 Elasticsearch 中，聚合查询是通过使用特定的聚合器（Aggregator）来完成的。 Java 中使用 Elasticsearch 聚合查询需要使用 Elasticsearch Java API。首先需要创建一个 SearchRequest 对象，并设置需要查询的索引和查询条件。然后创建一个 AggregationBuilder 对象，用于定义聚合查询的规则和参数。最后将 AggregationBuilder 对象添加到 SearchRequest 中，执行查询操作。 以下是一个简单的 Java 代码示例，用于查询某个索引下的数据，并按照某个字段进行分组聚合查询： ``` SearchRequest searchRequest = new SearchRequest("index_name"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); TermsAggregationBuilder aggregationBuilder = AggregationBuilders.terms("group_by_field").field("field_name"); searchSourceBuilder.aggregation(aggregationBuilder); searchRequest.source(searchSourceBuilder); SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT); Terms terms = searchResponse.getAggregations().get("group_by_field"); for (Terms.Bucket bucket : terms.getBuckets()) { String key = bucket.getKeyAsString(); long count = bucket.getDocCount(); System.out.println("key: " + key + ", count: " + count); } ``` 在上面的代码中，首先创建了一个 SearchRequest 对象，设置需要查询的索引和查询条件。然后创建了一个 TermsAggregationBuilder 对象，用于按照某个字段进行分组聚合查询。最后将 TermsAggregationBuilder 对象添加到 SearchRequest 中，执行查询操作。 查询结果会返回一个 Terms 对象，其中包含了分组聚合查询的结果。可以使用 Terms 对象的 getBuckets() 方法获取分组聚合查询的结果列表。每个分组聚合查询结果由一个 Terms.Bucket 对象表示，其中包含了分组聚合查询的键值和文档数量等信息。 以上是简单的聚合查询示例，Elasticsearch 聚合查询功能非常强大，支持多种聚合器和聚合规则，可以根据具体需求进行调整和扩展。

“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 1
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