ES聚合查询实例

最新推荐文章于 2023-03-16 18:45:51 发布
最新推荐文章于 2023-03-16 18:45:51 发布
阅读量308 收藏
点赞数
原文链接：http://www.cnblogs.com/0xcafedaddy/p/6501814.html
版权

查询特定渠道分享数量最大的30个文章的uuid：

{
  "size": 0,
  "query": {
    "bool": {
      "must": [
        {
          "terms": {
            "ul_actType": [
              1030
            ],
            "boost": 1
          }
        },
        {
          "terms": {
            "ul_distChannel": [
              2000,
              1000,
              1001,
              1019
            ],
            "boost": 1
          }
        }
      ],
      "disable_coord": false,
      "adjust_pure_negative": true,
      "boost": 1
    }
  },
  "explain": false,
  "aggregations": {
    "aggs_targetId": {
      "terms": {
        "field": "ul_targetId",
        "size": 30,
        "min_doc_count": 1,
        "shard_min_doc_count": 0,
        "show_term_doc_count_error": false,
        "order": [
          {
            "_count": "desc"
          },
          {
            "_term": "asc"
          }
        ]
      }
    }
  }
}
View Code

 

 

查询特定渠道30篇文章的阅读数,推荐数,点赞数,分享数：

{
  "size": 0,
  "query": {
    "bool": {
      "must": [
        {
          "terms": {
            "ul_targetId": [
              "94a803d3e883f96fc236c136de7fca2a",
              "dedff564f1e67d86fda44fb8dce6cbc5",
              "1b5ae5c0cfe26374af883e87d2b2f7c0",
              "3c5c5b3cc698aae419cad8d6eb02cbf2",
              "a7886af3f7d46dce4e5396dce3ed2b97",
              "35140f8d3f96bd48b3f6724c712150b0",
              "84801260669eec369d18225c6e63b01b",
              "10dc5b9bb733049a028b4ada6e7a4b84",
              "3587229434114e2fc3b3380643239f21",
              "93956578579740bc8b812eec57631f71",
              "9b9e248c892e3127ddcf3d5a440ab7a6",
              "4a9eb484d0595f210fbc49fdb1fb1eb5",
              "42f47d23cc154a4a6baddd5192f74f9c",
              "9b640b026fd85fe3eaa738dca483ff73",
              "2085b778ae6627cb236ae3cd6ba08acf",
              "3a0e3bab19b8d1902e1359a7d330f675",
              "4a10a6f8ddd78ae47bf3ff79bbc4a929",
              "83f179c72918e0ac424c6f08cb628922",
              "c642a8b80a5f72b426c1c30547e34ae3",
              "7d2994d2b17c331a4d14eb16362b41b7",
              "eaff7777a93fe1cfd05ce83dac3a07c4",
              "f239bd18ddb31a9b38305a3fa8135583",
              "ba3f535eb515c2f5948c902aa78e6733",
              "3fd4a262c96d17c2df22ede68c013fc8",
              "7bc7e72fdfb2f89200a975d8bec3323e",
              "a56fd1fc1cde98355cafb321bf6b7fa5",
              "1a21061052d3c72c5bff7c658fc9e656",
              "2cd32bc12d56168dc7143a756697a831",
              "70881bbbed12c5930af37de3d4c8cb6f",
              "8c66080ac50992e25a0a3b9f06eba89e"
            ],
            "boost": 1
          }
        },
        {
          "terms": {
            "ul_actType": [
              2000,
              1000,
              1010,
              1030
            ],
            "boost": 1
          }
        },
        {
          "terms": {
            "ul_distChannel": [
              2000,
              1000,
              1001,
              1019
            ],
            "boost": 1
          }
        }
      ],
      "disable_coord": false,
      "adjust_pure_negative": true,
      "boost": 1
    }
  },
  "explain": false,
  "aggregations": {
    "aggs_targetId": {
      "terms": {
        "field": "ul_targetId",
        "size": 30,
        "min_doc_count": 1,
        "shard_min_doc_count": 0,
        "show_term_doc_count_error": false,
        "order": [
          {
            "_count": "desc"
          },
          {
            "_term": "asc"
          }
        ]
      },
      "aggregations": {
        "aggs_actType": {
          "terms": {
            "field": "ul_actType",
            "size": 4,
            "min_doc_count": 1,
            "shard_min_doc_count": 0,
            "show_term_doc_count_error": false,
            "order": [
              {
                "_count": "desc"
              },
              {
                "_term": "asc"
              }
            ]
          }
        }
      }
    }
  }
}
View Code

 

 

 

聚合例子:

{
  "query": {
    "bool": {
      "must": [
        {
          "terms": {
            "ul_actType": [
              1001
            ]
          }
        },
        {
          "terms": {
            "ul_actFrom": [
              1
            ]
          }
        },
        {
          "wildcard": {
            "ul_langMode": "*1*"
          }
        },
        {
          "range": {
            "ul_addTime": {
              "lt": 1494432000000,
              "gte": 1494345600000
            }
          }
        }
      ],
      "must_not": [
        {
          "wildcard": {
            "ul_userId": "temp*"
          }
        },
        {
          "term": {
            "ul_version.keyword": -1
          }
        }
      ]
    }
  },
  "size": 0,
  "aggregations": {
    "aggs_targetId": {
      "terms": {
        "field": "ul_targetId",
        "size": 50,
        "min_doc_count": 1000,
        "order": [
          {
            "_count": "desc"
          },
          {
            "_term": "asc"
          }
        ]
      },
      "aggs": {
        "rare_targetId": {
          "bucket_selector": {
            "buckets_path": {
              "doc_count": "_count"
            },
            "script": {
              "inline": "params.doc_count < 3000"
            }
          }
        }
      }
    }
  }
}
View Code

 

 

 多字段聚合例子:(2字段)

{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "image_count": {
              "from": "0",
              "to": null,
              "include_lower": false,
              "include_upper": true,
              "boost": 1
            }
          }
        },
        {
          "term": {
            "atype": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "term": {
            "flag_pool": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "term": {
            "flag_ql": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "term": {
            "flag_off": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "terms": {
            "domain": [
              "goldenmob.com"
            ],
            "boost": 1
          }
        },
        {
          "range": {
            "add_time": {
              "from": "0",
              "to": "2017-06-15",
              "include_lower": true,
              "include_upper": true,
              "boost": 1
            }
          }
        }
      ],
      "disable_coord": false,
      "adjust_pure_negative": true,
      "boost": 1
    }
  },
  "size": 0,
  "aggregations": {
    "agg_author_count": {
      "terms": {
        "field": "author"
      },
      "aggregations": {
        "agg_cate": {
          "terms": {
            "field": "app_category"
          }
        }
      }
    }
  }
}
View Code

 

 多字段聚合例子:(3字段)

{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "image_count": {
              "from": "0",
              "to": null,
              "include_lower": false,
              "include_upper": true,
              "boost": 1
            }
          }
        },
        {
          "term": {
            "atype": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "term": {
            "flag_pool": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "term": {
            "flag_ql": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "term": {
            "flag_off": {
              "value": "0",
              "boost": 1
            }
          }
        },
        {
          "terms": {
            "domain": [
              "goldenmob.com"
            ],
            "boost": 1
          }
        },
        {
          "range": {
            "add_time": {
              "from": "0",
              "to": "2017-06-15",
              "include_lower": true,
              "include_upper": true,
              "boost": 1
            }
          }
        }
      ],
      "disable_coord": false,
      "adjust_pure_negative": true,
      "boost": 1
    }
  },
  "size": 0,
  "aggs": {
    "agg_author_count": {
      "terms": {
        "field": "author"
      },
      "aggs": {
        "agg_cate": {
          "terms": {
            "field": "app_category"
          },
          "aggs": {
            "agg_lang": {
              "terms": {
                "field": "lang"
              }
            }
          }
        }
      }
    }
  }
}
View Code

注意:这里如果要进行多个字段的聚合,需要注意第二个aggs的位置,是在第一个的terms之后,而不是在第一个agg_author_count之后. aggregations = aggs

 

 

JSON转CSV:  https://json-csv.com/

转载于:https://www.cnblogs.com/0xcafedaddy/p/6501814.html

weixin_30411819
关注
elasticsearch 聚合查询
杨杨杨~~的博客
04-28 733
1. 桶聚合（Bucket Aggregations）：将文档分割成不同的桶（buckets），每个桶代表一个条件或者标准。常见的桶聚合包括根据词条、范围、日期等条件进行分桶。 2. 度量聚合（Metric Aggregations）：对文档中的数值字段进行计算，生成统计指标，如平均值、总和、最大值、最小值等。 3. 嵌套聚合（Nested Aggregations）：在其他聚合的结果上进行嵌套，以实现更复杂的分析。 4. 指标聚合（Matrix Aggregations）：对多个字段执行度量聚合，
Python Elasticsearch DSL 查询、过滤、聚合操作实例
最新发布
2401_84010762的博客
04-20 684
Python Elasticsearch DSL 使用简介连接 Es：import elasticsearches = elasticsearch.Elasticsearch([{‘host’: ‘127.0.0.1’, ‘port’: 9200}])先看一下搜索， 是指搜索内容，空格对 查询结果没有影响， 指定个数， 指定起始位置， 可以指定需要显示的数据，如本例中显示在最后的结果中的只有 和 。res_3 = es.search(index=“bank”, q=“Holmes”, size=1, f
es 聚合查询入门&范例
向项目经理冲刺
09-04 329
public class TestApp { public static void main(String[] args) throws Exception { Settings settings = Settings.builder() .put("cluster.name", "elasticsearch") .build(); TransportClient client = new Pre..
es的一个 初步聚合使用案例
liyienjoy的博客
07-05 700
使用前的准备的条件
ES聚合实例
weixin_30711917的博客
01-09 101
在es中需要根据app_categor进行聚合,JSON查询语句如下: { "query": { "bool": { "must": [ { "term": { "flag_color": "3" } }, { "te...
ES聚合查询案例
weixin_43939924的博客
03-29 1029
电视案例 创建索引及映射 PUT /tvs PUT /tvs/_mapping { "properties": { "price": { "type": "long" }, "color": { "type": "keyword" }, "brand": { "type": "keyword" }, "sold_date": { "type": "date" } } } 插入数据 PO
elasticsearch 简单聚合查询示例
weixin_34294649的博客
04-10 194
因为懒癌犯了，查询语句使用的截图而不是文字，导致了发布随笔的时候提示少于150字的随笔不能发布。 我就很郁闷了。 下面的查询都是前段时间工作中使用过的查询语句。 开始的时候是使用nodejs构建es查询语法，后来因为有些查询需要关联mysql数据库中的数据， 没有时间再去研究怎样使用nodejs查询mysql数据库，后来改成了使用java api查询的方式。 使用nodejs查询es是真...
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系列---聚合查询原理
黄鹰的专栏
04-17 1164
概要 本篇主要介绍聚合查询的内部原理，正排索引是如何建立的和优化的，fielddata的使用，最后简单介绍了聚合分析时如何选用深度优先和广度优先。 正排索引 聚合查询的内部原理是什么，Elastichsearch是用什么样的数据结构去执行聚合的？用倒排索引吗？ 工作原理 我们了解到倒排索引对搜索是非常高效的，但是在排序或聚合操作方面，倒排索引就显得力不从心，例如我们举个实际案例，假设我们有两个文档...
mysql聚合查询例子
weixin_44151268的博客
07-01 168
像这样将名字相同的时间组合到一起： 起始mysql查询： 使用聚合查询： select group_concat(id separator ‘;’) from t_label where CAST(id AS CHAR) in (1,2,3)
es 聚合demo
xiaomin1991222的专栏
11-07 102
a/a/_search?search_type=count { "query": { "bool": { "must": [ { "term": { "appType": "a" } } ], "must_not&
ElasticSearch聚合实例
weixin_44716359的博客
01-07 165
public List<AlarmTop5Vo> getAlarmTimesTop5(Integer beforeDays, String regionId) { List<AlarmTop5Vo> result = new ArrayList<>(); RestHighLevelClient client = null; try { client = EsPoolUtil.getClient()
ES-聚合查询
蓝天⊙白云的博客
03-16 8140
size=0 { “aggs”: { “”: { “histogram”: { “field”: “price”, #字段名称 “interval”: 1000, #区间间隔 “keyed”: true, #返回数据的结构化类型 “min_doc_count”: , #返回桶的最小文档数阈值，即文档数小于num的桶不会被输出 “missing”: 1999 #空值的替换值，即如果文档对应字段的值为空，则默认输出1999（参数值） } } } }
ES查询例子
winrh的博客
06-08 190
1. 查单个字段 http://xx.xx.xx.xx:9200/xxx/_search
ES 聚合查询样例
istruth::blog
02-08 114
聚合，可能面临高基数问题，因此此处限制桶个数为10000个。
6.ES 搜索示例
enlyhua的专栏
06-07 531
1.添加 curl -u elastic:123456 -H "Content-Type:application/json" -XPUT 'http://192.168.0.103:9200/megacorp/employee/3' -d ' { "first_name":"Douglas", "last_name":"Fir", "age":35, "about&quot
ES聚合查询桶聚合
qq_43676902的博客
10-21 1724
ElasticSearch（springBoot）： ElesticsearchTemple（ElasticsearchOperations）聚合查询示例 文章目录ElasticSearch（springBoot）：ElesticsearchTemple（ElasticsearchOperations）聚合查询示例一、Elasticsearch聚合1、TermsAggregation聚合（相当于mysql groupBy）2、聚合内继续聚合3、执行聚合查询总结 一、Elasticsearch聚合 1、Ter
ES商品搜索PHP实例
ssdwuya的专栏
11-24 549
if(!empty($keyword)){ $query = ' "query": { "dis_max":{ "queries":[ {
ES聚合查询
qq_43588909的博客
08-17 8904
ES聚合查询
restHighLevelClient es 聚合查询 按规定时间格式分组
06-06
好的，如果您使用Java语言，可以使用Elasticsearch的Java客户端RestHighLevelClient进行聚合查询。以下是一个示例代码，按天分组： ``` import org.elasticsearch.action.search.SearchRequest; import org.elasticsearch.action.search.SearchResponse; import org.elasticsearch.client.RequestOptions; import org.elasticsearch.client.RestHighLevelClient; import org.elasticsearch.common.unit.TimeValue; import org.elasticsearch.index.query.QueryBuilders; import org.elasticsearch.search.aggregations.AggregationBuilders; import org.elasticsearch.search.aggregations.bucket.histogram.DateHistogramInterval; import org.elasticsearch.search.aggregations.bucket.histogram.Histogram; import org.elasticsearch.search.builder.SearchSourceBuilder; import java.io.IOException; import java.util.concurrent.TimeUnit; public class AggregationExample { public void aggregationByDate(RestHighLevelClient client, String indexName, String dateField) throws IOException { SearchRequest searchRequest = new SearchRequest(indexName); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); searchSourceBuilder.query(QueryBuilders.matchAllQuery()); Histogram histogramAggregation = AggregationBuilders.dateHistogram("group_by_day") .field(dateField) .calendarInterval(DateHistogramInterval.DAY) .format("yyyy-MM-dd"); searchSourceBuilder.aggregation(histogramAggregation); searchRequest.source(searchSourceBuilder); searchRequest.scroll(new TimeValue(60000L)); SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT); histogramAggregation = searchResponse.getAggregations().get("group_by_day"); for (Histogram.Bucket bucket : histogramAggregation.getBuckets()) { String keyAsString = bucket.getKeyAsString(); long docCount = bucket.getDocCount(); System.out.println("日期：" + keyAsString + "，文档数量：" + docCount); } } } ``` 其中，`client`参数为您创建的RestHighLevelClient实例，`indexName`为您要查询的索引名，`dateField`为您要聚合的日期字段名。 您可以根据需要修改`calendarInterval`和`format`参数来实现不同的聚合需求。例如，如果您要按月份聚合，可以将`calendarInterval`设置为`DateHistogramInterval.MONTH`，并将`format`设置为`yyyy-MM`。 希望这能帮到您！
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