elasticsearch 可视化_大数据搜索与可视化分析（9）elasticsearch聚合分析Bucket Aggregation...

在上一篇文章中，我们介绍了《大数据搜索与可视化分析(9)elasticsearch聚合分析-Metric Aggregation》，本文继续学习elasticsearch聚合分析-Bucket Aggregation。

• Bucket Aggregation

图片参考文章《Elasticsearch 之聚合分析入门https://www.cnblogs.com/wupeixuan/p/12549336.html》

Bucket 就是桶的意思，即按照一定的规则将文档分配到不同的桶中，达到分类分析的目的。如上图所示，左边有一堆文档，右边有三个桶，每个桶有不同的规则，比如第一个桶的规则为价格小于 3000 的，第二个桶为价格大于等于 3000 小于 6000 的，最后一个桶的规则为价格大于 6000 的，然后不同的文档根据不同的价格分到不同的桶中，那么我们就实现了分类。

有了 Bucket 聚合分析机制，我们就可以把公司员工以年龄方式进行区分，以地理位置的方式来区分客户，以男性女性来区分演员等。

根据 Bucket 的分桶策略，常见的 Bucket 聚合分析如下：

• Terms：直接按照 term 来分桶，如果是 text 类型，则按照分词后的结果分桶

• Range：指定数值的范围来设定分桶规则

• Date Range：指定日期的范围来设定分桶规则

• Histogram：直方图，以固定间隔的策略来分割数据

• Date Histogram：针对日期的直方图或者柱状图，是时序数据分析中常用的聚合分析类型

首先插入样例数据

POST test_aggregation/_bulk{"index":{"_id":"1"}}{"username":"曹操","job":"主公","age":50,"birth":"1900-01-01","isMarried":true,"salary":100}{"index":{"_id":"2"}}{"username":"曹丕","job":"主公","age":28,"birth":"1980-05-07","isMarried":true,"salary":30}{"index":{"_id":"3"}}{"username":"曹睿","job":"主公","age":20,"birth":"1990-05-07","isMarried":true,"salary":20}{"index":{"_id":"4"}}{"username":"荀彧","job":"军师","age":22,"birth":"1985-08-07","isMarried":false,"salary":15}{"index":{"_id":"5"}}{"username":"司马懿","job":"军师","age":23,"birth":"1989-08-07","isMarried":false,"salary":8}{"index":{"_id":"6"}}{"username":"程昱","job":"军师","age":20,"birth":"1990-08-07","isMarried":false,"salary":5}{"index":{"_id":"7"}}{"username":"典韦","job":"武士","age":18,"birth":"1994-08-07","isMarried":false,"salary":5}{"index":{"_id":"8"}}{"username":"许褚","job":"武士","age":26,"birth":"1987-08-07","isMarried":false,"salary":12}

• Terms：直接按照 term 来分桶并统计

GET test_aggregation/_search{  "aggs": {    "NAME": {      "terms": {        "field": "job.keyword",        "size": 10      }    }  }}

统计结果：

"aggregations" : {    "NAME" : {      "doc_count_error_upper_bound" : 0,      "sum_other_doc_count" : 0,      "buckets" : [        {          "key" : "主公",          "doc_count" : 3        },        {          "key" : "军师",          "doc_count" : 3        },        {          "key" : "武士",          "doc_count" : 2        }      ]    }  }

从结果中可以看到文档根据job分成了不同的桶，每个桶还包括 doc_count，这样就可以很轻松知道 ES 存储的三国信息中，主公，军师，武士分别有多少条。

• Range：指定数值的范围来设定分桶规则

根据工资来统计一下小于10的，10-50的，50-90的和大于90的分组

GET test_aggregation/_search{  "aggs": {    "salary_range": {      "range": {        "field": "salary",        "ranges": [          {            "to": 10          },          {            "from": 10,            "to": 50          },          {            "from": 50,            "to":90          },          {            "from": 90          }        ]      }    }  }}

输出结果：

"aggregations" : {    "salary_range" : {      "buckets" : [        {          "key" : "*-10.0",          "to" : 10.0,          "doc_count" : 3        },        {          "key" : "10.0-50.0",          "from" : 10.0,          "to" : 50.0,          "doc_count" : 4        },        {          "key" : "50.0-90.0",          "from" : 50.0,          "to" : 90.0,          "doc_count" : 0        },        {          "key" : "90.0-*",          "from" : 90.0,          "doc_count" : 1        }      ]    }  }

根据输出结果可以看到，工资小于10的有三条，10-50的有4条，50-90的没有，大于90的一条。

• Date Range：指定日期的范围来设定分桶规则

根据出生年份进行统计，1900年到1980年，1980年到1990年，1990年到2000年。

GET test_aggregation/_search{  "size": 0,  "aggs": {    "date_range": {      "range": {        "field": "birth",        "format": "yyyy",        "ranges": [          {            "from": "1900",            "to": "1980"          },          {            "from": "1980",            "to": "1990"          },          {            "from": "1990",            "to":"2000"          }        ]      }    }  }}

输出结果：

"aggregations" : {    "date_range" : {      "buckets" : [        {          "key" : "1900-1980",          "from" : -2.2089888E12,          "from_as_string" : "1900",          "to" : 3.155328E11,          "to_as_string" : "1980",          "doc_count" : 1        },        {          "key" : "1980-1990",          "from" : 3.155328E11,          "from_as_string" : "1980",          "to" : 6.31152E11,          "to_as_string" : "1990",          "doc_count" : 4        },        {          "key" : "1990-2000",          "from" : 6.31152E11,          "from_as_string" : "1990",          "to" : 9.466848E11,          "to_as_string" : "2000",          "doc_count" : 3        }      ]    }  }

• Histogram：直方图，以固定间隔的策略来分割数据

按照salary进行聚合分析，直方图间隔为20，最小数据值为0，最大数据值为20.

GET test_aggregation/_search{  "aggs": {    "salary": {      "histogram": {        "field": "salary",        "interval": 20,        "extended_bounds": {          "min": 0,          "max": 120        }      }    }  }}

输出结果：

"aggregations" : {    "salary" : {      "buckets" : [        {          "key" : 0.0,          "doc_count" : 5        },        {          "key" : 20.0,          "doc_count" : 2        },        {          "key" : 40.0,          "doc_count" : 0        },        {          "key" : 60.0,          "doc_count" : 0        },        {          "key" : 80.0,          "doc_count" : 0        },        {          "key" : 100.0,          "doc_count" : 1        },        {          "key" : 120.0,          "doc_count" : 0        }      ]    }  }

• Date Histogram：针对日期的直方图或者柱状图，是时序数据分析中常用的聚合分析类型

GET test_aggregation/_search{  "size": 0,  "aggs": {    "year_historgram": {      "date_histogram": {        "field": "birth",        "interval": "year",        "format": "yyyy"      }    }  }}

由于输出结果过长，本文就不贴结果了，由读者自行验证。

更多大数据搜索与可视化分析讲解，可点击原文查看。