ElasticSearch基础入门(四)聚合
一、基本概念
通过聚合,我们会得到一个数据的概览。我们需要的是分析和总结全套的数据而不是寻找单个文档。
ElasticSearch中的聚合,常见的有两种,桶
和度量
。
1.桶(bucket)
桶,是按照一定的方式对数据进行分组,每一组数据在ES中称作一个桶,例如我们可以根据大陆对人进行划分,可以得到欧亚桶、美洲桶、非洲桶等。
Elasticsearch中提供的划分桶的方式有很多:
- Date Histogram Aggregation:根据日期阶梯分组,例如给定阶梯为月,会自动每月分为一组
- Histogram Aggregation:根据数值阶梯分组,与日期类似
- Terms Aggregation:根据词条内容分组,词条内容完全匹配的为一组
- Range Aggregation:数值和日期的范围分组,指定开始和结束,然后按段分组
- ……
bucket aggregations 只负责对数据进行分组,并不进行计算,因此往往bucket中往往会嵌套另一种聚合:度量(metrics aggregations)
2. 度量(metrics)
分组完成以后,我们一般会对组中的数据进行聚合运算,例如求平均值、最大、最小、求和等,这些在ES中称为度量
。
比较常用的一些度量聚合方式:
- Avg Aggregation:求平均值
- Max Aggregation:求最大值
- Min Aggregation:求最小值
- Percentiles Aggregation:求百分比
- Stats Aggregation:同时返回avg、max、min、sum、count等
- Sum Aggregation:求和
- Top hits Aggregation:求前几
- Value Count Aggregation:求总数
- ……
在ES中,需要进行聚合、排序、过滤的字段其处理方式比较特殊,因此不能被分词。我们需要将字段设置为keyword类型,这个类型不会被分词,将来就可以参与聚合
二、聚合为桶
{
"size": 0,
"aggs": {
"aggs_colors": {
"terms": {
"field": "color"
}
}
}
}
- size: 查询条数,这里设置为0,不关心搜索到的数据,只关心聚合结果,提高效率
- aggs:声明这是一个聚合查询,是aggregations的缩写
- aggs_colors:聚合名称,任意。
- terms:划分桶的方式,这里是根据词条划分
- field:划分桶的字段
- terms:划分桶的方式,这里是根据词条划分
- aggs_colors:聚合名称,任意。
三、 桶内度量
前面的例子告诉我们每个桶里面的文档数量,这很有用。 但通常,我们的应用需要提供更复杂的文档度量。 例如,每种颜色汽车的平均价格是多少?
因此,我们需要告诉Elasticsearch使用哪个字段
,使用何种度量方式
进行运算,这些信息要嵌套在桶
内,度量
的运算会基于桶
内的文档进行
现在,我们为刚刚的聚合结果添加 求价格平均值的度量。
GET /cars/_search
{
"size" : 0,
"aggs" : {
"aggs_colors" : {
"terms" : {
"field" : "color"
},
"aggs":{
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
- avg:度量的类型,这里是求平均值
- field:度量运算的字段
四、桶的嵌套
桶内不仅可以做运算,还可以再嵌套桶。简而言之,就是在分组之中,再进行分组。
比如:我们想统计每种颜色的汽车中,分别属于哪个制造商,按照make
字段再进行分桶。
GET /cars/_search
{
"size": 0,
"aggs": {
"aggs_colors": {
"terms": {
"field": "color"
},
"aggs": {
"aggs_maker": {
"terms": {
"field": "make"
}
},
"avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
五、直方图分桶(阶梯)
histogram是把数值类型的字段,按照一定的阶梯大小进行分组。你需要指定一个阶梯值(interval
)来划分阶梯大小。
阶梯区间计算公式:
bucket_key = Math.floor((value - offset) / interval) * interval + offset
下面,我们对汽车的价格进行分组,指定间隔interval为10000。
{
"size": 0,
"aggs": {
"price_histogram": {
"histogram": {
"field": "price",
"interval": 10000,
"min_doc_count": 1
}
}
}
}
min_doc_count
: 约束最少文档数量。文档数量为0的桶会被过滤
六、范围分桶(range)
范围分桶与阶梯分桶类似,也是把数字按照阶段进行分组,只不过range方式需要你自己指定每一组的起始和结束大小
。