ElasticSearch基础入门（四）桶、度量

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

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。