ElasticSearch5.X嵌套桶（三）

嵌套桶编辑

（测试数据：http://blog.csdn.net/wwd0501/article/details/78501842）在我们使用不同的嵌套方案时，聚合的力量才能真正得以显现。 在前例中，我们以及看到如何将一个度量嵌入桶中，它的功能已经十分强大了。

但真正令人激动的分析来自于将桶嵌套进 另外一个桶 所能得到的结果。 现在，我们想知道每个颜色的汽车制造商的分布：

GET /cars/transactions/_search
{
   "size" : 0,
   "aggs": {
      "colors": {
         "terms": {
            "field": "color"
         },
         "aggs": {
            "avg_price": { 
               "avg": {
                  "field": "price"
               }
            },
            "make": { 
                "terms": {
                    "field": "make" 
                }
            }
         }
      }
   }
}

	注意前例中的 avg_price 度量仍然保持原位。
	另一个聚合 make 被加入到了 color 颜色桶中。
	这个聚合是 terms 桶，它会为每个汽车制造商生成唯一的桶。

这里发生了一些有趣的事。 首先，我们可能会观察到之前例子中的 avg_price 度量完全没有变化，还在原来的位置。 一个聚合的每个 层级 都可以有多个度量或桶， avg_price 度量告诉我们每种颜色汽车的平均价格。它与其他的桶和度量相互独立。

这对我们的应用非常重要，因为这里面有很多相互关联，但又完全不同的度量需要收集。聚合使我们能够用一次数据请求获得所有的这些信息。

另外一件值得注意的重要事情是我们新增的这个 make 聚合，它是一个 terms 桶（嵌套在 colors 、 terms 桶内）。这意味着它 会为数据集中的每个唯一组合生成（ color 、 make ）元组。

让我们看看返回的响应（为了简单我们只显示部分结果）：

{
...
   "aggregations": {
      "colors": {
         "buckets": [
            {
               "key": "red",
               "doc_count": 4,
               "make": { 
                  "buckets": [
                     {
                        "key": "honda", 
                        "doc_count": 3
                     },
                     {
                        "key": "bmw",
                        "doc_count": 1
                     }
                  ]
               },
               "avg_price": {
                  "value": 32500 
               }
            },

...
}

	正如期望的那样，新的聚合嵌入在每个颜色桶中。
	现在我们看见按不同制造商分解的每种颜色下车辆信息。
	最终，我们看到前例中的 avg_price 度量仍然维持不变。

响应结果告诉我们以下几点：

• 红色车有四辆。
• 红色车的平均售价是 $32，500 美元。
• 其中三辆是 Honda 本田制造，一辆是 BMW 宝马制造。

Java代码实现：

/**
     * Description:桶嵌套
     * 例：计算每个颜色的汽车制造商的分布
     * https://www.elastic.co/guide/cn/elasticsearch/guide/current/_buckets_inside_buckets.html
     * @author wangweidong
     * CreateTime: 2017年11月9日 下午3:47:54
    */
   @Test
   public void bucketsMetricsAggregation2() {
	   String index = "cars";
	   String type = "transactions";
	   SearchRequestBuilder searchRequestBuilder = client.prepareSearch(index).setTypes(type);
   	
	   //颜色
       TermsAggregationBuilder colorsField = AggregationBuilders.terms("popular_colors").field("color.keyword");
       
       //平均价格
       AvgAggregationBuilder avgPriceField = AggregationBuilders.avg("avg_price").field("price");
       colorsField.subAggregation(avgPriceField);
       
       //制造商
       TermsAggregationBuilder makeField = AggregationBuilders.terms("make").field("make.keyword");
       colorsField.subAggregation(makeField);
       
       searchRequestBuilder.addAggregation(colorsField);
       searchRequestBuilder.setSize(0);
       SearchResponse searchResponse = searchRequestBuilder.execute().actionGet();
       
       System.out.println(searchResponse.toString());
       
       Terms genders = searchResponse.getAggregations().get("popular_colors");
	   for (Terms.Bucket entry : genders.getBuckets()) {
		   Object colorName = entry.getKey();      // Term
	       Long colorCount = entry.getDocCount(); // Doc count
	       
	       Aggregations agg = entry.getAggregations();
	       Avg avg = agg.get("avg_price");
	       Double avgPrice = avg.getValue();
	       
	       String info = "其中";
	       Terms makes = entry.getAggregations().get("make");
	       for (Terms.Bucket makeEntry : makes.getBuckets()) {
	    	   Object makeName = makeEntry.getKey();
		       Long makeCount = makeEntry.getDocCount();
		       info = info + makeCount + "辆是" + makeName + "制造，";
	       }
	        
	       System.out.println(colorName + "车有" + colorCount + "辆，平均每台车价格：" + avgPrice + "，" + info);
	   }
   }

文章参考： https://www.elastic.co/guide/cn/elasticsearch/guide/current/_buckets_inside_buckets.html