ElasticSearch之Java Api聚合分组实战
最近有个日志收集监控的项目采用的技术栈是ELK+JAVA+Spring，客户端语言使用的是Java，以后有机会的话可以试一下JavaScript+Nodejs的方式，非常轻量级的组合，只不过不太适合服务化的工程，Kibana充当可视化层，功能虽然非常强大和灵活，但是需要业务人员懂Lucene的查询语法和Kibana的Dashboard仪表盘自定义功能才能玩的转，所以Kibana面向专业的开发人员和运维人员比较良好，但面向业务人员则稍微有点难度，我们这边就使用Java进行二次开发，然后前端定义几个业务人员关注的图表，然后把后端查询的数据，按照一定的维度放进去即可。
基础环境：
（1）ElasticSearch1.7.2
（2）Logstash2.2.2
（3）Kibana4.1.2
（3）JDK7
（4）Spring4.2
使用到的技术点：
（1）ElasticSearch的查询
（2）ElasticSearch的过滤
（3）ElasticSearch的日期聚合
（4）ElasticSearch的Terms聚合
（5）ElasticSearch的多级分组
（6）ElasticSearch+Logstash的时区问题
直接上代码：
Java代码 
-
/**
-
* Created by qindongliang on 2016/4/6.
-
*/
-
@Repository("esDaoImpl")
-
public class ESDaoImpl implements ESDao {
-
-
private static Logger log= LoggerFactory.getLogger(ESDaoImpl.class);
-
@Autowired
-
private ESConf esConf;
-
-
@Resource(name = "client")
-
private Client client;
-
-
-
@Override
-
public MonitorCount count() {
-
MonitorCount count=new MonitorCount();
-
//今天的数量
-
count.setToday_count(customCount(false,"*:*"));
-
//今天的入库量
-
count.setToday_store_count(customCount(false,"-save:1"));
-
//所有的总量
-
count.setTotal_count(customCount(true,"*:*"));
-
//所有的入库总量
-
count.setTotal_store_count(customCount(true,"-save:1"));
-
return count;
-
}
-
-
private long customCount(boolean isQueryAll, String queryString){
-
try {
-
//今天的开始时间 比如2016-04-01 00:00:00
-
long today_start = TimeTools.getDayTimeStamp(0);
-
//今天的结束时间 也就是明天的开始时间 比如2016-04-02 00:00:00
-
//一闭区间一开区间即得到一天的统计量
-
long today_end=TimeTools.getDayTimeStamp(1);
-
StringBuffer fq = new StringBuffer();
-
fq.append("@timestamp:")
-
.append(" [ ")
-
.append(today_start)
-
.append(" TO ")
-
.append(today_end)
-
.append(" } ");
-
//构建查询请求，使用Lucene高级查询语法
-
QueryBuilder query=QueryBuilders.queryStringQuery(queryString);
-
//构建查询请求
-
SearchRequestBuilder search = client.prepareSearch("crawl*").setTypes("logs");
-
//非所有的情况下，设置日期过滤
-
if(isQueryAll){
-
search.setQuery(query);//查询所有
-
}else {//加上日期过滤
-
search.setQuery(QueryBuilders.filteredQuery(query, FilterBuilders.queryFilter(QueryBuilders.queryStringQuery(fq.toString()))));
-
}
-
SearchResponse r = search.get();//得到查询结果
-
long hits = r.getHits().getTotalHits();//读取命中数量
-
return hits;
-
}catch (Exception e){
-
log.error("统计日期数量出错！",e);
-
}
-
return 0;
-
}
-
-
-
@Override
-
public List<GroupCount> query(Condition condition) {
-
return grouyQuery(condition);
-
}
-
-
/***
-
* @param c 查询的条件
-
* @return 查询的结果
-
*/
-
private List<GroupCount> grouyQuery(Condition c){
-
//封装结果集
-
List<GroupCount> datas=new ArrayList<>();
-
//组装分组
-
DateHistogramBuilder dateAgg = AggregationBuilders.dateHistogram("dateagg");
-
//定义分组的日期字段
-
dateAgg.field("@timestamp");
-
//按天分组
-
if(CountType.EACH_DAY==(c.getType())) {
-
dateAgg.interval(DateHistogram.Interval.DAY);
-
dateAgg.timeZone("+8:00");
-
dateAgg.format("yyyy-MM-dd");
-
//按小时分组
-
}else if(CountType.EACH_HOUR==c.getType()){
-
dateAgg.interval(DateHistogram.Interval.HOUR);
-
//按小时分组，必须使用这个方法，不然得到的结果不正确
-
dateAgg.postZone("+8:00");
-
dateAgg.format("yyyy-MM-dd HH");
-
//无效分组
-
}else{
-
throw new NullPointerException("无效的枚举类型");
-
}
-
//二级分组，统计入库的成功失败量 0 1 2 , 1为不成功
-
dateAgg.subAggregation(AggregationBuilders.terms("success").field("save"));
-
-
//查询过滤条件
-
StringBuffer fq = new StringBuffer();
-
//过滤时间字段
-
fq.append(" +@timestamp:")
-
.append(" [ ")
-
.append(c.getStart().getTime())
-
.append(" TO ")
-
.append(c.getEnd().getTime())
-
.append(" } ");
-
//过滤一级
-
if(StringUtils.isNotEmpty(c.getT1())){
-
fq.append(" +t1:").append(c.getT1());
-
}
-
//过滤二级
-
if(StringUtils.isNotEmpty(c.getT2())){
-
fq.append(" +t2:").append(c.getT2());
-
}
-
//过滤三级
-
if(StringUtils.isNotEmpty(c.getT3())){
-
fq.append(" +t3:").append(c.getT3());
-
}
-
//过滤url
-
if(StringUtils.isNotEmpty(c.getSourceUrl())){
-
//对url进行转义，防止查询出现错误
-
fq.append(" +url:").append(QueryParserBase.escape(c.getSourceUrl()));
-
}
-
//过滤省份编码
-
if(StringUtils.isNotEmpty(c.getProvinceCode())){
-
fq.append(" +pcode:").append(c.getProvinceCode());
-
}
-
//过滤入库状态
-
if(c.getSavaState()!=null){
-
fq.append(" +save:").append(c.getSavaState().getCode());
-
}
-
//过滤http状态码
-
if(c.getWebsiteState()!=null){
-
if(!c.getWebsiteState().getCode().equals("-1")) {
-
fq.append(" +httpcode:").append(c.getWebsiteState().getCode());
-
}else{
-
fq.append(" -httpcode:").append("(0 110 200)");
-
}
-
}
-
//过滤配置configid
-
if(StringUtils.isNotEmpty(c.getConfigId())){
-
fq.append(" +cid:").append(c.getConfigId());
-
}
-
-
-
-
//查询索引
-
SearchRequestBuilder search=client.prepareSearch("crawl*").setTypes("logs");
-
//组装请求
-
search.setQuery(QueryBuilders.filteredQuery(QueryBuilders.matchAllQuery(),
-
FilterBuilders.queryFilter(QueryBuilders.queryStringQuery(fq.toString())
-
.defaultOperator(QueryStringQueryBuilder.Operator.AND)
-
))).addAggregation(dateAgg);
-
//获取查询结果
-
SearchResponse r = search.get();//得到查询结果
-
//获取一级聚合数据
-
Histogram h=r.getAggregations().get("dateagg");
-
//得到一级聚合结果里面的分桶集合
-
List<DateHistogram.Bucket> buckets = (List<DateHistogram.Bucket>) h.getBuckets();
-
//遍历分桶集
-
for(DateHistogram.Bucket b:buckets){
-
//读取二级聚合数据集引用
-
Aggregations sub = b.getAggregations();
-
//获取二级聚合集合
-
StringTerms count = sub.get("success");
-
GroupCount groupCount=new GroupCount();
-
//设置x轴分组日期
-
groupCount.setGroupKey(b.getKey());
-
//设置指定分组条件下入库总量
-
groupCount.setTotal_count(b.getDocCount());
-
//读取指定分组条件下不成功的数量
-
long bad_count=count.getBucketByKey("1")==null?0:count.getBucketByKey("1").getDocCount();
-
//设置指定分组条件下成功的入库量
-
groupCount.setTotal_store_count(b.getDocCount()-bad_count);
-
//计算成功率
-
groupCount.setSuccess_rate(groupCount.getTotal_store_count()*1.0/groupCount.getTotal_count());
-
//添加到集合里面
-
datas.add(groupCount);
-
}
-
return datas;
-
}
-
-
-
-
}
总结：
（1）关于时区的问题，目前发现在测试按小时，按天分组统计的时候，时区使用的方法不是一致的，而postZone这个方法，在1.5版本已经废弃，说是使用timeZone替代，但经测试发现在按小时分组的时候，使用timeZone加8个时区的并没生效，后续看下最新版本的ElasticSearch是否修复。
（2）使用Terms的聚合分组时，这个字段最好是没有分过词的，否则大量的元数据返回，有可能会发生OOM的异常
（3）在不需要评分排名查询的场景中，尽量使用filter查询，elasticsearch会缓存查询结果，从而能大幅提高检索性能
今天先总结这么多，后续有空再关注下
（1）elasticsearch中的Aggregations和Facet的区别以及对比Solr中的Group和Facet的区别
（2）在不同的聚合渠道中多级分组中是组内有序还是全局有序
832
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
