Elasticsearch专栏-6.es基本用法-聚合查询

平均值、总和、最大、最小、数量

在es中,所有的聚合查询都是放在aggs中进行的。平均值、总和、最大、最小、数量对应的关键字分别是:avg、sum、max、min、value_count

POST /bank/_search
{
	"query": {
		"match": {
			"address": "mill"
		}
	},
	"aggs": {
		"ageAvg": {
			"avg": {
				"field": "age"
			}
		},
		"ageSum": {
			"sum": {
				"field": "age"
			}
		},
		"ageMax":{
		  "max": {
		    "field": "age"
		  }
		},
		"ageMin":{
		  "min": {
		    "field": "age"
		  }
		},
		"ageCount":{
		  "value_count": {
		    "field": "age"
		  }
		}
	},
	"size": 0
}

在这里插入图片描述

分组

分组用到的关键字是terms

POST /bank/_search
{
	"query": {
		"match": {
			"address": "mill"
		}
	},
	"aggs": {
		"ageGroup": {
			"terms": {
				"field": "age",
				"size": 3
			}
		}
	},
	"size": 0
}

在这里插入图片描述

上面语句中的size:3,指的是分组后,只展示前三个分组内容。size:0,指的是所有query查询结果,也就是原始数据,不需要展示。此外,还可以对分组内容进行排序。
1.分组后,按分组内的文档数量排序

POST /bank/_search
{
	"aggs": {
		"ageGroup": {
			"terms": {
				"field": "age",
				"order": {
				  "_count": "asc"
				}
			}
		}
	},
	"size": 0
}

在这里插入图片描述

2.分组后,按分组字段排序

POST /bank/_search
{
	"aggs": {
		"ageGroup": {
			"terms": {
				"field": "age",
				"order": {
				  "_key": "desc"
				}
			}
		}
	},
	"size": 0
}

在这里插入图片描述

3.显示分组后,文档数量大于60的

POST /bank/_search
{
	"aggs": {
		"ageGroup": {
			"terms": {
				"field": "age",
				"min_doc_count": 60
			}
		}
	},
	"size": 0
}

在这里插入图片描述

分组+子聚合

先按age分组,之后统计分组内的平均值和总和。

POST /bank/_search
{
	"query": {
		"match": {
			"address": "mill"
		}
	},
	"aggs": {
		"ageAgg": {
			"terms": {
				"field": "age",
				"size": 3
			},
			"aggs": {
				"ageAvg": {
					"avg": {
						"field": "age"
					}
				},
				"ageSum": {
					"sum": {
						"field": "age"
					}
				}
			}
		}
	},
	"size": 0
}

在这里插入图片描述

分段分组+子聚合

先按age分组,分成18-28、28-38两组。之后统计各组的最小值和平均值。

POST /bank/_search
{
	"query": {
		"match": {
			"address": "mill Road"
		}
	},
	"aggs": {
		"ageGroup": {
			"range": {
			  "field": "age",
			  "ranges": [
			    {
			      "from": 18,
			      "to": 28
			    },
			    {
			      "from": 28,
			      "to": 38
			    }
			  ]
			},
			"aggs":{
			  "ageMin":{
			    "min": {
			      "field": "age"
			    }
			  },
			  "ageAve":{
			    "avg": {
			      "field": "age"
			    }
			  }
			}
		}
	},
	"size": 0
}

在这里插入图片描述

指定分组+聚合

查询全部,但分组时候,只统计age=30的所有文档的平均值,最大最小等数据,用stats关键字代表。

POST /bank/_search
{
	"aggs": {
		"ageGroup": {
			"filter": {
			  "term": {
			    "age": "30"
			  }
			},
			"aggs": {
			  "stat": {
			    "stats": {
			      "field": "age"
			    }
			  }
			}
		}
	},
	"size": 0
}

在这里插入图片描述

多种聚合结果统一查询

这里的多种聚合,指的是常用的平均值、最大最小、总和等。除了开始讲到的min、max、avg等关键字外,还可以用stats关键字。一个stats就可以包含min/max/avg/sum等。

POST /bank/_search
{
  "query": {
    "range": {
      "age": {
        "gte": 10,
        "lte": 20
      }
    }
  },
  "aggs": {
    "stat": {
      "stats": {
        "field": "age"
      }
    }
  },
  "size": 0
}

在这里插入图片描述

  • 3
    点赞
  • 22
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
elasticsearch-7.12.0-py2.py3-none-any.whl 是 Elasticsearch 的 Python 客户端库的一个安装文件。Elasticsearch 是一个开源的实时分布式搜索和分析引擎,用于处理大规模数据集。它提供了一个简单可扩展的 RESTful API 接口,允许用户进行高效的数据搜索、分析以及存储。 这个安装文件的命名规则是根据 Python 的支持版本以及可运行平台来命名的。-py2.py3 表示可以同时兼容 Python 2 和 Python 3 版本的代码。-none-any 表示它是一个纯 Python 代码的库,不依赖于特定的操作系统或平台。 通过安装 elasticsearch-7.12.0-py2.py3-none-any.whl,您可以轻松地在您的 Python 环境中使用 Elasticsearch。这个库提供了许多功能,包括连接到 Elasticsearch 实例、执行索引、搜索和分析操作,以及管理和维护 Elasticsearch 的集群和节点。您可以使用这个库来构建各种应用,如全文搜索引擎、实时日志分析等。 要安装 elasticsearch-7.12.0-py2.py3-none-any.whl,您可以使用 pip 工具,在命令行中运行以下命令: ``` pip install elasticsearch-7.12.0-py2.py3-none-any.whl ``` 安装成功后,您就可以在您的 Python 代码中导入 elasticsearch 模块,并开始使用 Elasticsearch 的功能了。 总结:elasticsearch-7.12.0-py2.py3-none-any.whl 是 Elasticsearch 的 Python 客户端库的安装文件,用于连接、操作和管理 Elasticsearch 实例。通过安装这个库,您可以在您的 Python 项目中轻松使用 Elasticsearch 的功能。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值