Elasticsearch实用的聚合操作Aggs
es的aggs可以分为度量聚合和桶聚合，下面就直接实战开发中经常用到的语句。
1、度量聚合：min、max、sum、avg聚合， 度量聚合接收一个输入文档集并生成至少一个统计值sum。
1)sum聚合：统计不同日志类型的总数量sum(log_type)
"aggs": {
"sum_logtype": {
"sum": {
"field": "log_type"
} }}
2）count聚合：就是count(*)
"aggs": {
"sum_logtype": {
"count": {
"field": "log_type"
} }}
3）stats聚合：返回所有度量类型的统计
"stats_year": {
"count": 4,
"min": 1886,
"max": 1961,
"avg": 1928,
"sum": 7712
}
4）avg均值聚合：
{
"aggs" : {
"avg_grade" : { "avg" : { "field" : "grade" } }
}}
2、桶聚合
桶聚合返回很多子集，并限定输入数据到一个特殊的叫做桶的子集中。可以把桶聚合想象成
类似前面切面功能的东西。
1、term聚合：词条的聚合
terms聚合为字段中每个词条返回一个桶。这允许你生成字段每个值的统计：例如每年出版多少书。类似于sql语句：count(book) group by year
统计不同日志类型的数量
"aggs": {
"sum_logtype": {
"terms": {
"field": "log_type"
} } }}
结果简单展示如下：
- "buckets": [
- {
- "key": 3,
- "doc_count": 22}
- ,
- {
- "key": 2,
- "doc_count": 11}
- ,
- {
- "key": 1,
- "doc_count": 5}
注意：这里还涉及到两个聚合的属性，一个返回的结果size，一个排序顺序
"size": 40,
"order": { "_term": "asc" }
使用key属性（_team）排序。另一个选择是_count来排序。
2、range聚合和date range聚合
顾名思义，range范围和时间范围聚合，直接上例子
"aggregations": {
"time_range": {
"range": {
"field": "timestamp",
"ranges": [
{
"to": 1487520050000
},
{
"from": 1487520050000,
"to": 1487520150000
},
{
"from": 1487520150000
}
]
}
}
}
如果需要对结果进行备注名称，可以采用参数"keyed": true，如下的语句进行设置key的名称：
"aggregations": {
"time_range": {
"range": {
"field": "timestamp",
"keyed": true,
"ranges": [
{
"key": "small", //可以不用设置，系统会默认制定
"to": 1487520050000
},
{
"key": "middle",
"from": 1487520050000,
"to": 1487520150000
},
{
"key": "big",
"from": 1487520150000
}
]
}
}
}
结果如下：
3）桶嵌套：还可以在聚合的内部再嵌套一个聚合，例如下面再嵌套一个度量的桶，对各个range进行度量统计。
"aggs": {
"time_range": {
"range": {
"field": "timestamp",
"keyed": true,
"ranges": [
{
"key": "small",
"to": 1487520050000
},
{
"key": "middle",
"from": 1487520050000,
"to": 1487520150000
},
{
"key": "big",
"from": 1487520150000
}
]
},
"aggs": {
"time_stat": {
"stats": {
"field": "timestamp"
}
}
} } }
还可以添加排序机制，根据平均值排序，
3）数值和日期直方图切面 Date Histogram Aggregation
数值直方图，这个实际应用中比较经常用到，例如每隔50000ms统计一次数据，用柱形图显示
数值直方图
"aggregations": {
"test": {
"histogram": {
"field": "timestamp",
"interval": 50000
}
}
}
注意有一个参数可以选择设置，小统计值："min_doc_count" : 640 少满足640才显示
"aggs": {
"test": {
"histogram": {
"field": "timestamp",
"interval": 50000,
"min_doc_count": 640
}
}
}
时间直方图采用date_histogram，原理一样
3、使用过滤器来计算切面，过滤器返回文档数目的切面
谈到性能，filter切面的速度比query切面或包装查询的filter切面更快
一个是查询的过滤，一个是桶里面的过滤，可以看下官方的文档，具体我就不说了
Filter Aggregation | Elasticsearch Reference [6.2] | Elastic例如：
"aggs" : {
"t_shirts" : {
"filter" : { "term": { "type": "t-shirt" } },
"aggs" : {
"avg_price" : { "avg" : { "field" : "price" } }
}
}
}
相关文章