Elasticsearch實用的聚合操作Aggs
es的aggs可以分為度量聚合和桶聚合，下面就直接實戰開發中經常用到的語句。
1、度量聚合：min、max、sum、avg聚合， 度量聚合接收一個輸入文檔集並生成至少一個統計值sum。
1)sum聚合：統計不同日誌類型的總數量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：返回所有度量類型的統計
"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，並限定輸入數據到一個特殊的叫做桶的子集中。可以把桶聚合想像成
類似前面切面功能的東西。
1、term聚合：詞條的聚合
terms聚合為欄位中每個詞條返回一個桶。這允許你生成欄位每個值的統計：例如每年出版多少書。類似於sql語句：count(book) group by year
統計不同日誌類型的數量
"aggs": {
"sum_logtype": {
"terms": {
"field": "log_type"
} } }}
結果簡單展示如下：
- "buckets": [
- {
- "key": 3,
- "doc_count": 22}
- ,
- {
- "key": 2,
- "doc_count": 11}
- ,
- {
- "key": 1,
- "doc_count": 5}
"size": 40,
"order": { "_term": "asc" }
使用key屬性（_team）排序。另一個選擇是_count來排序。
2、range聚合和date range聚合顧名思義，range範圍和時間範圍聚合，直接上例子
"aggregations": {
"time_range": {
"range": {
"field": "timestamp",
"ranges": [
{
"to": 1487520050000
},
{
"from": 1487520050000,
"to": 1487520150000
},
{
"from": 1487520150000
}
]
}
}
}
如果需要對結果進行備註名稱，可以採用參數"keyed": true，如下的語句進行設置key的名稱：
"aggregations": {
"time_range": {
"range": {
"field": "timestamp",
"keyed": true,
"ranges": [
{
"key": "small", //可以不用設置，系統會默認制定
"to": 1487520050000
},
{
"key": "middle",
"from": 1487520050000,
"to": 1487520150000
},
{
"key": "big",
"from": 1487520150000
}
]
}
}
}
結果如下：
3）桶嵌套：還可以在聚合的內部再嵌套一個聚合，例如下面再嵌套一個度量的桶，對各個range進行度量統計。
"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"
}
}
} } }
還可以添加排序機制，根據平均值排序，
3）數值和日期直方圖切面 Date Histogram Aggregation
數值直方圖，這個實際應用中比較經常用到，例如每隔50000ms統計一次數據，用柱形圖顯示
數值直方圖
"aggregations": {
"test": {
"histogram": {
"field": "timestamp",
"interval": 50000
}
}
}
注意有一個參數可以選擇設置，最小統計值："min_doc_count" : 640 最少滿足640才顯示
"aggs": {
"test": {
"histogram": {
"field": "timestamp",
"interval": 50000,
"min_doc_count": 640
}
}
}
時間直方圖採用date_histogram，原理一樣
3、使用過濾器來計算切面，過濾器返迴文檔數目的切面
談到性能，filter切面的速度比query切面或包裝查詢的filter切面更快
一個是查詢的過濾，一個是桶裡面的過濾，可以看下官方的文檔，具體我就不說了
Filter Aggregation | Elasticsearch Reference [6.2] | Elastic
例如：
"aggs" : {
"t_shirts" : { "filter" : { "term": { "type": "t-shirt" } }, "aggs" : { "avg_price" : { "avg" : { "field" : "price" } } } } }推薦閱讀：