Elasticsearch--Aggregation详细总结（聚合统计）

来源：互联网发布：淘宝网30天后执行冻结编辑：程序博客网时间：2024/06/05 09:15

Elasticsearch的Aggregation功能也异常强悍。

Aggregation共分为三种：Metric Aggregations、Bucket Aggregations、 Pipeline Aggregations。下面将分别进行总结。

以下所有内容都来自官网：喜欢原汁原味的参看下方网址，不喜欢英文的参看本人总结。

官网（权威）：https://www.elastic.co/guide/en/elasticsearch/reference/2.4/search-aggregations-metrics-avg-aggregation.html

#########################################

1、Metric Aggregations

1>Avg Aggregation #计算出字段平均值

{    "aggs" : {        "avg_grade" : { "avg" : { "field" : "grade" } }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "avg_grade": {
      "avg": {
        "field": "grade"
      }
    }
}
}

参数：search_type=count 表示只返回aggregation部分的结果。

2>Cardinality Aggregation #计算出字段的唯一值。相当于sql中的distinct

{    "aggs" : {        "author_count" : {            "cardinality" : {                "field" : "author"            }        }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "author_count": {
      "cardinality": {
        "field": "author"
      }
    }
}
}

3>Extended Stats Aggregation #字段的其他属性，包括最大最小，方差等等。

{    "aggs" : {        "grades_stats" : { "extended_stats" : { "field" : "grade" } }    }}

例子：GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "grades_stats": {
      "extended_stats": {
        "field": "grade"
      }
    }
}
}

返回值：

{    ...    "aggregations": {        "grade_stats": {           "count": 9,           "min": 72,           "max": 99,           "avg": 86,           "sum": 774,           "sum_of_squares": 67028,           "variance": 51.55555555555556,           "std_deviation": 7.180219742846005,           "std_deviation_bounds": {            "upper": 100.36043948569201,            "lower": 71.63956051430799           }        }    }}

4>Geo Bounds Aggregation #计算出所有的地理坐标将会落在一个矩形区域。比如说朝阳区域有很多饭店，我就可以用一个矩形把这些饭店都圈起来，看看范围。

{    "query" : {        "match" : { "business_type" : "shop" }    },    "aggs" : {        "viewport" : {            "geo_bounds" : {                "field" : "location",                 "wrap_longitude" : true             }        }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "viewport": {
      "geo_bounds": {
        "field": "location",
        "wrap_longitude": true
      }
    }
}
}

返回值：

{    ...    "aggregations": {        "viewport": {            "bounds": {                "top_left": {                    "lat": 80.45,                    "lon": -160.22                },                "bottom_right": {                    "lat": 40.65,                    "lon": 42.57                }            }        }    }}

注释：这个矩形区域左上角坐标，和右下角坐标已经给出。也就是说你查出来的数据将会都落在这个地理范围内。

5>Geo Centroid Aggregation #计算出所有文档的大概的中心点。比如说某个地区盗窃犯罪很多，那我这样就可以看到这片区域到底哪个点（街道）偷盗事件最猖狂。

{    "query" : {        "match" : { "crime" : "burglary" }    },    "aggs" : {        "centroid" : {            "geo_centroid" : {                "field" : "location"             }        }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "centroid": {
      "geo_centroid": {
        "field": "location"
      }
    }
}
}

6>Max Aggregation #求最大值

{    "aggs" : {        "max_price" : { "max" : { "field" : "price" } }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "max_price": {
      "max": {
        "field": "price"
      }
    }
}
}

7>Min Aggregation #求最小值

{    "aggs" : {        "min_price" : { "min" : { "field" : "price" } }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "min_price": {
      "min": {
        "field": "price"
      }
    }
}
}

8>Percentiles Aggregation #百分比统计。可以看出你网站的所有页面。加载时间的差异。

{    "aggs" : {        "load_time_outlier" : {            "percentiles" : {                "field" : "load_time"             }        }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "load_time_outlier": {
      "percentiles": {
        "field": "load_time"
      }
    }
}
}

返回：可以看出这个网站75%页面在29毫秒左右就加载完毕了。有5%的页面超过了60毫秒。

{    ...   "aggregations": {      "load_time_outlier": {         "values" : {            "1.0": 15,            "5.0": 20,            "25.0": 23,            "50.0": 25,            "75.0": 29,            "95.0": 60,            "99.0": 150         }      }   }}

9>Percentile Ranks Aggregation #看看15毫秒和30毫秒内大概有多少页面加载完。

{    "aggs" : {        "load_time_outlier" : {            "percentile_ranks" : {                "field" : "load_time",                 "values" : [15, 30]            }        }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "load_time_outlier": {
      "percentile_ranks": {
        "field": "load_time",
        "values": [
          15,
          30
        ]
      }
    }
}
}

返回：看出15毫秒时大概92%页面加载完毕。30毫秒时基本都加载完成。

{    ...   "aggregations": {      "load_time_outlier": {         "values" : {            "15": 92,            "30": 100         }      }   }}

10>Stats Aggregation #最大、最小、和、平均值。一起求出来

{    "aggs" : {        "grades_stats" : { "stats" : { "field" : "grade" } }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "grades_stats": {
      "stats": {
        "field": "grade"
      }
    }
}
}

11>Sum Aggregation #求和

 "aggs" : {        "intraday_return" : { "sum" : { "field" : "change" } }    }

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "intraday_return": {
      "sum": {
        "field": "change"
      }
    }
}
}

12>Top hits Aggregation #较为常用的统计。获取到每组前n条数据。相当于sql 中 group by 后取出前n条。

{    "aggs": {        "top-tags": {            "terms": {                "field": "tags",                "size": 3            },            "aggs": {                "top_tag_hits": {                    "top_hits": {                        "sort": [                            {                                "last_activity_date": {                                    "order": "desc"                                }                            }                        ],                        "_source": {                            "include": [                                "title"                            ]                        },                        "size" : 1                    }                }            }        }    }}

例子：取100组，每组只要第一条。为了见bain没用order和_source，请自行测试他们。

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "all_interests": {
      "terms": {
        "field": "zxw_id",
        "size": 100
      },
      "aggs": {
        "top_tag_hits": {
          "top_hits": {
            "size": 1
          }
        }
      }
    }
}
}

14>Value Count Aggregation #数量统计，看看这个字段一共有多少个不一样的数值。

{    "aggs" : {        "grades_count" : { "value_count" : { "field" : "grade" } }    }}

例子：

GET index/type/_search?search_type=count
{
"query": {
    "match_all": {}
},
"aggs": {
    "grades_count": {
      "value_count": {
        "field": "grade"
      }
    }
}
}

2、Bucket Aggregations 这是第二种类型的统计（用的也是最多的，最实用的。）。后续也是抄写，各位自己看吧。有问题需要讨论的=》1250134974@qq.com发邮件.

网站：https://www.elastic.co/guide/en/elasticsearch/reference/2.4/search-aggregations-bucket-children-aggregation.html

3、Pipeline Aggregations #这是第三中类型的聚合。

0 0