本文已参与「新人创作礼」活动，一起开启掘金创作之路。
Elasticsearch 聚合查询
聚合是一种基于查询条件对数据进行分桶、计算的方法。
聚合可以嵌套，由此可以组合复杂的操作（Bucketing 聚合可以包含 sub-aggregation）。
聚合的三种分类：
- Metric（指标聚合）：
- 对文档进行权值计算，输出结果既是权值。
- 基于特定字段（field）或脚本值（generated using scripts）计算。
- Bucketing（分桶聚合）：
- 对文档进行分组操作，把满足相关特性的文档分到一个桶里，即桶分。输出结果是包含多个文档的桶。
- 基于一个关键字（field、script），以及一些桶分（分组）的判断条件进行聚合，符合条件的会分到对应的组（fall in）。
- Pipeline（管道聚合）：
- 对其它聚合操作的输出以及关联指标进行聚合。
- 此类聚合的作用对象大多是桶，而不是文档，是一种后期对每一个分桶的一些计算操作。
指标聚合
sum 聚合（single-value）
sum 是一个求累加值的聚合，其作用与关系型数据库中相同。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺失字段时的默认值。
GET /lib4/items/_search
{
"size": 0, # 表示查询多少条文档，聚合只需就和结果，输出文档可以设置为0条
"aggs": {
"price_of_sum": { # 自行取名作为结果集
"sum": {
"field": "price"
}
}
}
}
min 聚合（single）
min是一个求最小值的聚合，其作用与关系型数据库中相同。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺失字段时的默认值。
GET /lib4/items/_search
{
"size": 0,
"aggs": {
"price_of_min": {
"min": {
"field": "price"
}
}
}
}
//最小值，script
{
"size", 0
"aggs" : {
"price_of_min_script" : {
"min" : {
"script" : { //script 计算 value
"file": "my_script",
"params": {
"field": "price"
}
}
}
}
}
}
max 聚合（single）
max是一个求最大值聚合，其作用与关系型数据库中相同。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺失字段时的默认值。
GET /lib4/items/_search
{
"size": 0,
"aggs": {
"price_of_max": {
"max": {
"field": "price"
}
}
}
}
avg 聚合（single-value numeric metrics）
avg是一个求平均值的聚合，其作用与关系型数据库中相同。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺失字段时的默认值。
GET /lib4/items/_search
{
"size": 0,
"aggs": {
"price_of_avg": {
"avg": {
"field": "price"
}
}
}
}
cardinality 聚合（single-value）
cardinality是一个求基数的聚合，其作用与关系型数据库中相同。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- precision_threshold：精度阈值，用于处理准确度问题；
- missing：文档缺失字段时的默认值。
GET /lib4/items/_search
{
"size": 0,
"aggs": {
"price_of_cardi": {
"cardinality": { # 其实相当于该字段互不相同的值有多少类，输出的是种类数
"field": "price"
}
}
}
}
stats 聚合（multi-value）
统计聚合，基于文档的某个值，计算出一些统计信息（min、max、sum、count、avg）。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺失字段时的默认值。
{
"aggs" : {
"grades_stats" : {
"stats" : {
"field" : "grade"
}
}
}
}
//输出
{
...
"aggregations": {
"grades_stats": {
"count": 6,
"min": 60,
"max": 98,
"avg": 78.5,
"sum": 471
}
}
}
Extended stats 聚合（multi-value）
扩展统计聚合，基于文档的某个值，计算出一些统计信息（比普通的stats聚合多了sum_of_squares、variance、std_deviation、std_deviation_bounds）。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺失字段时的默认值；
- sigma：标准差界限。
{
...
"aggregations": {
"grade_stats": {
"count": 9,
"min": 72,
"max": 99,
"avg": 86,
"sum": 774,
//输出比 stats 聚合多了一些值
"sum_of_squares": 67028,
"variance": 51.55555555555556,
"std_deviation": 7.180219742846005,
"std_deviation_bounds": {
"upper": 100.36043948569201,
"lower": 71.63956051430799
}
}
}
}
Geo Bounds 聚合
地理边界聚合，基于文档的某个字段（geo-point类型字段），计算出该字段所有地理坐标点的边界（左上角/右下角坐标点）。
参数：
- field：用于计算的字段；
- wrap_longitude：是否允许地理边界与国际日界线存在重叠。
{
"query" : {
"match" : { "business_type" : "shop" }
},
"aggs" : {
"viewport" : {
"geo_bounds" : {
"field" : "location",
"wrap_longitude" : true
}
}
}
}
//输出
{
...
"aggregations": {
"viewport": {
"bounds": {
"top_left": { //左上角经纬度
"lat": 80.45,
"lon": -160.22
},
"bottom_right": { //右下角经纬度
"lat": 40.65,
"lon": 42.57
}
}
}
}
}
Geo Centroid 聚合
地理重心聚合，基于文档的某个字段（geo-point类型字段），计算所有坐标的加权重心。
参数：
- field：用于计算的字段（geo-point类型）。
{
"query" : {
"match" : { "crime" : "burglary" }
},
"aggs" : {
"centroid" : {
"geo_centroid" : {
"field" : "location"
}
}
}
}
//输出
{
...
"aggregations": {
"centroid": {
"location": { //重心经纬度
"lat": 80.45,
"lon": -160.22
}
}
}
}
Percentiles 聚合（multi-value）
百分百聚合，基于聚合文档中某个数值类型的值，求这些值中。
参数：
- field：用于计算的字段；
- script：由脚本生成用来计算的 value；
- missing：文档缺省字段时的默认。
Script Metric 聚合
基于脚本的权值聚合，用脚本来计算出一个权值。
参数：
- init_script：用于计算的字段；
- map_script：由脚本生成用来计算的 value；
- combine_script：文档缺省字段时的默认值；
- reduce_script：
{
"query" : {
"match_all" : {}
},
"aggs": {
"profit": {
"scripted_metric": {
"init_script" : "_agg['transactions'] = []",
"map_script" : "if (doc['type'].value == \"sale\") { _agg.transactions.add(doc['amount'].value) } else { _agg.transactions.add(-1 * doc['amount'].value) }",
"combine_script" : "profit = 0; for (t in _agg.transactions) { profit += t }; return profit",
"reduce_script" : "profit = 0; for (a in _aggs) { profit += a }; return profit"
}
}
}
}
Top hits 聚合
最高匹配权值聚合，跟踪聚合中相关性最高的文档。
该聚合一般用做 sub-aggregation，以此来聚合每个桶中的最高匹配的文档。
参数：
- from：最匹配的结果中的文档个数偏移；
- size：top matching hits 返回的最大文档个数（default 3）；
- sort：最匹配的文档的排序方式。
{
"aggs": {
"top-tags": {
"terms": {
"field": "tags",
"size": 3
},
"aggs": {
"top_tag_hits": {
"top_hits": { //用 tags 字段分组，每个 tag（即一个分组）只显示最后一个问题，并且只在 _source 中保留 title 字段
"sort": [
{
"last_activity_date": {
"order": "desc"
}
}
],
"_source": {
"include": [
"title"
]
},
"size" : 1
}
}
}
}
}
}
//输出
"top_tags_hits": {
"hits": {
"total": 25365,
"max_score": 1,
"hits": [
{
"_index": "stack",
"_type": "question",
"_id": "602679",
"_score": 1,
"_source": {
"title": "Windows port opening"
},
"sort": [
]
}
]
}
}
Value Count 聚合（single-value）
值计数聚合，计算聚合文档中某个值的个数。
用于计数的值可以是特定的数值型字段，也可以通过脚本计算而来。
该聚合一般域其它 single-value 聚合联合使用，比如在计算一个字段的平均值的时候，可能还会关注这个平均值是由多少个值计算而来。
参数：
- field：用于计算的字段
- script：由脚本生成用来计算的 value
{
"aggs" : {
"grades_count" : {
"value_count" : {
"field" : "grade"
}
} //计算 grade 字段共有多少个值，和 cardinality 聚合不同的
}
}
