Bucket script 聚合是一个父管道（parent pipeline）聚合，它执行一个脚本，该脚本可以对父多桶聚合中的指定指标执行每个桶的计算。 指定的指标必须是数字，并且脚本必须返回一个数值。有关 pipeline 聚合的内容，你可以阅读文章 “Elasticsearch：pipeline aggregation 介绍”。
Bucket script 聚合
用法
单独的 bucket_script 聚合看起来像这样：
1. {
2. "bucket_script": {
3. "buckets_path": {
4. "my_var1": "the_sum",
5. "my_var2": "the_value_count"
6. },
7. "script": "params.my_var1 / params.my_var2"
8. }
9. }
这里，my_var1 是要在脚本中使用的存储桶路径的变量名称，the_sum 是要用于该变量的指标的路径。
| 参数名称 | 描述 | 强制要求 | 默认值 |
|---|---|---|---|
| script | 为此聚合运行的脚本。 该脚本可以是内联的、文件的或索引的。 （有关详细信息，请参阅脚本） | 必须 | |
| buckets_path | 脚本变量的映射及其到我们希望用于变量的存储桶的关联路径（有关更多详细信息，请参见 buckets_path 语法） | 必须 | |
| gap_policy | 在数据中发现差距时应用的策略（有关详细信息，请参阅处理数据中的差距） | 可选 | skip |
| format | 输出值的 DecimalFormat 模式。 如果指定，则在聚合的 value_as_string 属性中返回格式化的值 | 可选 | null |
在以下的展示中，我使用 Elastic Stack 8.4.3 来进行展示。
示例
为了说明问题的方便，我们来使用一个示例来进行详细说明。我将使用 Kibana 自带的 eCommerce 索引进行展示。我们的目的是：找出每天销售的 Men's Clothing 这个类别的销售额在总体销售额中的比例。
在本练习中，我们使用 Kibana 自带的一个例子来进行展示：
这样我能就在 Elasticsearch 中创建了一个叫做 kibana_sample_data_ecommerce 的索引。这个一个 eCommerce 的数据。我们可以在 Discover 中进行查看：
如上所示，上面的数据展示的是从 10 月 20 号到 10 月 31 号的数据。
我们可以使用 Lens 来展示每天的文档数：
如上所示，每天都有一定数量的文档。上面的聚合相当于如下的命令：
1. GET kibana_sample_data_ecommerce/_search
2. {
3. "size": 0,
4. "aggs": {
5. "sales_per_day": {
6. "date_histogram": {
7. "field": "order_date",
8. "calendar_interval": "day"
9. }
10. }
11. }
12. }
上面的聚合返回如下的数据：
我们可以通过如下的命令来得到每天的总销售额：
`
1. GET kibana_sample_data_ecommerce/_search?filter_path=aggregations
2. {
3. "size": 0,
4. "aggs": {
5. "sales_per_day": {
6. "date_histogram": {
7. "field": "order_date",
8. "calendar_interval": "day"
9. },
10. "aggs": {
11. "total_sales": {
12. "sum": {
13. "field": "products.base_price"
14. }
15. }
16. }
17. }
18. }
19. }
`
如上所示，我们求出了每天销售的总额。为了能够求出每天卖出的 Men's clothing 这个类别的总额，我们可以使用另外一个叫做 filter 的聚合：
`
1. GET kibana_sample_data_ecommerce/_search?filter_path=aggregations
2. {
3. "size": 0,
4. "aggs": {
5. "sales_per_day": {
6. "date_histogram": {
7. "field": "order_date",
8. "calendar_interval": "day"
9. },
10. "aggs": {
11. "total_sales": {
12. "sum": {
13. "field": "products.base_price"
14. }
15. },
16. "man's_clothing": {
17. "filter": {
18. "term": {
19. "category.keyword": "Men's Clothing"
20. }
21. },
22. "aggs": {
23. "sales": {
24. "sum": {
25. "field": "products.base_price"
26. }
27. }
28. }
29. }
30. }
31. }
32. }
33. }
`
如上所示，我们至此求出了 Men's Clothing 这个类别的每天的销售总额。
我们接下来使用 bucket script 聚合来求出每天的 Men's Clothing 这个类别的总额和当天销售总额的百分比：
`
1. GET kibana_sample_data_ecommerce/_search?filter_path=aggregations
2. {
3. "size": 0,
4. "aggs": {
5. "sales_per_day": {
6. "date_histogram": {
7. "field": "order_date",
8. "calendar_interval": "day"
9. },
10. "aggs": {
11. "total_sales": {
12. "sum": {
13. "field": "products.base_price"
14. }
15. },
16. "man's_clothing": {
17. "filter": {
18. "term": {
19. "category.keyword": "Men's Clothing"
20. }
21. },
22. "aggs": {
23. "sales": {
24. "sum": {
25. "field": "products.base_price"
26. }
27. }
28. }
29. },
30. "man's_clothing_percentage": {
31. "bucket_script": {
32. "buckets_path": {
33. "mans_clothing": "man's_clothing>sales",
34. "total_sales": "total_sales"
35. },
36. "script": "params.mans_clothing / params.total_sales * 100"
37. }
38. }
39. }
40. }
41. }
42. }
`
在上面的 man's_clothing_percentage 聚合中，它使用了其它聚合的结果并算出新的聚合的值。这种聚合被称之为 pipeline 聚合。 特别需要指出的是 man's_clothing>sales 不是布尔比较大小的算式，而是引用聚合值的路径。
如上所示，我们可以看到每天的 Men's Clothing 的销售额的百分比。
