[大数据]ElasticSearch 开发学习：聚合概念

ElasticSearch 开发学习：聚合概念

参考文档

• 中文参考文档: Elasticsearch: 权威指南 ? 聚合
• 英文参考文档: Elasticsearch Guide [6.4] ? Aggregations

聚合

聚合 是由 桶 和 指标 组成的。通过聚合，我们可以得到一个数据的概览。聚合允许我们像数据提出一些复杂的问题。 Elasticsearch 中的聚合执行速度很快，像搜索一样几乎是实时的。所以对于报告和仪表盘来说，可以实时显示数据。

聚合和搜索是一起的，在单个请求里，可以同时对相同的数据进行搜索/过滤和分析。

要掌握聚合，只需要明白两个主要的概念：

• 桶（Buckets）

  满足特定条件的文档的集合

• 指标（Metrics）

  对桶内的文档进行统计计算

这就是全部了！每个聚合都是 n >= 1 个桶 和 n >= 0 个指标的组合。参考2

当聚合开始被执行，每个文档里面的值通过计算来决定符合哪个条件的桶。如果匹配到，文档将放入相应的桶并接着进行聚合操作。

桶可以被嵌套在其他桶里面，提供层次化或者有条件的划分方案。例如，手机放入数码产品这个桶，数码产品放入商品这个桶。

Elasticsearch 有多种类型的桶，能够一多种方式划分文档（时间、年龄区间、地理位置）。根本原理都一样：基于条件划分文档。

指标

桶能让我们划分文档为有意义的集合，但我们最终需要的是对桶内的文档进行一些指标的计算。分桶是一种达到目的的手段：它提供
了一种给文档分组的方法，让我们可以计算感兴趣的指标。

大多数指标是简单的数学运算（例如最小值、平均值、最大值、还有汇总），这些是通过文档的值来计算。在实践中，可以用指标来
计算：平均薪资、最高出售价格等诸如此类的数据。

尝试聚合

聚合入门示例，参考官方中文文档尝试聚合。

GET /cars/transactions/_search
{
    "size" : 0,
    "aggs" : { 
        "popular_colors" : { 
            "terms" : { 
              "field" : "color"
            }
        }
    }
}

1. 聚合操作被置于顶层参数 aggs 之下（aggregations 也可以）。
2. 为聚合指定一个名称： popular_colors 。
3. 定义单个桶的类型 terms 。

聚合是在特定搜索结果背景下执行的，它是查询请求 /_search 的一个顶层参数。聚合可以与查询一起使用。

将size 设置为 0 来提高查询速度，因为我们并不关心搜索结果的具体内容。

“popular_colors” 是我们给聚合定义的名字，相应的结果会以我们定义的名字为标签。

在本例中，我们定义了一个单 terms 桶，这个 terms 桶会为每个碰到的唯一词项动态创建新的桶。因为我们
告诉它使用 color 字段，所以 terms 桶会为每个颜色动态创建新桶。

聚合结果：

{
...
   "hits": {
      "hits": [] 
   },
   "aggregations": {
      "popular_colors": { 
         "buckets": [
            {
               "key": "red", 
               "doc_count": 4 
            },
            {
               "key": "blue",
               "doc_count": 2
            },
            {
               "key": "green",
               "doc_count": 2
            }
         ]
      }
   }
}

1. 因为设置了 size 参数，所以不会有 hits 搜索结果返回
2. popular_colors 聚合是作为 aggregations 字段的一部分被返回的。
3. 每个桶的 key 都与 color 字段里找到的唯一词对应。它总会包含 doc_count 字段，告诉我们包含该词项的文档数量。
4. 每个桶的数量代表该颜色的文档数量。

响应包含多个桶，每个对应一个唯一颜色（例如：红 或 绿）。每个桶也包括 聚合进 该桶的所有文档的数量。例如，有四辆红色的车。
前面的这个例子完全是实时执行的：一旦文档可以被搜到，它就能被聚合。这也就意味着我们可以直接将聚合的结果源源不断的传入图形库，然后生成实时的仪表盘。 不久，你又销售了一辆银色的车，我们的图形就会立即动态更新银色车的统计信息。