李品一 发表于 2024-3-31 22:34:49

Elasticsearch 系列(五)- 数据聚合

本章将和大家分享 Elasticsearch 中的数据聚合功能,通过聚合(aggregations)可以实现对文档数据的统计、分析、运算。
一、数据聚合-聚合的分类

聚合(aggregations)可以实现对文档数据的统计、分析、运算。聚合的官方文档地址:https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations.html
聚合常见的有三类:
1)桶(Bucket)聚合:用来对文档做分组

[*]TermAggregation:按照文档字段值分组
[*]Date Histogram:按照日期阶梯分组,例如:一周为一组,或者一月为一组。
2)度量(Metric)聚合:用于计算一些值,比如:最大值、最小值、平均值等。

[*]Avg:求平均值
[*]Max:求最大值
[*]Min:求最小值
[*]Stats:同时求max、min、avg、sum等。
3)管道(Pipeline)聚合:以其它聚合的结果为基础做聚合。
总结:
1)什么是聚合?

[*]聚合是对文档数据的统计、分析、计算
2)聚合的常见种类有哪些?

[*]Bucket:对文档数据分组,并统计每组数量
[*]Metric:对文档数据做计算,例如:avg
[*]Pipeline:基于其它聚合结果再做聚合
3)参与聚合的字段类型不能是 text(可分词的文本)类型,可以是:keyword、数值、日期、布尔类型。
二、数据聚合-DSL实现Bucket聚合

1、DSL实现Bucket聚合

现在,我们要统计所有数据中的酒店品牌有几种,此时可以根据酒店品牌的名称做聚合。
类型为term类型,DSL示例:
# 聚合功能
GET /hotel/_search
{
"size": 0, //设置size为0,结果中不包含文档,只包含聚合结果
"aggs": { //定义聚合
    "brandAgg": { //给聚合起个名字
      "terms": { //聚合的类型,按照品牌值聚合,所以选择term
      "field": "brand", //参与聚合的字段
      "size": 10 //希望获取的聚合结果数量
      }
    }
}
}运行结果如下:

{
"took" : 1,
"timed_out" : false,
"_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
},
"hits" : {
    "total" : {
      "value" : 201,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
},
"aggregations" : {
    "brandAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 39,
      "buckets" : [
      {
          "key" : "7天酒店",
          "doc_count" : 30
      },
      {
          "key" : "如家",
          "doc_count" : 30
      },
      {
          "key" : "皇冠假日",
          "doc_count" : 17
      },
      {
          "key" : "速8",
          "doc_count" : 15
      },
      {
          "key" : "万怡",
          "doc_count" : 13
      },
      {
          "key" : "华美达",
          "doc_count" : 13
      },
      {
          "key" : "和颐",
          "doc_count" : 12
      },
      {
          "key" : "万豪",
          "doc_count" : 11
      },
      {
          "key" : "喜来登",
          "doc_count" : 11
      },
      {
          "key" : "希尔顿",
          "doc_count" : 10
      }
      ]
    }
}
}2、Bucket聚合-聚合结果排序

默认情况下,Bucket聚合会统计Bucket内的文档数量,记为_count,并且按照_count降序排序。
我们可以修改结果排序方式:
# 聚合功能,自定义排序规则
GET /hotel/_search
{
"size": 0,
"aggs": {
    "brandAgg": {
      "terms": {
      "field": "brand",
      "size": 10,
      "order": {
          "_count": "asc" //按照_count升序排列
      }
      }
    }
}
}运行结果如下:
{
"took" : 0,
"timed_out" : false,
"_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
},
"hits" : {
    "total" : {
      "value" : 201,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
},
"aggregations" : {
    "brandAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 130,
      "buckets" : [
      {
          "key" : "万丽",
          "doc_count" : 2
      },
      {
          "key" : "丽笙",
          "doc_count" : 2
      },
      {
          "key" : "君悦",
          "doc_count" : 4
      },
      {
          "key" : "豪生",
          "doc_count" : 6
      },
      {
          "key" : "维也纳",
          "doc_count" : 7
      },
      {
          "key" : "凯悦",
          "doc_count" : 8
      },
      {
          "key" : "希尔顿",
          "doc_count" : 10
      },
      {
          "key" : "汉庭",
          "doc_count" : 10
      },
      {
          "key" : "万豪",
          "doc_count" : 11
      },
      {
          "key" : "喜来登",
          "doc_count" : 11
      }
      ]
    }
}
}3、Bucket聚合-限定聚合范围

默认情况下,Bucket聚合是对索引库的所有文档做聚合,我们可以限定要聚合的文档范围,只要添加query条件即可。
示例:
# 聚合功能,限定聚合范围
GET /hotel/_search
{
"query": {
    "range": {
      "price": {
      "lte": 200 //只对200元以下的文档聚合
      }
    }
},
"size": 0,
"aggs": {
    "brandAgg": {
      "terms": {
      "field": "brand",
      "size": 10,
      "order": {
          "_count": "asc"
      }
      }
    }
}
}运行结果如下:
{
"took" : 0,
"timed_out" : false,
"_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
},
"hits" : {
    "total" : {
      "value" : 17,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
},
"aggregations" : {
    "brandAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
      {
          "key" : "7天酒店",
          "doc_count" : 1
      },
      {
          "key" : "汉庭",
          "doc_count" : 1
      },
      {
          "key" : "速8",
          "doc_count" : 2
      },
      {
          "key" : "如家",
          "doc_count" : 13
      }
      ]
    }
}
}4、总结

1)aggs代表聚合,与query同级,此时query的作用是?

[*]限定聚合的的文档范围
2)聚合必须的三要素是什么?

[*]聚合名称
[*]聚合类型
[*]聚合字段
3)聚合可配置属性有哪些?

[*]size:指定聚合结果数量
[*]order:指定聚合结果排序方式
[*]field:指定聚合字段
三、数据聚合-DSL实现Metric聚合

例如:我们要求获取每个品牌的用户评分的min、max、avg等值。
我们可以利用stats聚合:
# 嵌套聚合Metric
GET /hotel/_search
{
"size": 0,
"aggs": {
    "brandAgg": {
      "terms": {
      "field": "brand",
      "size": 10,
      "order": {
          "scoreAgg.avg": "desc" //对桶里面的数据做排序
      }
      },
      "aggs": { //是brandAgg聚合的子聚合,也就是分组后对每组分别计算
      "scoreAgg": { //聚合名称
          "stats": { //聚合类型,这里stats可以计算min、max、avg等
            "field": "score" //聚合字段,这里是score
          }
      }
      }
    }
}
}运行结果如下所示:

{
"took" : 0,
"timed_out" : false,
"_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
},
"hits" : {
    "total" : {
      "value" : 201,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
},
"aggregations" : {
    "brandAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 111,
      "buckets" : [
      {
          "key" : "万丽",
          "doc_count" : 2,
          "scoreAgg" : {
            "count" : 2,
            "min" : 46.0,
            "max" : 47.0,
            "avg" : 46.5,
            "sum" : 93.0
          }
      },
      {
          "key" : "凯悦",
          "doc_count" : 8,
          "scoreAgg" : {
            "count" : 8,
            "min" : 45.0,
            "max" : 47.0,
            "avg" : 46.25,
            "sum" : 370.0
          }
      },
      {
          "key" : "和颐",
          "doc_count" : 12,
          "scoreAgg" : {
            "count" : 12,
            "min" : 44.0,
            "max" : 47.0,
            "avg" : 46.083333333333336,
            "sum" : 553.0
          }
      },
      {
          "key" : "丽笙",
          "doc_count" : 2,
          "scoreAgg" : {
            "count" : 2,
            "min" : 46.0,
            "max" : 46.0,
            "avg" : 46.0,
            "sum" : 92.0
          }
      },
      {
          "key" : "喜来登",
          "doc_count" : 11,
          "scoreAgg" : {
            "count" : 11,
            "min" : 44.0,
            "max" : 48.0,
            "avg" : 46.0,
            "sum" : 506.0
          }
      },
      {
          "key" : "皇冠假日",
          "doc_count" : 17,
          "scoreAgg" : {
            "count" : 17,
            "min" : 44.0,
            "max" : 48.0,
            "avg" : 46.0,
            "sum" : 782.0
          }
      },
      {
          "key" : "万豪",
          "doc_count" : 11,
          "scoreAgg" : {
            "count" : 11,
            "min" : 43.0,
            "max" : 47.0,
            "avg" : 45.81818181818182,
            "sum" : 504.0
          }
      },
      {
          "key" : "万怡",
          "doc_count" : 13,
          "scoreAgg" : {
            "count" : 13,
            "min" : 44.0,
            "max" : 48.0,
            "avg" : 45.69230769230769,
            "sum" : 594.0
          }
      },
      {
          "key" : "君悦",
          "doc_count" : 4,
          "scoreAgg" : {
            "count" : 4,
            "min" : 44.0,
            "max" : 47.0,
            "avg" : 45.5,
            "sum" : 182.0
          }
      },
      {
          "key" : "希尔顿",
          "doc_count" : 10,
          "scoreAgg" : {
            "count" : 10,
            "min" : 37.0,
            "max" : 48.0,
            "avg" : 45.4,
            "sum" : 454.0
          }
      }
      ]
    }
}
}四、数据聚合-多条件聚合

需求:搜索页面中的城市、星级、品牌等信息不应该是在页面写死,而是通过聚合索引库中的酒店数据得来的。

示例:
# 多条件聚合
GET /hotel/_search
{
"query": {
    "bool": {
      "must": [
      {
          "match": {
            "all": "酒店"
          }
      }
      ],
      "should": [
      {
          "term": {
            "brand": "皇冠假日"
          }
      },
      {
          "term": {
            "brand": "华美达"
          }
      }
      ],
      "must_not": [
      {
          "range": {
            "price": {
            "lte": 500
            }
          }
      }
      ],
      "filter": [
      {
          "range": {
            "score": {
            "gte": 45
            }
          }
      }
      ],
      "minimum_should_match": 1,
      "boost": 1
    }
},
"size": 0,
"aggs": {
    "cityAgg": {
      "terms": {
      "field": "city",
      "size": 10,
      "order": {
          "_count": "desc"
      }
      }
    },
    "starNameAgg": {
      "terms": {
      "field": "starName",
      "size": 10,
      "order": {
          "_count": "desc"
      }
      }
    },
    "brandAgg": {
      "terms": {
      "field": "brand",
      "size": 10,
      "order": {
          "scoreAgg.avg": "desc"
      }
      },
      "aggs": {
      "scoreAgg": {
          "stats": {
            "field": "score"
          }
      }
      }
    }
}
}运行结果如下:
{
"took" : 1,
"timed_out" : false,
"_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
},
"hits" : {
    "total" : {
      "value" : 17,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
},
"aggregations" : {
    "brandAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
      {
          "key" : "皇冠假日",
          "doc_count" : 12,
          "scoreAgg" : {
            "count" : 12,
            "min" : 45.0,
            "max" : 48.0,
            "avg" : 46.416666666666664,
            "sum" : 557.0
          }
      },
      {
          "key" : "华美达",
          "doc_count" : 5,
          "scoreAgg" : {
            "count" : 5,
            "min" : 45.0,
            "max" : 46.0,
            "avg" : 45.2,
            "sum" : 226.0
          }
      }
      ]
    },
    "starNameAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
      {
          "key" : "五钻",
          "doc_count" : 7
      },
      {
          "key" : "五星级",
          "doc_count" : 5
      },
      {
          "key" : "四星级",
          "doc_count" : 3
      },
      {
          "key" : "四钻",
          "doc_count" : 2
      }
      ]
    },
    "cityAgg" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
      {
          "key" : "上海",
          "doc_count" : 10
      },
      {
          "key" : "北京",
          "doc_count" : 4
      },
      {
          "key" : "深圳",
          "doc_count" : 3
      }
      ]
    }
}
}至此本文就全部介绍完了,如果觉得对您有所启发请记得点个赞哦!!!
 
此文由博主精心撰写转载请保留此原文链接:https://www.cnblogs.com/xyh9039/p/18093166
版权声明:如有雷同纯属巧合,如有侵权请及时联系本人修改,谢谢!!!

来源:https://www.cnblogs.com/xyh9039/p/18093166
免责声明:由于采集信息均来自互联网,如果侵犯了您的权益,请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容,谢谢合作!
页: [1]
查看完整版本: Elasticsearch 系列(五)- 数据聚合