ElasticSearch学习笔记 | Aggregations执行聚合

墨蓝 2023-01-16 09:47 150阅读 0赞

本文测试数据为官方提供的测试数据，导入方法在学习笔记本章节第一篇中：https://blog.csdn.net/qq\_20051535/article/details/113242821

Aggregations执行聚合  
聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行索返回 hits（命中结果），并且同时返回聚合结果，把一个响应中的所有hits（命中结果）隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用得到各自的(任何一个的)返回结果，使用一次简洁和简化的AP来避免网络往返。

【例子1】

搜索 address中包含mill的所有人的年龄分布以及平均年龄,但不显示这些人的详情。

GET /bank/\_search  
\{  
  "query": \{  
    "match": \{  
      "address": "mill"   
    \}  
  \},  
  "aggs": \{    //获取聚合  
    "ageAgg": \{      //自定义的聚合名  
      "terms": \{       //获取结果的不同数据个数  
        "field": "age",    //获取字段是age  
        "size": 10      //可能有很多很多可能，只获取前10种  
      \}  
    \},  
    "ageAvg":\{   //自定义的聚合名  
      "avg": \{      //求平均值  
        "field": "age"    //获取字段是age  
      \}  
    \}  
  \}  
\}  
返回的结果：

\{  
  "took" : 27,  
  "timed\_out" : false,  
  "\_shards" : \{  
    "total" : 1,  
    "successful" : 1,  
    "skipped" : 0,  
    "failed" : 0  
  \},  
  "hits" : \{  
    "total" : \{  
      "value" : 4,  
      "relation" : "eq"  
    \},  
    "max\_score" : 5.4032025,  
    "hits" : \[  
      \{  
        "\_index" : "bank",  
        "\_type" : "account",  
        "\_id" : "970",  
        "\_score" : 5.4032025,  
        "\_source" : \{  
          "account\_number" : 970,  
          "balance" : 19648,  
          "firstname" : "Forbes",  
          "lastname" : "Wallace",  
          "age" : 28,  
          "gender" : "M",  
          "address" : "990 Mill Road",  
          "employer" : "Pheast",  
          "email" : "forbeswallace@pheast.com",  
          "city" : "Lopezo",  
          "state" : "AK"  
        \}  
      \},  
      \{  
        "\_index" : "bank",  
        "\_type" : "account",  
        "\_id" : "136",  
        "\_score" : 5.4032025,  
        "\_source" : \{  
          "account\_number" : 136,  
          "balance" : 45801,  
          "firstname" : "Winnie",  
          "lastname" : "Holland",  
          "age" : 38,  
          "gender" : "M",  
          "address" : "198 Mill Lane",  
          "employer" : "Neteria",  
          "email" : "winnieholland@neteria.com",  
          "city" : "Urie",  
          "state" : "IL"  
        \}  
      \},  
      \{  
        "\_index" : "bank",  
        "\_type" : "account",  
        "\_id" : "345",  
        "\_score" : 5.4032025,  
        "\_source" : \{  
          "account\_number" : 345,  
          "balance" : 9812,  
          "firstname" : "Parker",  
          "lastname" : "Hines",  
          "age" : 38,  
          "gender" : "M",  
          "address" : "715 Mill Avenue",  
          "employer" : "Baluba",  
          "email" : "parkerhines@baluba.com",  
          "city" : "Blackgum",  
          "state" : "KY"  
        \}  
      \},  
      \{  
        "\_index" : "bank",  
        "\_type" : "account",  
        "\_id" : "472",  
        "\_score" : 5.4032025,  
        "\_source" : \{  
          "account\_number" : 472,  
          "balance" : 25571,  
          "firstname" : "Lee",  
          "lastname" : "Long",  
          "age" : 32,  
          "gender" : "F",  
          "address" : "288 Mill Street",  
          "employer" : "Comverges",  
          "email" : "leelong@comverges.com",  
          "city" : "Movico",  
          "state" : "MT"  
        \}  
      \}  
    \]  
  \},  
  "aggregations" : \{  
    "ageAgg" : \{  
      "doc\_count\_error\_upper\_bound" : 0,  
      "sum\_other\_doc\_count" : 0,  
      "buckets" : \[  
        \{  
          "key" : 38,  
          "doc\_count" : 2  
        \},  
        \{  
          "key" : 28,  
          "doc\_count" : 1  
        \},  
        \{  
          "key" : 32,  
          "doc\_count" : 1  
        \}  
      \]  
    \},  
    "ageAvg" : \{  
      "value" : 34.0  
    \}  
  \}  
\}  
如果我们不希望返回数据，只需要分析结果，可以设置 size 为 0

GET /bank/\_search  
\{  
  "query": \{~\},  
  "aggs": \{~\},  
  "size": 0  
\}  
【例子2】

按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

GET /bank/\_search  
\{  
  "query": \{  
    "match\_all": \{\}  
  \},  
  "aggs": \{  
    "ageAgg": \{  
      "terms": \{  
        "field": "age",  
        "size": 100  
      \},  
      "aggs": \{  //子聚合  
        "ageAvg": \{  
          "avg": \{  
            "field": "balance"  
          \}  
        \}  
      \}  
    \}  
  \},  
  "size": 0  
\}  
返回结果：

查询出所有年龄分布，并且这些 年龄段中 性别为 M 的平均薪资 和 性别为 F 的平均薪资 以及 这个年龄段的总体平均薪资

GET /bank/\_search  
\{  
  "query": \{  
    "match\_all": \{\}  
  \},  
  "aggs": \{  
    "ageAgg": \{  
      "terms": \{  
        "field": "age",  
        "size": 100  
      \},  
      "aggs": \{  
        "genderAgg":\{  
          "terms": \{  
            "field": "gender.keyword",  
            "size": 10  
          \},  
          "aggs": \{  
            "balanceAvg": \{  
              "avg": \{  
                "field": "balance"  
              \}  
            \}  
          \}  
        \},  
        "ageBlanace":\{  
          "avg": \{  
            "field": "balance"  
          \}  
        \}  
      \}  
    \}  
  \},  
  "size": 0  
\}  
返回结果：

\{  
  "took" : 16,  
  "timed\_out" : false,  
  "\_shards" : \{  
    "total" : 1,  
    "successful" : 1,  
    "skipped" : 0,  
    "failed" : 0  
  \},  
  "hits" : \{  
    "total" : \{  
      "value" : 1000,  
      "relation" : "eq"  
    \},  
    "max\_score" : null,  
    "hits" : \[ \]  
  \},  
  "aggregations" : \{  
    "ageAgg" : \{  
      "doc\_count\_error\_upper\_bound" : 0,  
      "sum\_other\_doc\_count" : 0,  
      "buckets" : \[  
        \{  
          "key" : 31,  
          "doc\_count" : 61,  
          "genderAgg" : \{  
            "doc\_count\_error\_upper\_bound" : 0,  
            "sum\_other\_doc\_count" : 0,  
            "buckets" : \[  
              \{  
                "key" : "M",  
                "doc\_count" : 35,  
                "balanceAvg" : \{  
                  "value" : 29565.628571428573  
                \}  
              \},  
              \{  
                "key" : "F",  
                "doc\_count" : 26,  
                "balanceAvg" : \{  
                  "value" : 26626.576923076922  
                \}  
              \}  
            \]  
          \},  
          "ageBlanace" : \{  
            "value" : 28312.918032786885  
          \}  
        \},  
        \{  
          "key" : 39,  
          "doc\_count" : 60,  
          "genderAgg" : \{  
            "doc\_count\_error\_upper\_bound" : 0,  
            "sum\_other\_doc\_count" : 0,  
            "buckets" : \[  
              \{  
                "key" : "F",  
                "doc\_count" : 38,  
                "balanceAvg" : \{  
                  "value" : 26348.684210526317  
                \}  
              \},  
              \{  
                "key" : "M",  
                "doc\_count" : 22,  
                "balanceAvg" : \{  
                  "value" : 23405.68181818182  
                \}  
              \}  
            \]  
          \},  
          "ageBlanace" : \{  
            "value" : 25269.583333333332  
          \}  
        \},  
        \{  
          "key" : 26,  
          "doc\_count" : 59,  
          "genderAgg" : \{  
            "doc\_count\_error\_upper\_bound" : 0,  
            "sum\_other\_doc\_count" : 0,  
            "buckets" : \[  
              \{  
                "key" : "M",  
                "doc\_count" : 32,  
                "balanceAvg" : \{  
                  "value" : 25094.78125  
                \}  
              \},  
              \{  
                "key" : "F",  
                "doc\_count" : 27,  
                "balanceAvg" : \{  
                  "value" : 20943.0  
                \}  
              \}  
            \]  
          \},  
          "ageBlanace" : \{  
            "value" : 23194.813559322032  
          \}  
        \},  
...

————————————————  
版权声明：本文为CSDN博主「北鹤M」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。  
原文链接：https://blog.csdn.net/qq\_20051535/article/details/113247970