本文主要是介绍Elasticsearch 8.1官网文档梳理 - 十五、Aggregations(聚合),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!
Aggregations
ES 的聚合可以总结为三类:指标聚合、统计聚合、其他分析聚合。
- Metric aggregations: 计算
field
的指标值,例如平均值、最大值、和等指标 - Bucket aggregations: 基于
field
的值、范围、或其他标准对doc
分类,每一类都是一个bucket
或bin
- Pipeline aggregations: 通过其他 取代
doc
或者field
作为输入
GET /my-index-000001/_search
{"aggs": {...}
}
在查询中 aggs
的具体使用方法都在这一章,包括多个聚合查询、嵌套聚合查询等。
一、Bucket aggregations
桶(bucket
)聚合,根据 给出的 标准(criterion
)将 doc
放入不同的桶中,并统计在每个桶(bucket
)中的 文档(doc
)数量。桶(bucket
)聚合可以创建子聚合,子聚合是基于父聚合的结果进行创建。
search.max_buckets
该参数用于限制在查询中返回的桶的数量,桶(bucket
)聚合共有如下方法:
1.1 Adjacency matrix
一个桶聚合返回一个邻接矩阵。
1.2 Auto-interval date histogram
与 日期直方图(Date histogram) 类似的多数据桶聚合。日期直方图(Date histogram) 在聚合时根据给定的时间间隔进行聚合,结果中 桶(bucket
)的数量不确定,依赖于文档(doc
)中对应字段的数据范围。auto_date_histogram
聚合是给定桶(bucket
)的数量,由 ES 自动选择聚合的时间间隔。
POST /sales/_search?size=0
{"aggs": {"sales_over_time": {"auto_date_histogram": {"field": "date","buckets": 10}}}
}
1.3 Categorize text
对文本进行分类,将具有相似结果的 text
类型收纳到一个 桶(bucket
)中。
1.4 Children
一种特殊的单桶聚合,用于选择具有指定类型(如 join
类型)的子文档。
1.5 Composite
1.6 Date histogram
基于 时间(fidld
类型 为 date
)的直方图。尽管可以使用 普通的直方图,完成类似于 date_histogram
直方图的功能,但 date_histogram
为时间类型提供了更准确描述时间间隔的方式。
POST /sales/_search?size=0
{"aggs": {"sales_over_time": {"date_histogram": {"field": "my_date","calendar_interval": "month"}}}
}
查询 my_date
字段每个月的 文档(doc
)数量。
这里值得注意的是,时间间隔的选择有两种方式,一种是 周期间隔(Calendar intervals),另外一种是 固定间隔(Fixed intervals),分别对应参数 calendar_interval
和 fixed_interval
。
1.7 Date range
专门用于 时间(fidld
类型 为 date
)的范围聚合。该聚合与普通范围聚合的主要区别在于,from
和to
可以用日期数学表达式(Date Math )表示,而且还可以指定日期格式。date_range
此聚合包括from
字段的文档,但不包括每个范围内 to
所表示的文档。
POST /my_index/_search?size=0
{"aggs": {"range": {"date_range": {"field": "@timestamp","time_zone": "CET","ranges": [{ "to": "2016/02/01" }, { "from": "2016/02/01", "to" : "now/d" }, { "from": "now/d" }]}}}
}
1.8 Diversified sampler
1.9 Filter
缩小 聚合中的 文档集合。
POST /sales/_search?size=0&filter_path=aggregations
{"aggs": {"avg_price": { "avg": { "field": "price" } },"t_shirts": {"filter": { "term": { "type": "t-shirt" } },"aggs": {"avg_price": { "avg": { "field": "price" } }}}}
}### response
{"aggregations": {"avg_price": { "value": 140.71428571428572 },"t_shirts": {"doc_count": 3,"avg_price": { "value": 128.33333333333334 }}}
}
avg_price
返回 sales 索引中所有文档 price 字段的平均值t_shirts.avg_price
返回 sales 索引中 type 字段为 t-shirt 的文档 的 price 字段的平均值
1.10 Filters
1.11 Geo-distance
1.12 Geohash grid
1.13 Geohex grid
1.14 Geotile grid
1.15 Global
1.16 Histogram
直方图聚合:依据某个 field
的值,将数据按间隔,放入不同的 桶(bucket
)中。桶的取值范围和文档 该字段的取值范围一致。其中桶的 键 的计算方法为
b u c k e t k e y = M a t h . f l o o r ( ( v a l u e − o f f s e t ) / i n t e r v a l ) ∗ i n t e r v a l + o f f s e t bucket_key = Math.floor((value - offset) / interval) * interval + offset bucketkey=Math.floor((value−offset)/interval)∗interval+offset
第一个桶(bucket
)的 键 是根据 field
字段值的最小值计算出来的,最后一个桶(bucket
)的 键 以同样的方式用 field
字段值的最大值计算。
POST /sales/_search?size=0
{"aggs": {"prices": {"histogram": {"field": "price","interval": 50}}}
}
1.17 IP prefix
1.18 IP range
1.19 Missing
基于 索引 中所有文档(doc
),缺少的 缺少的某个 字段(field
)或 该字段(field
)的值为 NULL 的情况来创建桶。
POST /sales/_search?size=0
{"aggs": {"products_without_a_price": {"missing": { "field": "price" }}}
}
获得 sales 索引中,没有 price 字段或 price 字段值为 NULL 的 文档(doc
)总数。
1.20 Multi Terms
多个 terms
聚合的组合,主要用于 按文档数量排序,或按复合键的度量聚合排序并获得前 N 个结果时。
GET /products/_search
{"aggs": {"genres_and_products": {"multi_terms": {"terms": [{"field": "genre" }, {"field": "product"}]}}}
}
注意: 如果不断的使用同一组 field
做聚合查询,则可以将 本组 field
的值组合成新的 字段,并在新的字段上使用 terms
聚合。
1.20 Nested
1.21 Parent
1.22 Range
通过定义一组范围,其中每个范围代表一个桶。在聚合过程中,从每个文档(doc
)中提取的值将与每个桶范围进行核对,并将相关/匹配文档 放入桶(bucket
)。range
此聚合包括from
字段的文档,但不包括每个范围内 to
所表示的文档。
GET sales/_search
{"aggs": {"price_ranges": {"range": {"field": "price","ranges": [{ "to": 100.0 },{ "from": 100.0, "to": 200.0 },{ "from": 200.0 }]}}}
}
1.23 Rare terms
1.24 Reverse nested
1.25 Sampler
1.26 Significant terms
1.27 Significant text
1.28 Terms
根据 field
的值来创建桶(bucket
),field
中的每一个 值 都对应一个 桶(bucket
)
GET /_search
{"aggs": {"genres": {"terms": { "field": "genre" }}}
}
1.29 Variable width histogram
1.30 Subtleties of bucketing range fields
二、Metrics aggregations
计算 桶(bucket
)内,文档(doc
)某个字段(field
)的度量值。
2.1 Avg
平均值
POST /exams/_search?size=0
{"runtime_mappings": {"grade.corrected": {"type": "double","script": {"source": "emit(Math.min(100, doc['grade'].value * params.correction))","params": {"correction": 1.2}}}},"aggs": {"avg_corrected_grade": {"avg": {"field": "grade.corrected"}}}
}
注意: 用于计算度量的字段可以来自于 文档(doc
)某个字段(field
),也可以来自于脚本结合 runtime field
字段。
2.2 Boxplot
箱图
2.3 Cardinality
估计某个字段(field
)内有多少个不同的值
POST /sales/_search?size=0
{"aggs": {"type_count": {"cardinality": {"field": "type"}}}
}
注意: 计算 type 字段内有多少个不同的值
2.4 Extended stats
一次统计 多个指标值,包括 min
(最小值)、max
(最大值)、sum
(求和)、count
(计数)、avg
(平均值)、sum_of_squares
()、variance
()、std_deviation
()、std_deviation_bounds
()
2.5 Geo-bounds
2.6 Geo-centroid
2.7 Geo-Line
2.8 Matrix stats
2.9 Max
最大值
2.10 Median absolute deviation
2.11 Min
最小值
2.12 Percentile ranks
某个值在 在百分位数的排名。
GET latency/_search
{"size": 0,"aggs": {"load_time_ranks": {"percentile_ranks": {"field": "load_time", "values": [ 500, 600 ]}}}
}
500, 600 这两个数字 在 load_time 字段中位置的百分比(load_time 字段的值从小到大依次排列)
2.13 Percentiles
百分位数聚合。
GET latency/_search
{"size": 0,"aggs": {"load_time_outlier": {"percentiles": {"field": "load_time","percents": [ 95, 99, 99.9 ] }}}
}
latency 索引的 load_time 字段的 95
,99
,99.9
分位数。
2.14 Rate
2.15 Scripted metric
使用脚本执行的指标聚合以提供指标输出
2.16 Stats
一次统计 多个指标值, 包括 min
(最小值)、max
(最大值)、sum
(求和)、count
(计数)、avg
(平均值)
POST /exams/_search?size=0
{"aggs": {"grades_stats": { "stats": { "field": "grade" } }}
}
2.17 String stats
从 keyword
中一次统计 多个指标值, 包括 count
(计数,非空)、min_length
(最小长度)、max_length
(最大长度)、avg_length
(平均长度)、entropy
(香农熵)
2.18 Sum
求和
2.19 T-test
2.20 Top hits
取 桶(bucket
)内,按照 某种 排序(sort
)匹配度靠前(size
)的文档(doc
)
POST /sales/_search?size=0
{"aggs": {"top_tags": {"terms": {"field": "type","size": 3},"aggs": {"top_sales_hits": {"top_hits": {"sort": [{"date": {"order": "desc"}}],"_source": {"includes": [ "date", "price" ]},"size": 1}}}}}
}
2.21 Top metrics
top_metrics
聚合按照 sort
排序,选择 size
个文档中,metrics
指定的字段返回。
### 写入数据
POST /test/_bulk?refresh
{"index": {}}
{"s": 1, "m": 3.1415}
{"index": {}}
{"s": 2, "m": 1.0}
{"index": {}}
{"s": 3, "m": 2.71828}### 查询
POST /test/_search?filter_path=aggregations
{"aggs": {"tm": {"top_metrics": {"metrics": {"field": "m"},"sort": {"s": "desc"},"size": 1}}}
}### Response
{"aggregations": {"tm": {"top": [ {"sort": [3], "metrics": {"m": 2.718280076980591 } } ]}}
}
在 top_metrics
聚合中,文档(doc
)按照 s 字段排倒序("sort": {"s": "desc"}
),取前 1 个("size": 1
),返回 m 字段。
2.22 Value count
计数
2.23 Weighted avg
加权平均值
三、Pipeline aggregations
管道聚合(Pipeline aggregations)基于其他的聚合结果进行聚合,并将结果添加到聚合中,管道聚合主要分为两类
- Parent: (父级聚合)
管道聚合的一个系列,可获得其父聚合的输出,并能计算新的桶或新的聚合,以添加到现有的桶中。
同胞聚合 - Sibling:(同级聚合)
提供同级聚合输出的管道聚合,能够计算与同级聚合处于同一级别的新聚合。
3.1 Average bucket
Sibling 类
计算指定指标的平均值,指定的度量必须是数字。同级聚合必须是多桶聚合。
PUT my_index
{"mappings": {"properties": {"@timestamp" : {"type" : "date","format" : "[yyyy/MM/dd]"},"my_field" : {"type" : "keyword"},"my_other_field" : {"type" : "float"}}}
}POST my_index/_bulk
{"index":{}}
{"@timestamp": "2024/03/01", "my_other_field": 5}
{"index":{}}
{"@timestamp": "2024/03/02", "my_other_field": 6}
{"index":{}}
{"@timestamp": "2024/04/01", "my_other_field": 7}
{"index":{}}
{"@timestamp": "2024/05/01", "my_other_field": 8}POST my_index/_search
{"size": 0,"aggs": {"sales_per_month": {"date_histogram": {"field": "@timestamp","calendar_interval": "month"},"aggs": {"sales": {"avg": {"field": "my_other_field"}}}},"avg_monthly_sales": {"avg_bucket": {"buckets_path": "sales_per_month>sales" }}}
}
3.2 Bucket script
Parent 类
执行一个脚本,该脚本可以对父级多桶聚合中,每个桶指定的指标执行计算。指定的指标必须是数值,脚本必须返回数值。
POST my_index/_search
{"size": 0,"aggs": {"sales_per_month": {"date_histogram": {"field": "@timestamp","calendar_interval": "month"},"aggs": {"sales": {"avg": {"field": "my_other_field"}},"percentage": {"bucket_script": {"buckets_path": {"tShirtSales": "sales","num": "_count"},"script": "params.tShirtSales / params.num * 100"}}}}}
}
3.3 Bucket count K-S test
3.4 Bucket correlation
3.5 Bucket selector
3.6 Bucket sort
3.7 Cumulative cardinality
3.8 Cumulative sum
3.9 Derivative
Parent 类
用于计算父级直方图(或日期直方图)聚合中指定度量的导数,指定的度量值必须是数值。
POST my_index/_search
{"size": 0,"aggs": {"sales_per_month": {"date_histogram": {"field": "@timestamp","calendar_interval": "month"},"aggs": {"sales": {"avg": {"field": "my_other_field"}},"sales_deriv": {"derivative": {"buckets_path": "sales" }},"sales_deriv2": {"derivative": {"buckets_path": "sales_deriv" }}}}}
}
3.10 Extended stats bucket
3.11 Inference bucket
3.12 Max bucket
3.13 Min bucket
3.14 Moving function
3.15 Moving percentiles
3.16 Normalize
3.17 Percentiles bucket
3.18 Serial differencing
3.19 Stats bucket
3.20 Sum bucket
这篇关于Elasticsearch 8.1官网文档梳理 - 十五、Aggregations(聚合)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!