ES 除了DSL查询aggregations也是很重要的，如果说DSL相当于sql aggregations就相当于group by 和一些sum count 函数
aggregations能作什么aggregations主要分三个部分，分桶聚合，指标聚合，管道聚合，aggregations在写查询语句的时候可以简写成aggs
分桶聚合（bucket）：相当于sql的group by 能按照某一个或多个条件，对数据进行分桶（分组），默认返回数据的count（计数）条数，但实际上，可以理解为数据被分桶了，方便后面的聚合或者统计 *** 作，后面会有实际的例子。
指标聚合（metrice）：就是对分桶，或者未分桶的数据进行计算，例如avg求平均值，MAX最大值，min最小值，value count 计数 cardinality 基数 去重 starts 统计聚合等
管道聚合（pipeline）：基于聚合结果的查询，分桶有可能是多层的，也有可能和指标是仙桃的，管道聚合可以根据路径（分桶和指标聚合时候的命名路径）对数据进行有针对性的 *** 作，例如排序。
aggregations如何使用es先插入数据
PUT /product/_doc/1
{
"name" : "小米手机",
"desc" : "手机中的战斗机",
"price" : 3999,
"lv":"旗舰机",
"type":"手机",
"createtime":"2020-10-01T08:00:00Z",
"tags": [ "性价比", "发烧", "不卡顿" ]
}
PUT /product/_doc/2
{
"name" : "小米NFC手机",
"desc" : "支持全功能NFC，手机中的滑翔机",
"price" : 4999,
"lv":"旗舰机",
"type":"手机",
"createtime":"2020-05-21T08:00:00Z",
"tags": [ "性价比", "发烧", "公交卡" ]
}
PUT /product/_doc/3
{
"name" : "NFC手机",
"desc" : "手机中的轰炸机",
"price" : 2999,
"lv":"高端机",
"type":"手机",
"createtime":"2020-06-20",
"tags": [ "性价比", "快充", "门禁卡" ]
}
PUT /product/_doc/4
{
"name" : "小米耳机",
"desc" : "耳机中的黄焖鸡",
"price" : 999,
"lv":"百元机",
"type":"耳机",
"createtime":"2020-06-23",
"tags": [ "降噪", "防水", "蓝牙" ]
}
PUT /product/_doc/5
{
"name" : "红米耳机",
"desc" : "耳机中的肯德基",
"price" : 399,
"type":"耳机",
"lv":"百元机",
"createtime":"2020-07-20",
"tags": [ "防火", "低音炮", "听声辨位" ]
}
PUT /product/_doc/6
{
"name" : "小米手机12",
"desc" : "充电贼快掉电更快，超级无敌望远镜，高刷电竞屏",
"price" : 5999,
"lv":"旗舰机",
"type":"手机",
"createtime":"2020-07-27",
"tags": [ "120HZ刷新率", "120W快充", "120倍变焦" ]
}
PUT /product/_doc/7
{
"name" : "挨炮 SE2",
"desc" : "除了CPU，一无是处",
"price" : 3299,
"lv":"旗舰机",
"type":"手机",
"createtime":"2020-07-21",
"tags": [ "割韭菜", "割韭菜", "割新韭菜" ]
}
PUT /product/_doc/8
{
"name" : "XS Max",
"desc" : "听说要出新款15手机了，终于可以换掉手中的4S了",
"price" : 4399,
"lv":"旗舰机",
"type":"手机",
"createtime":"2020-08-19",
"tags": [ "5V1A", "4G全网通", "大" ]
}
PUT /product/_doc/9
{
"name" : "小米电视",
"desc" : "70寸性价比只选，不要一万八，要不要八千八，只要两千九百九十八",
"price" : 2998,
"lv":"高端机",
"type":"电视",
"createtime":"2020-08-16",
"tags": [ "巨馍", "家庭影院", "游戏" ]
}
PUT /product/_doc/10
{
"name" : "红米电视",
"desc" : "我比上边那个更划算，我也2998，我也70寸，但是我更好看",
"price" : 2999,
"type":"电视",
"lv":"高端机",
"createtime":"2020-08-28",
"tags": [ "大片", "蓝光8K", "超薄" ]
}
PUT /product/_doc/11
{
"name": "红米电视",
"desc": "我比上边那个更划算，我也2998，我也70寸，但是我更好看",
"price": "2998",
"type": "电视",
"lv": "高端机",
"createtime": "2020-08-28",
"tags": [
"大片",
"蓝光8K",
"超薄"
]
}
分桶聚合简单例子
GET product/_search
{
"size": 0,
"aggs": {
"tagtest": {// *** 作的命名
"terms": {//分桶方式
"field": "tags.keyword",//按tags 进行分桶 keyword 代表不分词 直接取数据
"size": 10
}
}
}
}
指标聚合简单例子
GET product/_search
{
"size": 0,
"aggs": {
"max": {
"max": {
"field": "price"
}
},
"min": {
"min": {
"field": "price"
}
},
"avg": {
"avg": {
"field": "price"
}
}
}
}
GET product/_search
{
"size": 0,
"aggs": {
"price_stats": {
"stats": {
"field": "price"
}
}
}
}
管道聚合例子
取按type分组后，进行avg平均值计算后，所有数据的最小值
嵌套聚合
根据 商品的 type，和lv（级别）进行分桶（嵌套），利用avg函数对价格计算平均值，利用管道查出分桶平均后的最小值
GET product/_search
{
"size": 0,
"aggs": {
"type_lv": {
"terms": {
"field": "type.keyword"
},
"aggs": {
"lv": {
"terms": {
"field": "lv.keyword"
},
"aggs": {
"price_avg": {
"avg": {
"field": "price"
}
}
}
},
"price_min": {
"min_bucket": {
"buckets_path": "lv>price_avg"
}
}
}
}
}
}
基于查询结果的聚合
1 可以再aggs同级下添加 查询或筛选条件，对分桶的数据进行条件限制
例如添加条件筛选，按标签分桶，限制价格区间
GET product/_search
{
"query": {
"range": {
"price": {
"gte": 2000,
"lte": 6000
}
}
},
"aggs": {
"type_lv": {
"terms": {
"field": "type.keyword"
}
}
}
}
用过滤器对进行过滤然后分桶
GET product/_search
{
"query": {
"bool": {
"filter": [
{
"range": {
"price": {
"gte": 10,
"lte": 2000
}
}
}
]
}
},
"aggs": {
"type_lv": {
"terms": {
"field": "type.keyword"
}
}
}
}
基于聚合结果的查询（分桶后对分桶后的数据进行筛选查询）
对分桶的部分结果，取消查询或筛选条件的限制
Global 阻断 上面的查询条件
如果多维度统计 有些需要过滤之后统计，有些不需要
GET product/_search
{
"size": 0,
"query": {"range": {
"price": {
"gte": 1000
}
}},
"aggs": {
"max": {
"max": {
"field": "price"
}
},
"min": {
"min": {
"field": "price"
}
},
"avg": {
"global": {},
"aggs": {
"price_avg": {
"avg": {
"field": "price"
}
}
}
}
}
}
不同的指标聚合 有的根据筛选聚合 有的全量数据聚合
GET product/_search
{
"size": 0,
"aggs": {
"max": {
"max": {
"field": "price"
}
},
"min": {
"min": {
"field": "price"
}
},
"avg": {
"filter": {
"range": {
"price": {
"gte": 1000
}
}
},
"aggs": {
"price_avg": {
"avg": {
"field": "price"
}
}
}
}
}
}
基于聚合的排序
按照count排序
GET product/_search
{
"size": 0,
"aggs": {
"tag_bucket":{
"terms": {
"field": "tags.keyword",
"size": 10,
"order": {
"_count": "asc"
}
}
}
}
}
多级排序
GET product/_search
{
"size": 0,
"aggs": {
"type_first_order":{
"terms": {
"field": "type.keyword",
"order": {
"_term": "asc"
}
},
"aggs": {
"lv_second_order": {
"terms": {
"field": "lv.keyword",
"order": {
"_key": "asc"
}
}
}
}
}
}
}
多级聚合
GET product/_search
{
"size": 0,
"aggs": {
"type_stats_price": {
"terms": {
"field": "type.keyword",
"order": {
"aggs_price>stats.sum": "asc"
}
},
"aggs": {
"aggs_price": {
"filter": {
"terms": {
"type.keyword": ["耳机","手机","电视"]
}
},
"aggs": {
"stats": {
"stats": {
"field": "price"
}
}
}
}
}
}
}
}
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）