聚合(Aggregation)概念
-
Bucket Aggregation, 桶聚合，即将稳定按照特定列的值分到不同桶中
-
Metric Aggregation, 度量聚合，对文档数据的聚合结果进行运算，类似SQL中的聚合函数（比如 max min avg 等）
-
Pipeline Aggregation， 对聚合结果进行二次聚合
-
Matrix Aggreagation，提供对多个字段聚合操作的支持
桶聚合：
- 按terms聚合(类似于分组group by)：
格式如下：
聚合名称可以自己定义，建议用'_'线来分隔单词，比如test_terms。
{
"size" : 0,
"aggs" : {
"自已命名的聚合名称，比如test_terms" : {
"terms" : {
"field" : "字段名称",
"size" : 10000,
"order" : {
"_term" : "asc"
}
}
}
}
}
解释如下：
size：第一个size，为0表示不需要返回文档,所以直接设置为0可以提高查询速度。
aggs：aggs是aggregations的缩写,可以写全称也可以缩写。
聚合名称：在aggs内部，需要自己定义一个聚合的名称,建议用'_'线来分隔单词。在返回的结果中也会用这个变量名来储存数值的。
terms：定义单个桶(集合)的类型为 terms，按里面的field 字段进行分类,类似于sql中的group by
terms size： terms里面包含的size，默认为10，表示返回聚合查询结果的条数。。
比如设置size为50，对指定的字段名称聚合分组求和后，就只会返回50条。这里的size最好不要设置为0。
order： 排序。{ "_term" : "asc" }表示按照聚合的字段名称field进行升序排列。
比如对指定的字段名称order_date聚合分组求和后，想按照order_date升序排列，就可以使用这种方式。
{ "_count" : "asc" }表示按照doc_count(文档数量)排序。默认是按照doc_count排序。
返回结果，如下所示：
{
"took": 1,
"timed_out": false,
"_shards": {
"total": 3,
"successful": 3,
"failed": 0
},
"hits": {
"total": 19,
"max_score": 0,
"hits": []
},
"aggregations": {
"自己命名的聚合名称": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "14",
"doc_count": 16
},
{
"key": "10",
"doc_count": 3
}
]
}
}
}
解释如下：
Buckets(桶/集合):满足特定条件的文档的集合。
hits： hits为空，因为设置了返回的文档数量(size)为0,所以在这个文档里面是不会包含具体的文档的。
key：按照指定的字段分组后的字段内容。
doc_count：各个分组的数量。
度量聚合
类似于分组统计。
比如，分组求平均值avg，求最大max，最小min等。
聚合名称1和2需要自己命名，同样会在返回结果中显示。
{
"size" : 0,
"aggs": {
"自己命名的聚合名称1": {
"terms": {
"field": "字段名称",
"size" : 10000
},
"aggs": {
"自己命名的聚合名称2": {
"avg": {
"field": "字段名称"
}
}
}
}
}
}
返回结果如下：
"aggregations": {
"聚合名称1": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "14",
"doc_count": 16,
"聚合名称2": {
"value": 33156.1875 //这个value就是avg求得的平均值。
}
},
{
"key": "10",
"doc_count": 3,
"聚合名称2": {
"value": 662962.3333333334
}
}
]
}
另外还有一个stas聚合，可以返回包括min,max,avg,sum,count等统计信息。
{
"size" : 0,
"aggs": {
"自己命名的聚合名称1": {
"terms": {
"field": "字段名称1",
"size": 10
}, "aggs": {
"自己命名的聚合名称2": {
"stats": {
"field": "字段名称2"
}
}
}
}
}
}
返回的结果类似如下：
"aggregations": {
"dateGrup": {
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": [
{
"key": "2020-10-10",
"doc_count": 19739,
"pick_num": {
"count": 17346,
"min": 1,
"max": 36148,
"avg": 55.61362850224836,
"sum": 964674
}
}]
参考资料：
http://blog.itpub.net/29715045/viewspace-2653369/