Elasticsearch原理解析--aggregate_metric_double类型介绍

aggregate_metric_double是ES引入的一种新的字段类型,功能比较简单,但是在时序场景非常好用,本篇文章简单介绍下这个特性。

aggregate_metric_double是直接写入已经按max、min、sum、avg、count聚合好的数据。这样对这个字段进行max、min、sum、avg、count聚合的时候,不再需要实时计算,直接使用聚合的结果即可。

aggregate_metric_double的使用可以参看官方文档:https://www.elastic.co/guide/en/elasticsearch/reference/8.6/aggregate-metric-double.html

简单看下使用方式,创建一个aggregate_metric_double类型字段的索引:

{
  "mappings": {
    "properties": {
      "agg_metric": {
        "type": "aggregate_metric_double",
        "metrics": [ "min", "max", "sum", "value_count" ],
        "default_metric": "max"
      }
    }
  }
}

这里字段需要写入"min", "max", "sum", "value_count"四个结果。

然后default_metric配置为max,这里说的是如果不是进行max、min、sum、avg、count聚合,agg_metric字段默认使用max的value。

写入数据示例如下:

PUT stats-index/_doc/1
{
  "agg_metric": {
    "min": -302.50,
    "max": 702.30,
    "sum": 200.0,
    "value_count": 25
  }
}

查询时,直接对agg_metric执行进行查询即可:

POST stats-index/_search?size=0
{
  "aggs": {
    "metric_min": { "min": { "field": "agg_metric" } },
    "metric_max": { "max": { "field": "agg_metric" } },
    "metric_value_count": { "value_count": { "field": "agg_metric" } },
    "metric_sum": { "sum": { "field": "agg_metric" } },
    "metric_avg": { "avg": { "field": "agg_metric" } }
  }
}

这里可以看到,写入的时候不需要写入avg value,因为avg value会通过sum/value_count计算得到。

aggregate_metric_double功能实现也比较简单,具体实现在x-pack-aggregate-metric插件中。

主要功能是在AggregateDoubleMetricFieldMapper中实现。AggregateDoubleMetricFieldMapper会为每个metric保留一个NumberFieldMapper。AggregateDoubleMetricFieldMapper在写入时,进行字段解析,然后将对应的字段写入对应的NumberFieldMapper中。

查询时的实现方式是扩展了Aggregator的实现,分别实现了max、min、sum、avg、count的Aggregator。

然后将这些Aggregator注册,一个示例如下:

    public static void registerSumAggregator(ValuesSourceRegistry.Builder builder) {
        builder.register(
            SumAggregationBuilder.REGISTRY_KEY,
            AggregateMetricsValuesSourceType.AGGREGATE_METRIC,
            AggregateMetricBackedSumAggregator::new,
            true
        );
    }

这样在进行Sum Aggregation的时候,发现是对aggregate_metric_double的字段进行Aggregation,就会调用到AggregateMetricBackedSumAggregator进行计算,AggregateMetricBackedSumAggregator实现了从aggregate_metric_double从获取sum类型对应的value,进行sum运算,就能完成对应需求。

另外由于aggregate_metric_double支持default_metric,所以aggregate_metric_double还能支持一些基础的query功能,包括:exists、range、term、terms。实现方式就是使用default_metric对应的索引字段,比如对termQuery的支持如下:

        @Override
        public Query termQuery(Object value, SearchExecutionContext context) {
            if (value == null) {
                throw new IllegalArgumentException("Cannot search for null.");
            }
            return delegateFieldType().termQuery(value, context);
        }
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 217,907评论 6 506
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,987评论 3 395
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 164,298评论 0 354
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,586评论 1 293
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,633评论 6 392
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,488评论 1 302
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,275评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 39,176评论 0 276
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,619评论 1 314
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,819评论 3 336
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,932评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,655评论 5 346
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,265评论 3 329
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,871评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,994评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 48,095评论 3 370
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,884评论 2 354

推荐阅读更多精彩内容