elasticsearch 官方API翻译 聚合

聚合

在使用查询query的时候,可以使用 aggregations 框架来聚合数据。只需要在query语句构建的时候使用aggregations块。

一个aggregation可以被视作一个在doc集合的基础上做分析的单元。它执行上下文信息定义了这个集合。比如说search请求的query/filters的上下文,会被用来执行顶层的聚合。

有许多不同类型的aggregations,他们可以实现不同的需求,并且有不相同的输出。可以将这些聚类分为4个大家族

  • bucketing : 桶
    这个系列的聚合,可以构建桶,每个桶关联一个key和一个criterion。 当执行聚合时,根据标准来评估,在上下文中的文档集合中的每个文档,并且当匹配这个标准时,该文档被认为“落入”相关桶。 在聚合过程结束时,我们将最终得到一个桶列表,每个桶都有一组“属于”这个桶的文档。

  • Metric : 指标
    基于一个doc集合跟踪和计算指标。

  • Matrix:矩阵
    操作多个字段,并且基于从requested文档字段中抽取的值,产生一个矩阵。这种类型的聚合不支持脚本。

  • Pipeline:管道
    聚合其他聚合的输出或者相关的指标。

由于每个桶有效地定义了一个文档集(所有文档属于存储桶),所以可以潜在地关联存储桶级别的聚合,并且它们将在该存储桶的上下文中执行。 这是聚合的真正力量在哪里:聚合可以嵌套!

bucket 聚合可以包含子聚合(bucket 或 metric)。 子聚合将根据父聚合生成的bucket进行计算。 嵌套聚合的级别/深度没有硬限制(可以在“父”聚合下嵌套聚合,本身就是另一个更高层聚合的子聚合)。

聚合的结构

下面的片段是聚合的基本结构:

"aggregations" : {
    "<aggregation_name>" : {
        "<aggregation_type>" : {
            <aggregation_body>
        }
        [,"meta" : {  [<meta_data_body>] } ]?
        [,"aggregations" : { [<sub_aggregation>]+ } ]?
    }
    [,"<aggregation_name_2>" : { ... } ]*
}

JSON中的aggregations对象(也可以使用aggs)将要进行聚合计算。用户可以为每个聚合定义一个逻辑名称(例如,如果聚合计算平均价格,可以将其命名为avg_price)。这些逻辑名称也将用于唯一标识响应中的聚合。每个聚合都有一个特定类型(上述代码片段中的<aggregation_type>),通常是body里的第一个key。每种类型的聚合根据聚合的性质来定义了其自己的body(例如,特定字段上的平均聚合将定义将计算平均值的字段)。在聚合类型定义的相同级别,可以选择定义一组附加聚合,尽管如果您定义的聚合具有压力性质,这仅仅是有意义的。在这种情况下,您将在针对集合聚合级别定义的子聚合计算所有由聚合聚合构建的桶。例如,如果在范围聚合范围内定义了一组聚合,则将针对定义的范围值来计算子聚合。

Values Source

一些聚合基于另一个聚合的输出。我们为一个聚合设置了field,这个聚合的结果中包含文档中field的值,通常,values会从这些值中抽取。也可以定义一个script来为每一个doc生成一个值,用。
如果为聚合设置了,field和script2个字段,script将被当作value script对待。像普通的scripts在doc级别被评估一样,value script在value级别被评估。在这种模式下,value重field中取得,script被应用于 “transformation” 这些value上。

Elasticsearch使用mapping中的field类型来知道如何运行聚合,并且格式化响应。然后有2中清空,es不能高清楚这些信息,没有别映射的的字段和存脚本。在这种情况下,可以使用value_type选项来制定类型。可用的类型是string,long(适用于所有的integer类型),double,date,ip和boolean。

最后编辑于
©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 212,222评论 6 493
  • 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 90,455评论 3 385
  • 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 157,720评论 0 348
  • 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 56,568评论 1 284
  • 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 65,696评论 6 386
  • 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 49,879评论 1 290
  • 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 39,028评论 3 409
  • 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 37,773评论 0 268
  • 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 44,220评论 1 303
  • 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 36,550评论 2 327
  • 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 38,697评论 1 341
  • 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 34,360评论 4 332
  • 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 40,002评论 3 315
  • 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 30,782评论 0 21
  • 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 32,010评论 1 266
  • 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 46,433评论 2 360
  • 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 43,587评论 2 350

推荐阅读更多精彩内容