本文共 6514 字,大约阅读时间需要 21 分钟。
比如性别有男、女,就会创建两个桶,分别存放男女的信息。默认会搜集 doc_count 的信息,即记录有多少男生,有多少女生,然后返回给客户端,这样就完成了一个 terms 的统计。
{ "aggs" : { "genders" : { "terms" : { "field" : "gender" } } }}
得到的结果如下:
{ ... "aggregations" : { "genders" : { "doc_count_error_upper_bound": 0, "sum_other_doc_count": 0, "buckets" : [ { "key" : "male", "doc_count" : 10 }, { "key" : "female", "doc_count" : 10 }, ] } }}
使用 terms 聚合,结果可能带有一定的偏差与错误性。
举个例子:
我们想要获取 name 字段中出现频率最高的前 5 个。
此时,客户端向 ES 发送聚合请求,主节点接收到请求后,会向每个独立的分片发送该请求。
分片独立的计算自己分片上的前 5 个 name,然后返回。当所有的分片结果都返回后,在主节点进行结果的合并,再求出频率最高的前 5 个,返回给客户端。这样就会造成一定的误差,比如最后返回的前 5 个中,有一个叫 A 的,有 50 个文档;B 有 49。但是由于每个分片独立的保存信息,信息的分布也是不确定的。有可能第一个分片中 B 的信息有 2 个,但是没有排到前 5,所以没有在最后合并的结果中出现。这就导致B的总数少计算了 2,本来可能排到第一位,却排到了 A 的后面。
为了改善上面的问题,就可以使用 size 和 shard_size 参数。
通过这两个参数,如果我们想要返回前 5 个,size=5;shard_size 可以设置大于 5,这样每个分片返回的词条信息就会增多,相应的误差几率也会减小。
order 指定了最后返回结果的排序方式,默认是按照 doc_count 排序。
{ "aggs" : { "genders" : { "terms" : { "field" : "gender", "order" : { "_count" : "asc" } } } }}
也可以按照字典方式排序:
{ "aggs" : { "genders" : { "terms" : { "field" : "gender", "order" : { "_term" : "asc" } } } }}
当然也可以通过 order 指定一个单值的 metric 聚合来排序。
{ "aggs" : { "genders" : { "terms" : { "field" : "gender", "order" : { "avg_height" : "desc" } }, "aggs" : { "avg_height" : { "avg" : { "field" : "height" } } } } }}
同时也支持多值的 metric 聚合,不过要指定使用的多值字段:
{ "aggs" : { "genders" : { "terms" : { "field" : "gender", "order" : { "height_stats.avg" : "desc" } }, "aggs" : { "height_stats" : { "stats" : { "field" : "height" } } } } }}
聚合的字段可能存在一些频率很低的词条,如果这些词条数目比例很大,那么就会造成很多不必要的计算。
因此可以通过设置 min_doc_count 和 shard_min_doc_count 来规定最小的文档数目,只有满足这个参数要求的个数的词条才会被记录返回。通过名字就可以看出:
桶聚合也支持脚本的使用:
{ "aggs" : { "genders" : { "terms" : { "script" : "doc['gender'].value" } } }}
以及外部脚本文件:
{ "aggs" : { "genders" : { "terms" : { "script" : { "file": "my_script", "params": { "field": "gender" } } } } }}
filter 字段提供了过滤的功能,使用两种方式:include 可以过滤出包含该值的文档;相反则使用 exclude。
例如:{ "aggs" : { "tags" : { "terms" : { "field" : "tags", "include" : ".*sport.*", "exclude" : "water_.*" } } }}
上面的例子中,最后的结果应该包含 sport 并且不包含 water。
也支持数组的方式,定义包含与排除的信息:{ "aggs" : { "JapaneseCars" : { "terms" : { "field" : "make", "include" : ["mazda", "honda"] } }, "ActiveCarManufacturers" : { "terms" : { "field" : "make", "exclude" : ["rover", "jensen"] } } }}
通常情况,terms 聚合都是仅针对于一个字段的聚合。因为该聚合是需要把词条放入一个哈希表中,如果多个字段就会造成 n^2 的内存消耗。
不过,对于多字段,ES 也提供了下面两种方式:
对于子聚合的计算,有两种方式:
默认情况下 ES 会使用深度优先,不过可以手动设置成广度优先,比如:
{ "aggs" : { "actors" : { "terms" : { "field" : "actors", "size" : 10, "collect_mode" : "breadth_first" }, "aggs" : { "costars" : { "terms" : { "field" : "actors", "size" : 5 } } } } }}
当然,多字段聚合需要写好长一串的查询体,如果字段太多,那岂不是要疯了(当然一般也不会太多,太多的话对性能也有影响)。不过,我们可以自己写个递归函数来构建 aggs 。
# Ruby# test.rb def build_aggs_from_fields(fields, aggs_hash) return if fields.empty? field = fields.shift aggs_hash['aggs'] = { "all_#{field}" => { 'terms' => { field: field, size: 1000 } } } build_aggs_from_fields(fields, aggs_hash['aggs']["all_#{field}"])endfields = ['os', 'os_version', 'job_state']aggs_hash = {}build_aggs_from_fields(fields, aggs_hash)pp aggs_hash[root@master ruby_learning]# ruby test.rb{"aggs"=> {"all_os"=> {"terms"=>{:field=>"os", :size=>1000}, "aggs"=> {"all_os_version"=> {"terms"=>{:field=>"os_version", :size=>1000}, "aggs"=> {"all_job_state"=>{"terms"=>{:field=>"job_state", :size=>1000}}}}}}}}------------------------------------------------------------# Ruby# test.rb def build_aggs_from_fields(fields) aggs_hash = {} return if fields.empty? field = fields.shift aggs_hash['aggs'] ||= {} aggs_hash['aggs']["all_#{field}"] = { 'terms' => { field: field, size: 1000 } } sub_aggs = build_aggs_from_fields(fields) aggs_hash['aggs']["all_#{field}"].merge!(sub_aggs) if sub_aggs aggs_hashendfields = ['os', 'os_version', 'job_state']pp build_aggs_from_fields(fields)[root@master ruby_learning]# ruby test.rb {"aggs"=> {"all_os"=> {"terms"=>{:field=>"os", :size=>1000}, "aggs"=> {"all_os_version"=> {"terms"=>{:field=>"os_version", :size=>1000}, "aggs"=> {"all_job_state"=>{"terms"=>{:field=>"job_state", :size=>1000}}}}}}}}
缺省值指定了缺省的字段的处理方式:
{ "aggs" : { "tags" : { "terms" : { "field" : "tags", "missing": "N/A" } } }}
上面的例子都是只有聚合而没有查询,如果你认为 ElasticSearch 的功能也不过如此的话,那你就大错特错了!
{ "query" : { "bool" : { # must: build_multi_field_subquery_body(items) "must" : [{:term=>{"os"=>"openeuler"}}] } }, "aggs" : { "all_os" : { "terms" : { field: "os" }, "aggs" : { "all_state" : { "terms" : { "field" : "job_state" }, } } } }, "size" : 0}
转载地址:http://lnjqi.baihongyu.com/