本文首发于公众号：Hunter后端
原文链接：es笔记六之聚合操作之指标聚合
聚合操作，在 es 中的聚合可以分为大概四种聚合：
- bucketing(桶聚合)
- mertic(指标聚合)
- matrix(矩阵聚合)
- pipeline(管道聚合)
bucket
类似于分类分组，按照某个 key 将符合条件的数据都放到该类别的组中
mertic
计算一组文档的相关值，比如最大，最小值
matrix
根据多个 key 从文档中提取值生成矩阵，这个操作不支持脚本（script）
pipeline
将其他聚合的结果再次聚合输出
聚合是支持套娃（嵌套）操作的，你可以在聚合的结果上接着进行聚合操作，es 是不限制聚合的深度的。
本篇笔记目录如下：
- 指标聚合的基本结构
- 平均值聚合
- 去重统计
- 聚合统计汇总
- 最大值、最小值聚合
- 百分位统计
- 百分位排名
- 字符串统计聚合
- sum 统计总和操作
- count 统计总数操作
- top hit 操作
1、指标聚合的基本结构
指标聚合操作的基本结构大致如下：
GET /bank/_search{ "size": 0, "aggs": { "aggregation_name": { "agg_name": { "field": "field_name" } } }}
其中，aggregation_name 为聚合返回结果的名称，由我们自己定义，agg_name 为聚合的参数，比如最大值最小值，平均值等，这个我们在下面介绍。
指标聚合
指标聚合是从文档中提取字段值出来进行计算得出结果，比如最大最小平均值等。
接下来将详细介绍各种指标聚合操作。
2、平均值聚合
GET /bank/_search{ "size": 0, "aggs": { "avg_balance": { "avg": { "field": "balance" } } }}
其中，最外层的 aggs 表示是聚合操作，avg_balance 是聚合的名称，avg 则表示是平均值聚合，里面的 field 表示聚合的字段是 balance 字段
在这里，如果不添加 size=0，除了会返回我们的聚合结果，还会返回聚合的源数据。
这个操作我们返回的结果如下：
{ "took" : 1, "timed_out" : false, "_shards" : { "total" : 1, "successful" : 1, "skipped" : 0, "failed" : 0 }, "hits" : { "total" : { "value" : 1000, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "avg_balance" : { "value" : 25714.837 } }}
我们聚合的结果在 aggregations 这个 key 下。
脚本执行
脚本执行的方式如下：
GET /bank/_search{ "size": 0, "aggs": { "avg_balance": { "avg": { "script": {"source": "doc.balance.value"} } } }}
对结果处理
假设，我们需要对这个平均值结果进行处理，比如我们计算出来的这个值是 2000，我们想要对这个值进行修正，比如乘以 1.2。
当然，这个乘的操作我们可以获取数据之后在系统里进行操作，如果是直接在 es 的处理中，我们可以如下实现：
GET /bank/_search{ "size": 0, "aggs": { "avg_corrected_balance": { "avg": { "field": "balance", "script": { "lang": "painless", "source": "_value * params.correction", "params": {"correction": 1.2} } } }, "avg_balance": { "avg": { "script": {"source": "doc.balance.value"} } } }}
在上面的语句中，我们新增了一个 params 字段，定义了一个 correction 的值，然后返回的结果乘以了这个值。
在这里，我额外加了一个 avg_balance，是直接用的平均值聚合结果，主要是用来对比这两个结果。
缺失值补充
有一些情况，我们在导入数据的时候，可能某条数据的某个字段是没有值的，默认情况下他们是会被忽略的，不计入计算的，但是如果想要为其加一个默认值也是可以实现的，这里我们用到 missing 这个参数来定义：
GET /bank/_search{ "size": 0, "aggs": { "avg_balance": { "avg": { "field": "balance", "missing": 0 } } }}
3、去重统计
是对某个字段进行去重后统计总数，操作如下：
GET /bank/_search{ "size": 0, "aggs": { "age_count": { "cardinality": { "field": "age" } } }}
需要注意的是，这个统计对于 text 字段属性是不生效的
4、聚合统计汇总
有一个聚合统计汇总的参数 stats，可以将一般的聚合值进行汇总后返回，比如总数，最大值，最小值等，使用如下：
GET /bank/_search{ "size": 0, "aggs": { "age_stats": { "stats": { "field": "age" } } }}
可以看到返回的值如下：
{ ... "aggregations" : { "age_stats" : { "count" : 1000, "min" : 20.0, "max" : 40.0, "avg" : 30.171, "sum" : 30171.0 } }}
如果还想获得方差，标准差等数据，可以使用这个参数的扩展版 extended_stats，替换聚合的参数 stats 即可。
5、最大值、最小值聚合
最大值最小值的关键字是 max 和 min，使用示例如下：
GET /bank/_search{ "size": 0, "aggs": { "max_age": { "max": {"field": "age"} }, "min_age": { "min": {"field": "age"} } }}
使用脚本的方式来实现：
GET /bank/_search{ "size": 0, "aggs": { "max_age": { "max": {"script": {"source": "doc.age.value"}} } }}
6、百分位统计
使用 es 进行百分位的统计，用到的关键字是 percentiles
使用示例如下：
GET /bank/_search{ "size": 0, "aggs": { "age_percentiles": { "percentiles": { "field": "age" } } }}
会输出 [1, 5, 25, 75, 95, 99] 的统计数：
{ ... "aggregations" : { "age_percentiles" : { "values" : { "1.0" : 20.0, "5.0" : 21.0, "25.0" : 25.0, "50.0" : 30.8, "75.0" : 35.0, "95.0" : 39.0, "99.0" : 40.0 } } }}
我们也可以指定统计的百分位的数列表，比如我们只想知道 [75, 98, 99, 99.9] 的数据：
GET /bank/_search{ "size": 0, "aggs": { "age_percentiles": { "percentiles": { "field": "age", "percents": [75, 98, 99, 99.9] } } }}
我们直接使用是返回的百分位-数据的格式，我们也可以使用 {'key': xx, 'value': xx} 来返回一个列表，加上一个参数 keyed=false 即可
GET /bank/_search{ "size": 0, "aggs": { "age_percentiles": { "percentiles": { "field": "age", "keyed": false } } }}
返回的结果示例如下：
"age_percentiles" : { "values" : [ ... { "key" : 75.0, "value" : 35.0 }, { "key" : 95.0, "value" : 39.0 }, { "key" : 99.0, "value" : 40.0 } ] } }}
7、百分位排名
这个是和前面的百分位统计相反的操作。
前面是根据百分位获取该百分位值，这个参数的作用是根据数据获取在系统中的百分位，使用示例如下：
GET /bank/_search{ "size": 0, "aggs": { "age_ranks": { "percentile_ranks": { "field": "age", "values": [ 30, 35, 40 ] } } }}
8、字符串统计聚合
对于字符串类型的数据，有一个专门的参数来获取相应的聚合统计值，为 string_stats
对 lastname 字段的统计示例如下：
GET /bank/_search{ "size": 0, "aggs": { "last_name_stats": { "string_stats": {"field": "lastname.keyword"} } }}
需要注意，如果我们需要进行统计的字段如果是 text 字段，那么就需要加上 .keyword 来进行统计，如果是字段属性是 keyword，就不需要这样处理。
经过统计返回的数据如下：
... "aggregations" : { "last_name_stats" : { "count" : 1000, "min_length" : 2, "max_length" : 11, "avg_length" : 6.122, "entropy" : 4.726472133462717 } }}
以上信息包括数据总数，lastname 字段最长和最短长度，平均长度和熵值
9、sum 统计总和操作
比如我们需要对 bank 这个数据库的 age 字段进行 sum 的操作，可以如下操作：
GET /bank/_search{ "size": 0, "aggs": { "age_sum": { "sum": {"field": "age"} } }}
在前面的每一个聚合操作里，都可以进行 query 的条件筛选，比如获取 age=21 的数据的 sum 值：
GET /bank/_search{ "size": 0, "query": {"match": {"age": "21"}}, "aggs": { "age_sum": { "sum": {"field": "age"} } }}
10、count 统计总数操作
count 是统计总数，使用示例如下：
GET /bank/_search{ "size": 0, "aggs": { "age_count": { "value_count": { "field": "age" } } }}
11、top hit 操作
top hit 操作是根据条件返回符合条件的前几条数据，通过 size 控制返回的数量。
我们先来看下下面的这个操作：
GET /bank/_search{ "size": 0, "aggs": { "top_ages": { "terms": { "field": "age", "size": 30 } } }}
这个操作其实就是一个桶聚合，它会在下一篇笔记中介绍，这里我们直接用一下，它返回字段为 age，以及它在文档中的数量：
... "aggregations" : { "top_ages" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [ { "key" : 31, "doc_count" : 61 }, { "key" : 39, "doc_count" : 60 }, { "key" : 26, "doc_count" : 59 }, ...
top_hits 的操作是在第一个 aggs 聚合操作条件下，进行再次聚合。
比如我们想要获取各个 age 的数据中，按照 balance 字段进行倒序排序的前三个，我们可以如下操作：
GET /bank/_search{ "size": 0, "aggs": { "top_ages": { "terms": { "field": "age", "size": 30 }, "aggs": { "top_balance_hits": { "top_hits": { "size": 3, "sort": [{"balance": {"order": "desc"}}] } } } } }}
然后在第一次聚合返回的结果中，就会多一个 top_balance_hits 字段，也就是我们在查询操作中指定的，其下会有三条按照 balance 字段倒序返回的数据：
... "aggregations" : { "top_ages" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [ { "key" : 31, "doc_count" : 61, "top_balance_hits" : { "hits" : { "total" : { "value" : 61, "relation" : "eq" }, "max_score" : null, "hits" : [ ... ] }, { "key" : 39, "doc_count" : 60, ... }, { "key" : 26, "doc_count" : 59, ... }, ...
如果想获取更多相关文章，可扫码关注阅读：
经验首页