【Elasticsearch】聚合查询（四）

Elasticsearch（简称为ES）是一个基于Lucene的开源搜索和分析引擎，提供了丰富的聚合查询功能。聚合查询指的是在搜索结果上执行分组、汇总和统计等操作，以便从大量数据中提取有用的信息和洞察。

这篇主要介绍聚合查询相关查询，通过对一个简单聚合查询层层深入，逐渐形成复杂查询，最后使用桶选择器对聚合结果进行过滤。

一、环境准备

版本

Docker version 20.10.22 elasticsearch:7.13.3 kibana:7.13.3 ps：具体启动命令参考第一篇ES博客

二、聚合查询（metrics）

metrics 聚合查询是 Elasticsearch 聚合查询的一种类型，用于计算某个字段的统计指标，如平均值、总和、最大值、最小值、计数等。

常用统计方法

下面是常用的统计值：

1. avg：计算数值字段的平均值。
2. sum：对数值字段进行求和。
3. min：找到数值字段的最小值。
4. max：找到数值字段的最大值。
5. stats：计算数值字段的最小值、最大值、平均值和总和。

查询示例

还是以bank索引为例子，"size": 0可以不返回原始数据。

// 查询薪水的平均值
POST /bank/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      }
    }
  },
  // 不需要查询原数据，只返回聚合结果
  "size": 0, 
  "aggs": {
    "avg_balance": {
      "avg": {
        "field": "balance"
      }
    }
  }
}

// 查询各种指标
POST /bank/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      }
    }
  },
  "size": 0,
  "aggs": {
    "stats_balance": {
      "stats": {
        "field": "balance"
      }
    }
  }
}

// 返回值
{
  "took" : 6,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 1000,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "stats_balance" : {
      "count" : 1000,// 数量
      "min" : 1011.0,// 最小值
      "max" : 49989.0,// 最大值
      "avg" : 25714.837,// 平均值
      "sum" : 2.5714837E7// 总和
    }
  }
}

三、桶聚合查询（Bucket）

桶聚合查询（Bucket Aggregations）是 Elasticsearch 聚合查询的一种类型，用于按照指定条件将文档分配到不同的"桶"中，并对每个桶进行聚合操作。桶聚合可以根据不同的字段值或范围进行分组和统计，以便提取有关数据集的更详细的信息和洞察。

PS：在桶查询中会有自定义名称，我这里会使用**_self**的后缀来体现。

常用查询类型

以下是一些常见的桶聚合查询类型及其功能：

1. terms：根据某个字段的值进行分组，创建多个桶，并统计每个桶中的文档数量。
2. date_histogram：根据时间字段将文档分配到不同的时间段桶中。
3. range：根据某个字段的值范围将文档分配到不同的桶，并在每个桶上执行其他聚合操作。
4. histogram：根据数值字段将文档分配到不同的数值段桶中，可以指定桶的间隔大小，并对每个数值段桶进行其他聚合操作。
5. geo_distance：根据地理位置字段将文档分配到不同的距离范围桶中，可以指定中心点和距离范围，并在每个距离范围桶上执行其他聚合操作。
6. nested：用于在嵌套的文档结构中进行聚合操作。可以创建多级的嵌套聚合来处理复杂的嵌套数据。

聚合查询

根据年龄进行分组查询。 类似于MySQL中的group by命令，对相同字段进行聚合，等价于select count(*) from bank group by age;

POST /bank/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      }
    }
  },
  "size": 0,
  "aggs": {
    // 自定义查询名称
    "age_group_self": {
      "terms": {
        "field": "age"
      }
    }
  }
}

聚合统计查询（进阶）

在对年龄分组后，查询组的平均薪水。 等价于select avg(balance) from bank group by age;

POST /bank/_search
{
  "query": {
    "bool": {
      "must": {
        "match_all": {}
      }
    }
  },
  "size": 0,
  "aggs": {
    // 第一次根据年龄聚合
    "age_group_self": {
      "terms": {
        "field": "age"
      },
      // 在每个年龄聚合内容内，取平均数
      "aggs": {
        "avg_balance_group_self": {
          "avg": {
            "field": "balance"
          }
        }
      }
    }
  }
}

聚合过滤统计查询（再进阶）

更近一步，查询每个年龄段中，薪水大于40000的人员平均工资。 等价于select avg(balance) from bank group by age having balance >= 40000;

POST /bank/_search
{
  "size": 0,
  "aggs": {
    "age_group_self": {
      "terms": {
        "field": "age"
      },
      "aggs": {
        // 相比增加过滤条件
        "avg_balance_group_self": {
          "filter": {
            "range": {
              "balance": {
                "gte": 40000
              }
            }
          },
          // 因为增加了过滤条件，然后把过滤后的结果进行聚合
          "aggs": {
            "avg_balance_group_self": {
              "avg": {
                "field": "balance"
              }
            }
          }
        }
      }
    }
  }
}

桶选择器

查询人数在55以上的年龄有哪些。 这里使用了bucket_selector 桶选择器，分别有多个参数，介绍如下。

{
    "bucket_selector": {
        "buckets_path": {
            // my_var1 是这个桶的路径中使用脚本中的变量的名称
            // the_sum 路径的度量所使用的变量。
            "my_var1": "the_sum",
            "my_var2": "the_value_count"
        },
        // 在这个聚合上运行的脚本。这个脚本可以是内置的，文件或索引。
        "script": "params.my_var1 > params.my_var2"
    }
}

查询示例

POST /bank/_search
{
  "size": 0,
  "aggs": {
    "age_group_self": {
      "terms": {
        "field": "age"
      },
      "aggs": {
        "age_count_self": {
          "value_count": {
            "field": "age"
          }
        },
        "bucket_filter_self": {
          "bucket_selector": {
            "buckets_path": {
              "count": "age_count_self"
            },
            "script": "params.count > 55"
          }
        }
      }
    }
  }
}

四、总结

在聚合查询中，aggs 命令下首先是一个自定义命名的查询，在这之下可以继续做 aggs 操作，可以对数据进行过滤、排序等操作，再通过最外部的 query 命令进行检索。 在聚合中，是不会过滤桶的个数的，哪怕桶内已经没有符合要求的数据了，这个时候需要使用桶选择器对桶进行过滤。