ElasticSearch裡面的聚合機制非常靈活和強大，今天我們來看下如何在ElasticSearch裡面實現分組後，根據sum值進行排序？類似的資料庫SQL如下：

select id,sum(c1) as c1 , sum(c2) as c2  from table1 group id order by c1 desc, c2 asc

這是一個比較常見的統計需求，在es也能比較輕鬆的實現，先看看curl的一個實現例子查詢：

GET myindex/_search
{
  "size":0,
  "aggs": {
    "a1": {
      "terms": { 
        "field"
 
: "FIELD1",
        "size":0,
        "order": {"a2": "desc"}     
      },
      "aggs":{
        "a2":{
          "sum":{
            "field":"FIELD2.SUBFIELD"
          }
        }
      }
    }
  }
}

然後，我們看下，如何在Java Api裡面操作：

首先我們看下造的資料

總共三個欄位id,count,code都是int型別的

id,count,code
1,3,1
2,4,1
1,5,2
 

2,7,1
3,11,7

然後，我們可以將上面的資料插入到es裡面，具體的插入程式碼不在給出，比較簡單，直接通過client.prepareIndex方法插入json即可。

下面看下查詢程式碼：

public void groupTest(){

	    //構建查詢請求體
        SearchRequestBuilder search = client.prepareSearch("gv_test").setTypes("gv_test");

        //分組欄位是id，排序由多個欄位排序組成
        TermsBuilder tb= AggregationBuilders.terms("id"
 
).field("id").order(Terms.Order.compound(
                Terms.Order.aggregation("sum_count",false)//先按count，降序排
                ,
                Terms.Order.aggregation("sum_code",true)//如果count相等情況下，使用code的和排序
        ));

        //求和欄位1
        SumBuilder sb= AggregationBuilders.sum("sum_count").field("count");
        //求和欄位2
        SumBuilder sb_code= AggregationBuilders.sum("sum_code").field("code");

        tb.subAggregation(sb);//新增到分組聚合請求中
        tb.subAggregation(sb_code);//新增到分組聚合請求中

        //將分組聚合請求插入到主請求體重
        search.addAggregation(tb);
        //傳送查詢，獲取聚合結果
       Terms tms=  search.get().getAggregations().get("id");
        //遍歷每一個分組的key
        for(Terms.Bucket tbb:tms.getBuckets()){
            //獲取count的和
            Sum sum= tbb.getAggregations().get("sum_count");
            //獲取code的和
            Sum sum2=tbb.getAggregations().get("sum_code");
            System.out.println(tbb.getKey()+"  " + tbb.getDocCount() +"  "+sum.getValue()+"  "+sum2.getValue());
        }
        //釋放資源
        client.close();
    }

最終的結果如下：

id,分組個數，count的和，code和
2  2  11.0  2.0
3  1  11.0  7.0
1  2  8.0  3.0

通過對比，我們可以到到結果是準確的，雖然程式碼量比sql多很多，但是ElasticSearch的聚合功能卻是非常的強大和靈活，用來做一些OLAP分析是非常方便的。

有什麼問題可以掃碼關注微信公眾號：我是攻城師(woshigcs)，在後臺留言諮詢。 技術債不能欠，健康債更不能欠， 求道之路，與君同行。