Elasticsearch(8) --- 聚合查詢(Metric聚合)

在Mysql中，我們可以獲取一組資料的 最大值(Max)、最小值(Min)。同樣我們能夠對這組資料進行 分組(Group)。那麼對於Elasticsearch中

我們也可以實現同樣的功能，聚合有關資料官方文件內容較多，這裡大概分3篇或者4篇部落格寫這個有關Elasticsearch聚合。

官方對聚合有四個關鍵字: Metric(指標）、Bucketing(桶）、Matrix(矩陣）、Pipeline(管道）。

一、聚合概念

1. ES聚合分析是什麼？

概念 Elasticsearch除全文檢索功能外提供的針對Elasticsearch資料做統計分析的功能。它的實時性高,所有的計算結果都是即時返回。

Metric(指標):   指標分析型別，如計算最大值、最小值、平均值等等 （對桶內的文件進行聚合分析的操作）
Bucket(桶):     分桶型別，類似SQL中的GROUP BY語法 （滿足特定條件的文件的集合）
Pipeline(管道): 管道分析型別，基於上一級的聚合分析結果進行在分析
Matrix(矩陣):   矩陣分析型別（聚合是一種面向數值型的聚合，用於計算一組文件欄位中的統計資訊）

2.ES聚合分析查詢的寫法

在查詢請求體中以aggregations節點按如下語法定義聚合分析：

"aggregations" : {
    "<aggregation_name>" : {                                 <!--聚合的名字 -->
        "<aggregation_type>" : {                               <!--聚合的型別 -->
            <aggregation_body>                                 <!--聚合體：對哪些欄位進行聚合 -->
        }
        [,"meta" : {  [<meta_data_body>] } ]?               <!--元 -->
        [,"aggregations" : { [<sub_aggregation>]+ } ]?   <!--在聚合裡面在定義子聚合 -->
    }
    [,"<aggregation_name_2>" : { ... } ]*                     <!--聚合的名字 -->
}
 

說明：aggregations 也可簡寫為 aggs

3、指標（metric）和 桶（bucket）

雖然Elasticsearch有四種聚合方式，但在一般實際開發中，用到的比較多的就是Metric和Bucket。

（1） 桶（bucket）　　

　　a、簡單來說桶就是滿足特定條件的文件的集合。

　　b、當聚合開始被執行，每個文件裡面的值通過計算來決定符合哪個桶的條件，如果匹配到，文件將放入相應的桶並接著開始聚合操作。

　　c、桶也可以被巢狀在其他桶裡面。

（2）指標（metric）

　　a、桶能讓我們劃分文件到有意義的集合，但是最終我們需要的是對這些桶內的文件進行一些指標的計算。分桶是一種達到目的地的手段：它提供了一種給文件分組的方法來讓

我們可以計算感興趣的指標。

　　b、大多數指標是簡單的數學運算（如：最小值、平均值、最大值、彙總），這些是通過文件的值來計算的。

二、指標（Metric）詳解

官網: 指標聚合官網文件：Metric

Metric聚合分析分為單值分析和多值分析兩類：

#1、單值分析，只輸出一個分析結果
min,max,avg,sum,cardinality
#2、多值分析，輸出多個分析結果
stats,extended_stats,percentile,percentile_rank,top hits

1、Avg(平均值)

計算從聚合文件中提取的數值的平均值。

POST /exams/_search?size=0
{
    "aggs" : {
        "avg_grade" : { "avg" : { "field" : "grade" } }
    }
}

2、Max(最大值)

計算從聚合文件中提取的數值的最大值。

POST /sales/_search?size=0
{
    "aggs" : {
        "max_price" : { "max" : { "field" : "price" } }
    }
}

3、Min(最小值)

計算從聚合文件中提取的數值的最小值。

POST /sales/_search?size=0
{
    "aggs" : {
        "min_price" : { "min" : { "field" : "price" } }
    }
}

4、Sum(總和)

計算從聚合文件中提取的數值的總和。

POST /sales/_search?size=0
{
    "query" : {
        "constant_score" : {
            "filter" : {
                "match" : { "type" : "hat" }
            }
        }
    },
    "aggs" : {
        "hat_prices" : { "sum" : { "field" : "price" } }
    }
}

5、 Cardinality(唯一值)

cardinality 求唯一值，即不重複的欄位有多少（相當於mysql中的distinct）

POST /sales/_search?size=0
{
    "aggs" : {
        "type_count" : {
            "cardinality" : {
                "field" : "type"
            }
        }
    }
}

6、Stats

stats 統計，請求後會直接顯示多種聚合結果

POST /exams/_search?size=0
{
    "aggs" : {
        "grades_stats" : { "stats" : { "field" : "grade" } }
    }
}

返回

{
    ...
    "aggregations": {
        "grades_stats": {
            "count": 2,
            "min": 50.0,
            "max": 100.0,
            "avg": 75.0,
            "sum": 150.0
        }
    }
}

7、Percentiles

對指定欄位的值按從小到大累計每個值對應的文件數的佔比，返回指定佔比比例對應的值。

1）預設取百分比

預設按照[ 1, 5, 25, 50, 75, 95, 99 ]來統計

GET latency/_search
{
    "size": 0,
    "aggs" : {
        "load_time_outlier" : {
            "percentiles" : {
                "field" : "load_time" 
            }
        }
    }
}

返回結果可以理解為：佔比為50%的文件的age值 <= 445，或反過來：age<=445的文件數佔總命中文件數的50%

{
    ...
   "aggregations": {
      "load_time_outlier": {
         "values" : {
            "1.0": 5.0,
            "5.0": 25.0,
            "25.0": 165.0,
            "50.0": 445.0,
            "75.0": 725.0,
            "95.0": 945.0,
            "99.0": 985.0
         }
      }
   }
}

2）指定分位值

GET latency/_search
{
    "size": 0,
    "aggs" : {
        "load_time_outlier" : {
            "percentiles" : {
                "field" : "load_time",
                "percents" : [95, 99, 99.9] 
            }
        }
    }
}

3) Keyed Response

預設情況下，keyed標誌設定為true，它將唯一的字串鍵與每個儲存桶相關聯，並將範圍作為雜湊而不是陣列返回。

GET latency/_search
{
    "size": 0,
    "aggs": {
        "load_time_outlier": {
            "percentiles": {
                "field": "load_time",
                "keyed": false
            }
        }
    }
}

返回結果

{
    ...
    "aggregations": {
        "load_time_outlier": {
            "values": [
                {
                    "key": 1.0,
                    "value": 5.0
                },
                {
                    "key": 5.0,
                    "value": 25.0
                },
                {
                    "key": 25.0,
                    "value": 165.0
                },
                {
                    "key": 50.0,
                    "value": 445.0
                },
                {
                    "key": 75.0,
                    "value": 725.0
                },
                {
                    "key": 95.0,
                    "value": 945.0
                },
                {
                    "key": 99.0,
                    "value": 985.0
                }
            ]
        }
    }
}

8、 Percentile Ranks

上面是通過百分比求文件值，這裡通過文件值求百分比。

GET latency/_search
{
    "size": 0,
    "aggs" : {
        "load_time_ranks" : {
            "percentile_ranks" : {
                "field" : "load_time", 
                "values" : [500, 600]
            }
        }
    }
}

返回結果

{
    ...
   "aggregations": {
      "load_time_ranks": {
         "values" : {
            "500.0": 55.1,
            "600.0": 64.0
         }
      }
   }
}

結果說明：時間小於500的文件佔比為55.1%，時間小於600的文件佔比為64%，

9、Top Hits

一般用於分桶後獲取該桶內匹配前n的文件列表

POST /sales/_search?size=0
{
    "aggs": {
        "top_tags": {
            "terms": {
                "field": "type",  #根據type進行分組 每組顯示前3個文件
                "size": 3
            },
            "aggs": {
                "top_sales_hits": {
                    "top_hits": {
                        "sort": [
                            {
                                "date": { 
                                    "order": "desc"  #按照時間進行倒敘排序
                                }
                            }
                        ],
                        "_source": {
                            "includes": [ "date", "price" ] #只顯示文件指定欄位
                        },
                        "size" : 1
                    }
                }
            }
        }
    }
}

三、示例

下面會針對上面官方文件的例子進行舉例說明。

1、新增測試資料

1）建立索引

DELETE /employees
PUT /employees/
{
  "mappings" : {
      "properties" : {
        "age" : {
          "type" : "integer"
        },
        "gender" : {
          "type" : "keyword"
        },
        "job" : {
          "type" : "text",
          "fields" : {
            "keyword" : {
              "type" : "keyword",
              "ignore_above" : 50
            }
          }
        },
        "name" : {
          "type" : "keyword"
        },
        "salary" : {
          "type" : "integer"
        }
      }
    }
}

2)新增資料

新增10條資料，每條資料包含：姓名、年齡、工作、性別、薪資

PUT /employees/_bulk
{ "index" : {  "_id" : "1" } }
{ "name" : "Emma","age":32,"job":"Product Manager","gender":"female","salary":35000 }
{ "index" : {  "_id" : "2" } }
{ "name" : "Underwood","age":41,"job":"Dev Manager","gender":"male","salary": 50000}
{ "index" : {  "_id" : "3" } }
{ "name" : "Tran","age":25,"job":"Web Designer","gender":"male","salary":18000 }
{ "index" : {  "_id" : "4" } }
{ "name" : "Rivera","age":26,"job":"Web Designer","gender":"female","salary": 22000}
{ "index" : {  "_id" : "5" } }
{ "name" : "Rose","age":25,"job":"QA","gender":"female","salary":18000 }
{ "index" : {  "_id" : "6" } }
{ "name" : "Lucy","age":31,"job":"QA","gender":"female","salary": 25000}
{ "index" : {  "_id" : "7" } }
{ "name" : "Byrd","age":27,"job":"QA","gender":"male","salary":20000 }
{ "index" : {  "_id" : "8" } }
{ "name" : "Foster","age":27,"job":"Java Programmer","gender":"male","salary": 20000}
{ "index" : {  "_id" : "9" } }
{ "name" : "Gregory","age":32,"job":"Java Programmer","gender":"male","salary":22000 }
{ "index" : {  "_id" : "10" } }
{ "name" : "Bryant","age":20,"job":"Java Programmer","gender":"male","salary": 9000}

2、求薪資最低值

POST employees/_search
{
  "size": 0,
  "aggs": {
    "min_salary": {
      "min": {
        "field":"salary"
      }
    }
  }
}

返回

3、找到最低、最高和平均工資

POST employees/_search
{
  "size": 0,
  "aggs": {
    "max_salary": {
      "max": {
        "field": "salary"
      }
    },
    "min_salary": {
      "min": {
        "field": "salary"
      }
    },
    "avg_salary": {
      "avg": {
        "field": "salary"
      }
    }
  }
}

4、一個聚合，輸出多值

POST employees/_search
{
  "size": 0,
  "aggs": {
    "stats_salary": {
      "stats": {
        "field":"salary"
      }
    }
  }
}

返回

5、求一共有多少工作型別

POST employees/_search
{
  "size": 0,
  "aggs": {
    "cardinate": {
      "cardinality": {
        "field": "job.keyword"
      }
    }
  }
}

返回

注意 我們需要把job的型別為keyword型別，這樣就不會分詞，把它當成一個整體。

6、檢視中位數的薪資

POST employees/_search
{
    "size": 0,
    "aggs": {
        "load_time_outlier": {
            "percentiles": {
                "field": "salary",
                 "percents" : [50, 99],
                "keyed": false
            }
        }
    }
}

返回

發現這些工作的中位數是：21000元。

7、取每個工作型別薪資最高的資料

多層巢狀 根據工作型別分桶，然後按照性別分桶，計算每個桶中工資的最高的薪資。

POST employees/_search
{
  "size": 0,
  "aggs": {
    "Job_gender_stats": {
      "terms": {
        "field": "job.keyword"
      },
      "aggs": {
        "gender_stats": {
          "terms": {
            "field": "gender"
          },
          "aggs": {
            "salary_stats": {
              "max": {
                "field": "salary"
              }
            }
          }
        }
      }
    }
  }
}

返回

參考

1、Elasticsearch核心技術與實戰---阮一鳴(eBay Pronto平臺技術負責人

2、ES7.3版官方聚合查詢API

3、Elasticsearch 聚合分析

 我相信，無論今後的道路多麼坎坷，只要抓住今天，遲早會在奮鬥中嚐到人生的甘甜。抓住人生中的一分一秒，勝過虛度中的一月一年！(12）

<