elasticsearch聚合操做——本質就是針對搜索後的結果使用桶bucket（容許嵌套）進行group by，統計下分組結果，包括min/max/avg

分析

最後，咱們還有一個需求須要完成：容許管理者在職員目錄中進行一些分析。 Elasticsearch有一個功能叫作聚合(aggregations)，它容許你在數據上生成複雜的分析統計。它很像SQL中的GROUP BY可是功能更強大。

+

 

舉個例子，讓咱們找到全部職員中最大的共同點（興趣愛好）是什麼：

GET /megacorp/employee/_search
{
  "aggs": { "all_interests": { "terms": { "field": "interests" } } } } 

暫時先忽略語法只看查詢結果：

{
   ...
   "hits": { ... }, "aggregations": { "all_interests": { "buckets": [ { "key": "music", "doc_count": 2 }, { "key": "forestry", "doc_count": 1 }, { "key": "sports", "doc_count": 1 } ] } } } 

咱們能夠看到兩個職員對音樂有興趣，一個喜歡林學，一個喜歡運動。這些數據並無被預先計算好，它們是實時的從匹配查詢語句的文檔中動態計算生成的。若是咱們想知道全部姓"Smith"的人最大的共同點（興趣愛好），咱們只須要增長合適的語句既可：

GET /megacorp/employee/_search
{
  "query": { "match": { "last_name": "smith" } }, "aggs": { "all_interests": { "terms": { "field": "interests" } } } } 

all_interests聚合已經變成只包含和查詢語句相匹配的文檔了：

...
  "all_interests": { "buckets": [ { "key": "music", "doc_count": 2 }, { "key": "sports", "doc_count": 1 } ] } 

聚合也容許分級彙總。例如，讓咱們統計每種興趣下職員的平均年齡：

GET /megacorp/employee/_search
{
    "aggs" : { "all_interests" : { "terms" : { "field" : "interests" }, "aggs" : { "avg_age" : { "avg" : { "field" : "age" } } } } } } 

雖然此次返回的聚合結果有些複雜，但任然很容易理解：

3

 

...
  "all_interests": { "buckets": [ { "key": "music", "doc_count": 2, "avg_age": { "value": 28.5 } }, { "key": "forestry", "doc_count": 1, "avg_age": { "value": 35 } }, { "key": "sports", "doc_count": 1, "avg_age": { "value": 25 } } ] } 

該聚合結果比以前的聚合結果要更加豐富。咱們依然獲得了興趣以及數量（指具備該興趣的員工人數）的列表，可是如今每一個興趣額外擁有avg_age字段來顯示具備該興趣員工的平均年齡。

2

 

即便你還不理解語法，但你也能夠大概感受到經過這個特性能夠完成至關複雜的聚合工做，你能夠處理任何類型的數據。

 

爲了掌握聚合aggs語法，你必定要了解兩個主要概念：

Buckets(桶)：

知足某個條件的文檔集合。

Metrics(指標)：

爲某個桶中的文檔計算獲得的統計信息。

就是這樣！每一個聚合只是簡單地由一個或者多個桶，零個或者多個指標組合而成。

桶和SQL中的組(Grouping)擁有類似的概念，而指標則與COUNT()，SUM()，MAX()，MIN(), AVG()等類似。

讓咱們仔細看看這些概念。

桶(Buckets)

一個桶就是知足特定條件的一個文檔集合：

一名員工要麼屬於男性桶，或者女性桶。

 

一個聚合就是一些桶和指標的組合。一個聚合能夠只有一個桶，或者一個指標，或者每樣一個。在桶中甚至能夠有多個嵌套的桶。好比，咱們能夠將文檔按照其所屬國家進行分桶，而後對每一個桶計算其平均薪資(一個指標)。

由於桶是能夠嵌套的，咱們可以實現一個更加複雜的聚合操做：

將文檔按照國家進行分桶。(桶)
而後將每一個國家的桶再按照性別分桶。(桶)
而後將每一個性別的桶按照年齡區間進行分桶。(桶)
最後，爲每一個年齡區間計算平均薪資。

你們必定要理解Buckets(桶)及Metrics(指標)概念，buckets多層嵌套的概念，想基於哪一個桶作統計計算，只須要嵌入一層aggs就能夠了。