ES 24 - 經過 Elasticsearch 實現聚合檢索 (分組統計)

時間  2020-11-26
標籤 html java 編程 json app jvm elasticsearch 編程語言 ide 欄目 日誌分析 简体版
原文   原文鏈接

目錄

1 普通聚合分析

1.1 直接聚合統計

(1) 計算每一個tag下的文檔數量, 請求語法:html

GET book_shop/it_book/_search
{
    "size": 0,    			// 不顯示命中(hits)的全部文檔信息
    "aggs": {
        "group_by_tags": {	// 聚合結果的名稱, 須要自定義(複製時請去掉此註釋)
            "terms": {
                "field": "tags"
            }
        }
    }
}

(2) 發生錯誤:java

說明: 索引book_shop的mapping映射是ES自動建立的, 它把tag解析成了text類型, 在發起對tag的聚合請求後, 將拋出以下錯誤:編程

{
    "error": {
        "root_cause": [
            {
                "type": "illegal_argument_exception",
                "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [tags] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory. Alternatively use a keyword field instead."
            }
        ],
        "type": "search_phase_execution_exception",
        "reason": "all shards failed",
        "phase": "query",
        "grouped": true,
        "failed_shards": [......]
    },
    "status": 400
}

(3) 錯誤分析:json

錯誤信息: Set fielddata=true on [xxxx] ......
錯誤分析: 默認狀況下, Elasticsearch 對 text 類型的字段(field)禁用了 fielddata;
text 類型的字段在建立索引時會進行分詞處理, 而聚合操做必須基於字段的原始值進行分析;
因此若是要對 text 類型的字段進行聚合操做, 就須要存儲其原始值 —— 建立mapping時指定fielddata=true, 以便經過反轉倒排索引(即正排索引)將索引數據加載至內存中.app

(4) 解決方案一: 對text類型的字段開啓fielddata屬性:jvm

  • 將要分組統計的text field(即tags)的fielddata設置爲true:elasticsearch

    PUT book_shop/_mapping/it_book
{
    "properties": {
        "tags": {
            "type": "text",
            "fielddata": true
        }
    }
}

  • 可參考官方文檔進行設置:
    https://www.elastic.co/guide/en/elasticsearch/reference/6.6/fielddata.html. 成功後的結果以下:編程語言

    {
  "acknowledged": true
}

  • 再次統計, 獲得的結果以下:ide

    {
    "took": 153,
    "timed_out": false,
    "_shards": {
        "total": 5,
        "successful": 5,
        "skipped": 0,
        "failed": 0
    },
    "hits": {
        "total": 4,
        "max_score": 0.0,
        "hits": []
    },
    "aggregations": {
        "group_by_tags": {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 6,
            "buckets": [
                {
                    "key": "java",
                    "doc_count": 3
                },
                {
                    "key": "程",
                    "doc_count": 2
                },
                ......
            ]
        }
    }
}

(5) 解決方法二: 使用內置keyword字段:ui

  • 開啓fielddata將佔用大量的內存.

  • Elasticsearch 5.x 版本開始支持經過text的內置字段keyword做精確查詢、聚合分析:

    GET shop/it_book/_search
{
    "size": 0,
    "aggs": {
        "group_by_tags": {
            "terms": {
                "field": "tags.keyword"	// 使用text類型的內置keyword字段
    	    }
    	}
    }
}

1.2 先檢索, 再聚合

(1) 統計name中含有「jvm」的圖書中每一個tag的文檔數量, 請求語法:

GET book_shop/it_book/_search
{
    "query": {
        "match": { "name": "jvm" }
    }, 
    "aggs": {
        "group_by_tags": {  // 聚合結果的名稱, 須要自定義. 下面使用內置的keyword字段: 
            "terms": { "field": "tags.keyword" }
        }
    }
}

(2) 響應結果:

{
  "took" : 7,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : 1,
    "max_score" : 0.64072424,
    "hits" : [
      {
        "_index" : "book_shop",
        "_type" : "it_book",
        "_id" : "2",
        "_score" : 0.64072424,
        "_source" : {
          "name" : "深刻理解Java虛擬機：JVM高級特性與最佳實踐",
          "author" : "周志明",
          "category" : "編程語言",
          "desc" : "Java圖書領域公認的經典著做",
          "price" : 79.0,
          "date" : "2013-10-01",
          "publisher" : "機械工業出版社",
          "tags" : [
            "Java",
            "虛擬機",
            "最佳實踐"
          ]
        }
      }
    ]
  },
  "aggregations" : {
    "group_by_tags" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "Java",
          "doc_count" : 1
        },
        {
          "key" : "最佳實踐",
          "doc_count" : 1
        },
        {
          "key" : "虛擬機",
          "doc_count" : 1
        }
      ]
    }
  }
}

1.3 擴展: fielddata和keyword的聚合比較

  • 爲某個 text 類型的字段開啓fielddata字段後, 聚合分析操做會對這個字段的全部分詞分別進行聚合, 得到的結果大多數狀況下並不符合咱們的需求.

  • 使用keyword內置字段, 不會對相關的分詞進行聚合, 結果可能更有用.

—— 推薦使用text類型字段的內置keyword進行聚合操做.

2 嵌套聚合

2.1 先分組, 再聚合統計

(1) 先按tags分組, 再計算每一個tag下圖書的平均價格, 請求語法:

GET book_shop/it_book/_search
{
    "size": 0, 
    "aggs": {
        "group_by_tags": {
            "terms": { "field": "tags.keyword" },
            "aggs": {
                "avg_price": {
                    "avg": { "field": "price" }
                }
            }
        }
    }
}

(2) 響應結果:

"hits" : {
    "total" : 3,
    "max_score" : 0.0,
    "hits" : [ ]
  },
  "aggregations" : {
    "group_by_tags" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "Java",
          "doc_count" : 3,
          "avg_price" : {
            "value" : 102.33333333333333
          }
        },
        {
          "key" : "編程語言",
          "doc_count" : 2,
          "avg_price" : {
            "value" : 114.0
          }
        },
        ......
      ]
    }
  }

2.2 先分組, 再統計, 最後排序

(1) 計算每一個tag下圖書的平均價格, 再按平均價格降序排序, 查詢語法:

GET book_shop/it_book/_search
{
    "size": 0,
    "aggs": {
        "all_tags": {
            "terms": {
                "field": "tags.keyword", 
                "order": { "avg_price": "desc" } // 根據下述統計的結果排序
            },
            "aggs": {
                "avg_price": {
                    "avg": { "field": "price" }
                }
            }
        }
    }
}

(2) 響應結果:

與#2.1節內容類似, 區別在於按照價格排序顯示了.

2.3 先分組, 組內再分組, 而後統計、排序

(1) 先按價格區間分組, 組內再按tags分組, 計算每一個tags組的平均價格, 查詢語法:

GET book_shop/it_book/_search
{
    "size": 0, 
    "aggs": {
        "group_by_price": {
            "range": {
                "field": "price", 
                "ranges": [
                    { "from": 00,  "to": 100 },
                    { "from": 100, "to": 150 }
                ]
            }, 
            "aggs": {
                "group_by_tags": {
                    "terms": { "field": "tags.keyword" }, 
                    "aggs": {
                        "avg_price": {
                            "avg": { "field": "price" }
                        }
                    }
                }
            }
        }
    }
}

(2) 響應結果:

"hits" : {
    "total" : 3,
    "max_score" : 0.0,
    "hits" : [ ]
  },
  "aggregations" : {
    "group_by_price" : {
      "buckets" : [
        {
          "key" : "0.0-100.0",    // 區間0.0-100.0
          "from" : 0.0,
          "to" : 100.0,
          "doc_count" : 1,        // 共查找到了3條文檔
          "group_by_tags" : {     // 對tags分組聚合
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 0,
            "buckets" : [
              {
                "key" : "Java",
                "doc_count" : 1,
                "avg_price" : {
                  "value" : 79.0
                }
              },
              ......
            ]
          }
        },
        {
          "key" : "100.0-150.0",
          "from" : 100.0,
          "to" : 150.0,
          "doc_count" : 2,
          "group_by_tags" : {
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 0,
            "buckets" : [
              {
                "key" : "Java",
                "doc_count" : 2,
                "avg_price" : {
                  "value" : 114.0
                }
              },
              ......
              }
            ]
          }
        }
      ]
    }
  }

版權聲明

做者: 馬瘦風(https://healchow.com)

出處: 博客園 馬瘦風的博客(https://www.cnblogs.com/shoufeng)

感謝閱讀, 若是文章有幫助或啓發到你, 點個[好文要頂👆] 或 [推薦👍] 吧😜

本文版權歸博主全部, 歡迎轉載, 但 [必須在文章頁面明顯位置標明原文連接], 不然博主保留追究相關人員法律責任的權利.

相關文章
相關標籤/搜索
每日一句
    每一个你不满意的现在，都有一个你没有努力的曾经。
本站公眾號
   歡迎關注本站公眾號,獲取更多信息
聯繫我們 最近搜索 最新文章 沪ICP备13005482号-10 MyBatis教程 SQL 教程 MySQL教程 Java 教程 Thymeleaf 教程 Hibernate教程 Spring教程 Redis教程