點擊上方「武培軒」，選擇「設爲星標」html
技術文章第一時間送達！web
本文主要介紹 Elasticsearch 的聚合功能，介紹什麼是 Bucket 和 Metric 聚合，以及如何實現嵌套的聚合。微信
首先來看下聚合（Aggregation）：app
什麼是 Aggregation？
首先舉一個生活中的例子，這個是京東的搜索界面，在搜索框中輸入「華爲」進行搜索，就會獲得如上界面，搜索框就是咱們經常使用的搜索功能，而下面這些，好比分類、熱點、操做系統、CPU 類型等是根據 ES 的聚合分析得到的相關結果。elasticsearch
看完上面這個例子，下面來看下聚合的定義：編輯器
ES 除了搜索之外，還提供針對 ES 數據進行統計分析的功能，也就是聚合，它的特色是實時性很是高，全部的計算結果都是即時返回的，而 Hadoop 等大數據系統獲得一個統計結果須要一天的時間，通常都是 T + 1 級別的。ide
經過聚合，咱們會獲得一個數據的概覽，是分析和總結全套的數據，而不是尋找單個文檔，好比海淀區和東城區的客房數量，不一樣價格區間，可預訂的經濟型酒店和商務型酒店的數量，這樣能夠幫助咱們過濾搜索的結果，這樣的優勢是性能高，只須要一條語句，就能夠從 ES 獲得分析結果，無需再客戶端本身去實現分析邏輯。oop
在 ES 的聚合中主要一共分爲四大類：性能
-
Bucket Aggregation：分桶類型，一些列知足特定條件的文檔的集合 -
Metric Aggregation：指標分析類型，一些數學運算，能夠對文檔字段進行統計分析，好比計算最大值、最小值、平均值等 -
Pipeline Aggregation：管道分析類型，對其餘聚合結果進行二次聚合 -
Matrix Aggregation：矩陣分析類型，支持對多個字段的操做並提供一個結果矩陣
在之後的文章會對這些作詳細的講解，本文先來了解下什麼是 Bucket 和 Metric：學習
Bucket 簡單來講至關於 SQL 中的 GROUP，能夠根據條件，把結果分紅一個一個的組，那 Metric 至關於 SQL 中的 COUNT，能夠去執行一系列的統計方法。
接下來看什麼是 Bucket Aggregation：
Bucket Aggregation
Bucket 就是桶的意思，即按照必定的規則將文檔分配到不一樣的桶中，達到分類分析的目的。如上圖所示，左邊有一堆文檔，右邊有三個桶，每一個桶有不一樣的規則，好比第一個桶的規則爲價格小於 3000 的，第二個桶爲價格大於等於 3000 小於 6000 的，最後一個桶的規則爲價格大於 6000 的，而後不一樣的文檔根據不一樣的價格分到不一樣的桶中，那麼咱們就實現了分類。
有了 Bucket 聚合分析機制，咱們就能夠把公司員工以年齡方式進行區分，以地理位置的方式來區分客戶，以男性女性來區分演員等。
根據 Bucket 的分桶策略，常見的 Bucket 聚合分析以下：
-
Terms：直接按照 term來分桶，若是是text類型，則按照分詞後的結果分桶 -
Range：指定數值的範圍來設定分桶規則 -
Date Range：指定日期的範圍來設定分桶規則 -
Histogram：直方圖，以固定間隔的策略來分割數據 -
Date Histogram：針對日期的直方圖或者柱狀圖，是時序數據分析中經常使用的聚合分析類型
下面以 Terms 爲例，讓咱們動手實踐下：
這是一個查看航班目的地的統計信息的例子，經過指定關鍵詞爲 terms，而後指明 term 字段 field 爲 DestCountry，下面咱們請求下，查看下請求結果：
從結果中能夠看到文檔根據目的地分紅了不一樣的桶，每一個桶還包括 doc_count，這樣就能夠很輕鬆知道 ES 存儲的航班信息中，去往意大利、美國、中國等國家分別有多少架航班。
在簡單瞭解了 Bucket 聚合分析後，讓咱們來看下 Metric 聚合分析：
Metric Aggregation
Metric 是基於數據集計算的結果，除了支持在字段上進行計算，一樣也支持在腳本產生的結果之上進行計算。Metric 主要分爲單值分析和多值分析，具體內容以下：
單值分析，只輸出一個分析結果：
-
Min、Max、Avg、Sum -
Cardinality
其中，Min、Max、Avg、Sum 這些很容易理解，在這裏說一下 Cardinality，它是指不一樣數值的個數，至關於 SQL 中的 distinct。
多值分析，輸出多個分析結果：
-
Stats、Extended Stats -
Percentiles、Percentile Ranks -
Top Hits
其中，Stats 是作多樣的數據分析，能夠一次性獲得最大值、最小值、平均值、中值等數據；Extended Stats 是對 Stats 的擴展，包含了更多的統計數據，好比方差、標準差等；Percentiles 和 Percentile Ranks 是百分位數的一個統計；Top Hits 通常用於分桶後獲取桶內最匹配的頂部文檔列表，即詳情數據。
瞭解以後，讓咱們實操起來，緊接着剛纔查看航班目的地的統計信息的例子，若是還想知道機票的均價，最高最低價格，該怎麼作呢？這就須要用到 Metric 了：
咱們在請求中加入 aggs，其中 avg_price 爲本身定義的名字，這個是爲了方便在之後理解這個字段返回值的含義，而後分別關鍵詞分別選擇 avg、max、min 來完成計算目的地不一樣的航班的機票均價、最高最低價格，這個請求的執行結果以下所示：
從結果中能夠看出，飛往意大利的航班一共有 2371 架，其中機票最高價格爲 1195 元，最低價格爲 100 元，平均價格爲 586 元，很快就能夠獲得統計的一些結果。
另外，聚合分析還支持嵌套，那麼讓咱們看下若是實現一個嵌套聚合分析：
經過這個請求不但能夠獲取到航班目的地的統計信息，還能夠獲得航班抵達時的天氣情況，運行結果以下所示：
能夠看出，在抵達意大利的航班中，抵達時的天氣有 424 次爲晴天，417 次爲下雨天等，因此經過嵌套的方式就能夠很快獲得更深層次的數據統計值。
總結
本文對 Elasticsearch 的聚合功能作了初步介紹，也學習 Bucket 和 Metric 聚合分析，在後續文章會對聚合功能作一個更加深刻的講解。
下面是我總結的 Elasticsearch 聚合分析的思惟導圖，在公衆號【武培軒】回覆【es】獲取思惟導圖以及源代碼。
參考文獻
Elastic Stack從入門到實踐
Elasticsearch核心技術與實戰
https://www.elastic.co/guide/en/elasticsearch/reference/7.1/search-aggregations.html
完
本文分享自微信公衆號 - 武培軒（wupeixuan404）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。