网站建设大企业,腾讯云网站备案吗,我要自学网ps视频教程免费下载,wordpress跟新到5.0.1是英文聚合查询 概念 聚合#xff08;aggs#xff09;不同于普通查询#xff0c;是目前学到的第二种大的查询分类#xff0c;第一种即“query”#xff0c;因此在代码中的第一层嵌套由“query”变为了“aggs”。用于进行聚合的字段必须是exact value#xff0c;分词字段不可进行…聚合查询 概念 聚合aggs不同于普通查询是目前学到的第二种大的查询分类第一种即“query”因此在代码中的第一层嵌套由“query”变为了“aggs”。用于进行聚合的字段必须是exact value分词字段不可进行聚合对于text字段如果需要使用聚合需要开启fielddata但是通常不建议因为fielddata是将聚合使用的数据结构由磁盘doc_values变为了堆内存field_data大数据的聚合操作很容易导致OOM详细原理会在进阶篇中阐述。 聚合分类 分桶聚合Bucket agregations类比SQL中的group by的作用主要用于统计不同类型数据的数量指标聚合Metrics agregations主要用于最大值、最小值、平均值、字段之和等指标的统计管道聚合Pipeline agregations用于对聚合的结果进行二次聚合如要统计绑定数量最多的标签bucket就是要先按照标签进行分桶再在分桶的结果上计算最大值。 语法 GET product/_search
{aggs: {aggs_name: {agg_type: {field: field_name}}}
}aggs_name聚合函数的名称 agg_type聚合种类比如是桶聚合terms或者是指标聚合avg、sum、min、max等 field_name字段名称或者叫域名。 桶聚合 场景用于统计不同种类的文档的数量可进行嵌套统计。 函数terms 注意聚合字段必须是exact value如keyword 指标聚合 场景用于统计某个指标如最大值、最小值、平均值可以结合桶聚合一起使用如按照商品类型分桶统计每个桶的平均价格。 函数平均值Avg、最大值Max、最小值Min、求和Sum、详细信息Stats、数量Value count 管道聚合 场景用于对聚合查询的二次聚合如统计平均价格最低的商品分类即先按照商品分类进行桶聚合并计算其平均价格然后对其平均价格计算最小值聚合 函数Min bucket最小桶、Max bucket最大桶、Avg bucket桶平均值、Sum bucket桶求和、Stats bucket桶信息 注意buckets_path为管道聚合的关键字其值从当前聚合统计的聚合函数开始计算为第一级。比如下面例子中my_aggs和my_min_bucket同级 my_aggs就是buckets_path值的起始值。 GET product/_search
{size: 0, aggs: {my_aggs: {terms: {...},aggs: {my_price_bucket: {...}}},my_min_bucket:{min_bucket: {buckets_path: my_aggsprice_bucket}}}
}嵌套聚合 语法 GET product/_search
{size: 0,aggs: {agg_name: {agg_type: {field: field_name},aggs: {agg_name_child: {agg_type: {field: field_name}}}}}
}用途用于在某种聚合的计算结果之上再次聚合如统计不同类型商品的平均价格就是在按照商品类型桶聚合之后在其结果之上计算平均价格 聚合和查询的相互关系 基于query或filter的聚合 语法 GET product/_search
{query: {...}, aggs: {...}
}注意以上语法执行顺序为先query后aggs顺序和谁在上谁在下没有关系。query中可以是查询、也可以是filter、或者bool query 基于聚合结果的查询、 GET product/_search
{aggs: {...},post_filter: {...}
}注意以上语法执行顺序为先aggs后post_filter顺序和谁在上谁在下没有关系。 查询条件的作用域 GET product/_search
{size: 10,query: {...},aggs: {avg_price: {...},all_avg_price: {global: {},aggs: {...}}}
}上面例子中avg_price的计算结果是基于query的查询结果的而all_avg_price的聚合是基于all data的 聚合排序 排序规则 order_type_count数量 _key聚合结果的key值 _term废弃但是仍然可用使用_key代替 GET product/_search
{aggs: {type_agg: {terms: {field: tags,order: {order_type: desc},size: 10}}}
}多级排序即排序的优先级按照外层优先的顺序 GET product/_search?size0
{aggs: {first_sort: {...aggs: {second_sort: {...}}}}
}上例中先按照first_sort排序再按照second_sort排序 多层排序即按照多层聚合中的里层某个聚合的结果进行排序 GET product/_search
{size: 0,aggs: {tag_avg_price: {terms: {field: type.keyword,order: {agg_statsmy_stats.sum: desc}},aggs: {agg_stats: {...aggs: {my_stats: {extended_stats: {...}}}}}}}
}上例中按照里层聚合“my_stats”进行排序 常用的查询函数 histogram直方图或柱状图统计 用途用于区间统计如不同价格商品区间的销售情况 语法 GET product/_search?size0
{aggs: {histogram_name: {histogram: {field: price, #字段名称interval: 1000, #区间间隔keyed: true, #返回数据的结构化类型min_doc_count: num, #返回桶的最小文档数阈值即文档数小于num的桶不会被输出missing: 1999 #空值的替换值即如果文档对应字段的值为空则默认输出1999参数值}}}
}date-histogram基于日期的直方图比如统计一年每个月的销售额 语法 GET product/_search?size0
{aggs: {my_date_histogram: {date_histogram: {field: createtime, #字段需为date类型interval_type: month, #时间间隔的参数可选项format: yyyy-MM, #日期的格式化输出extended_bounds: { #输出空桶min: 2020-01,max: 2020-12}}}}
}interval_type时间间隔的参数可选项 fixed_intervalms毫秒、s秒、 m分钟、h小时、d天注意单位需要带上具体的数值如2d为两天。需要当心当单位过小会 导致输出桶过多而导致服务崩溃。 calendar_intervalmonth、year interval废弃但是仍然可用 percentile 百分位统计 或者 饼状图 计算结果为何为近似值。 percentiles用于评估当前数值分布情况比如99 percentile 是 1000 是指 99%的数值都在1000以内。常见的一个场景就是我们制定 SLA 的时候常说 99% 的请求延迟都在100ms 以内这个时候你就可以用 99 percentile 来查一下看一下 99 percenttile 的值如果在 100ms 以内就代表SLA达标了。 语法 GET product/_search?size0
{aggs: {percentiles_name: {percentiles: {field: price,percents: [percent1 #区间的数值如5、10、30、50、99 即代表5%、10%、30%、50%、99%的数值分布percent2...]}}}
}percentile_ranks percentile rank 其实就是percentiles的反向查询比如我想看一下 1000、3000 在当前数值中处于哪一个范围内你查一下它的 rank发现是9599那么说明有95%的数值都在1000以内99%的数值都在3000以内。 GET product/_search?size0
{aggs: {percentiles_name: {percentile_ranks: {field: field_value,values: [rank1,rank2,...]}}}
}示例
# 聚合查询
DELETE product
## 数据
PUT product
{mappings : {properties : {createtime : {type : date},date : {type : date},desc : {type : text,fields : {keyword : {type : keyword,ignore_above : 256}},analyzer:ik_max_word},lv : {type : text,fields : {keyword : {type : keyword,ignore_above : 256}}},name : {type : text,analyzer:ik_max_word,fields : {keyword : {type : keyword,ignore_above : 256}}},price : {type : long},tags : {type : text,fields : {keyword : {type : keyword,ignore_above : 256}}},type : {type : text,fields : {keyword : {type : keyword,ignore_above : 256}}}}}
}
PUT /product/_doc/1
{name : 小米手机,desc : 手机中的战斗机,price : 3999,lv:旗舰机,type:手机,createtime:2020-10-01T08:00:00Z,tags: [ 性价比, 发烧, 不卡顿 ]
}
PUT /product/_doc/2
{name : 小米NFC手机,desc : 支持全功能NFC手机中的滑翔机,price : 4999,lv:旗舰机,type:手机,createtime:2020-05-21T08:00:00Z,tags: [ 性价比, 发烧, 公交卡 ]
}
PUT /product/_doc/3
{name : NFC手机,desc : 手机中的轰炸机,price : 2999,lv:高端机,type:手机,createtime:2020-06-20,tags: [ 性价比, 快充, 门禁卡 ]
}
PUT /product/_doc/4
{name : 小米耳机,desc : 耳机中的黄焖鸡,price : 999,lv:百元机,type:耳机,createtime:2020-06-23,tags: [ 降噪, 防水, 蓝牙 ]
}
PUT /product/_doc/5
{name : 红米耳机,desc : 耳机中的肯德基,price : 399,type:耳机,lv:百元机,createtime:2020-07-20,tags: [ 防火, 低音炮, 听声辨位 ]
}
PUT /product/_doc/6
{name : 小米手机10,desc : 充电贼快掉电更快超级无敌望远镜高刷电竞屏,price : ,lv:旗舰机,type:手机,createtime:2020-07-27,tags: [ 120HZ刷新率, 120W快充, 120倍变焦 ]
}
PUT /product/_doc/7
{name : 挨炮 SE2,desc : 除了CPU一无是处,price : 3299,lv:旗舰机,type:手机,createtime:2020-07-21,tags: [ 割韭菜, 割韭菜, 割新韭菜 ]
}
PUT /product/_doc/8
{name : XS Max,desc : 听说要出新款12手机了终于可以换掉手中的4S了,price : 4399,lv:旗舰机,type:手机,createtime:2020-08-19,tags: [ 5V1A, 4G全网通, 大 ]
}
PUT /product/_doc/9
{name : 小米电视,desc : 70寸性价比只选不要一万八要不要八千八只要两千九百九十八,price : 2998,lv:高端机,type:耳机,createtime:2020-08-16,tags: [ 巨馍, 家庭影院, 游戏 ]
}
PUT /product/_doc/10
{name : 红米电视,desc : 我比上边那个更划算我也2998我也70寸但是我更好看,price : 2999,type:电视,lv:高端机,createtime:2020-08-28,tags: [ 大片, 蓝光8K, 超薄 ]
}
PUT /product/_doc/11
{name: 红米电视,desc: 我比上边那个更划算我也2998我也70寸但是我更好看,price: 2998,type: 电视,lv: 高端机,createtime: 2020-08-28,tags: [大片,蓝光8K,超薄]
}## 语法
GET product/_search
{aggs: {aggs_name: {agg_type: {field: field_name}}}
}## 桶聚合 例统计不同标签的商品数量
GET product/_search
{aggs: {tag_bucket: {terms: {field: tags.keyword}}}
}
## 不显示hits数据size:0
GET product/_search
{size: 0, aggs: {tag_bucket: {terms: {field: tags.keyword}}}
}
## 排序
GET product/_search
{size: 0, aggs: {tag_bucket: {terms: {field: tags.keyword,size: 3,order: {_count: desc}}}}
}## doc_values和field_data
GET product/_search
{size: 0, aggs: {tag_bucket: {terms: {field: name}}}
}
GET product/_search
{size: 0, aggs: {tag_bucket: {terms: {field: name.keyword}}}
}
POST product/_mapping
{properties: {name: {type: text,analyzer: ik_max_word,fielddata: true}}
}
GET product/_search
{size: 0,aggs: {tag_bucket: {terms: {size: 20,field: name}}}
}#*****************************************
## 指标聚合
## 例最贵、最便宜和平均价格三个指标
GET product/_search
{size: 0, aggs: {max_price: {max: {field: price}},min_price: {min: {field: price}},avg_price: {avg: {field: price}}}
}
## 单个聚合查询所有指标
GET product/_search
{size: 0, aggs: {price_stats: {stats: {field: price}}}
}
##按照name去重的数量
GET product/_search
{size: 0, aggs: {type_count: {cardinality: {field: name}}}
}
GET product/_search
{size: 0, aggs: {type_count: {cardinality: {field: name.keyword}}}
}
##对type计算去重后数量
GET product/_search
{size: 0, aggs: {type_count: {cardinality: {field: lv.keyword}}}
}
##*********************************************
## 管道聚合 二次聚合
## 例统计平均价格最低的商品分类
GET product/_search
{size: 0, aggs: {type_bucket: {terms: {field: type.keyword},aggs: {price_bucket: {avg: {field: price}}}},min_bucket:{min_bucket: {buckets_path: type_bucketprice_bucket}}}
}##
## 嵌套聚合
## 语法
GET product/_search
{size: 0,aggs: {agg_name: {agg_type: {field: field_name},aggs: {agg_name_child: {agg_type: {field: field_name}}}}}
}
# 例统计不同类型商品的不同级别的数量
GET product/_search
{size: 0, aggs: {type_lv: {terms: {field: type.keyword},aggs: {lv: {terms: {field: lv.keyword}}}}}
}
#按照lv分桶 输出每个桶的具体价格信息
GET product/_search
{size: 0, aggs: {lv_price: {terms: {field: lv.keyword},aggs: {price: {stats: {field: price}}}}}
}##结合了上面两个例子
##统计不同类型商品 不同档次的 价格信息 标签信息
GET product/_search
{size: 0, aggs: {type_agg: {terms: {field: type.keyword},aggs: {lv_agg: {terms: {field: lv.keyword},aggs: {price_stats: {stats: {field: price}},tags_buckets: {terms: {field: tags.keyword}}}}}}}
}## 统计每个商品类型中 不同档次分类商品中 平均价格最低的档次
GET product/_search
{size: 0,aggs: {type_bucket: {terms: {field: type.keyword},aggs: {lv_bucket: {terms: {field: lv.keyword},aggs: {price_avg: {avg: {field: price}}}},min_bucket: {min_bucket: {buckets_path: lv_bucketprice_avg}}}}}
}#
#基于查询结果的聚合
GET product/_search
{size: 0, query: {range: {price: {gte: 5000}}}, aggs: {tags_bucket: {terms: {field: tags.keyword}}}
}#基于filter的aggs
GET product/_search
{query: {constant_score: {filter: {range: {price: {gte: 5000}}}}},aggs: {tags_bucket: {terms: {field: tags.keyword}}}
}GET product/_search
{query: {bool: {filter: {range: {price: {gte: 5000}}}}}, aggs: {tags_bucket: {terms: {field: tags.keyword}}}
}#基于聚合的查询
GET product/_search
{aggs: {tags_bucket: {terms: {field: tags.keyword}}},post_filter: {term: {tags.keyword: 性价比}}
}#取消查询条件查询条件嵌套
## 例最贵、最便宜和平均价格三个指标
GET product/_search
{size: 10,query: {range: {price: {gte: 4000}}},aggs: {max_price: {max: {field: price}},min_price: {min: {field: price}},avg_price: {avg: {field: price}},all_avg_price: {global: {},aggs: {avg_price: {avg: {field: price}}}},muti_avg_price: {filter: {range: {price: {lte: 4500}}}, aggs: {avg_price: {avg: {field: price}}}}}
}#
#聚合排序_count _key _term
GET product/_search
{size: 0,aggs: {type_agg: {terms: {field: tags,order: {_count: desc},size: 10}}}
}
#多级排序
GET product/_search?size0
{aggs: {first_sort: {terms: {field: type.keyword,order: {_count: desc}},aggs: {second_sort: {terms: {field: lv.keyword,order: {_count: asc}}}}}}
}#多层排序
GET product/_search
{size: 0,aggs: {tag_avg_price: {terms: {field: type.keyword,order: {agg_statsstats.sum: desc}},aggs: {agg_stats: {filter: {terms: {type.keyword: [耳机,手机,电视]}},aggs: {stats: {extended_stats: {field: price}}}}}}}
}#
# 常用的查询函数
## histogram 直方图 或者 柱状图
GET product/_search
{aggs: {price_range: {range: {field: price,ranges: [{from: 0,to: 1000},{from: 1000,to: 2000},{from: 3000,to: 4000},{from: 4000,to: 5000}]}}}
}
GET product/_search?size0
{aggs: {price_range: {range: {field: createtime,ranges: [{from: 2020-05-01, to: 2020-05-31},{from: 2020-06-01,to: 2020-06-30},{from: 2020-07-01,to: 2020-07-31},{from: 2020-08-01}]}}}
}
#空值的处理逻辑 对字段的空值赋予默认值
GET product/_search?size0
{aggs: {price_histogram: {histogram: {field: price,interval: 1000,keyed: true,min_doc_count: 0,missing: 1999}}}
}
#date-histogram
#ms s m h d
GET product/_search?size0
{aggs: {my_date_histogram: {date_histogram: {field: createtime,calendar_interval: month,min_doc_count: 0,format: yyyy-MM, extended_bounds: {min: 2020-01,max: 2020-12},order: {_count: desc}}}}
}
GET product/_search?size0
{aggs: {my_auto_histogram: {auto_date_histogram: {field: createtime,format: yyyy-MM-dd,buckets: 180}}}
}
#cumulative_sum
GET product/_search?size0
{aggs: {my_date_histogram: {date_histogram: {field: createtime,calendar_interval: month,min_doc_count: 0,format: yyyy-MM, extended_bounds: {min: 2020-01,max: 2020-12}},aggs: {sum_agg: {sum: {field: price}},my_cumulative_sum:{cumulative_sum: {buckets_path: sum_agg}}}}}
}
## percentile 百分位统计 或者 饼状图
## https://www.elastic.co/guide/en/elasticsearch/reference/7.10/search-aggregations-metrics-percentile-aggregation.htmlGET product/_search?size0
{aggs: {price_percentiles: {percentiles: {field: price,percents: [1,5,25,50,75,95,99]}}}
}
#percentile_ranks
#TDigest
GET product/_search?size0
{aggs: {price_percentiles: {percentile_ranks: {field: price,values: [1000,2000,3000,4000,5000,6000]}}}
}
