ElasticSearch之聚合aggs

写在前面

本文看下es的聚合相关内容。

1:什么是聚合

即,数据的统计分析。如sum,count,avg,min,max,分组等。

2:支持哪些聚合类型

2.1:bucket aggregation

对满足特定条件的文旦进行分组。如:

2.1:metric aggregation

数学运算。如:

2.3:pipeline aggregation

对聚合的结果进行再一次的聚合。

2.4:matrix aggregation

对多个字段操作并提供一个结果矩阵???嘛意思???

3:实战

测试数据参考这里 。但如果你是按照专栏顺序看的,我想你本地已经有这些数据了。

3.1:bucket aggregation

按照飞行目的地分组:

json 复制代码
GET kibana_sample_data_flights/_search
{
  "size": 0,
  "aggs": {
    "飞行目的地分组": {
      "terms": {
        "field": "DestCountry"
      }
    }
  }
}

3.2:metric aggregation

按照飞行目的地分组后,对分组的数据取最大最小和平均值。

json 复制代码
GET kibana_sample_data_flights/_search
{
    "size": 0,
    "aggs": {
        "飞行目的地分组": {
            "terms": {
                "field": "DestCountry"
            },
            "aggs": {
                "票价平均值": {
                    "avg": {
                        "field": "AvgTicketPrice"
                    }
                },
                "票价最大值": {
                    "max": {
                        "field": "AvgTicketPrice"
                    }
                },
                "票价最小值": {
                    "min": {
                        "field": "AvgTicketPrice"
                    }
                }
            }
        }
    }
}

按照飞行目的地分组后,通过stats取每个分组的统计信息(会列出min,max,avg等常用统计信息),并且对每个分组再按照天气做一次分组,并取前5条数据:

json 复制代码
GET kibana_sample_data_flights/_search
{
    "size": 0,
    "aggs": {
        "飞行目的地分组": {
            "terms": {
                "field": "DestCountry"
            },
            "aggs": {
                "组内统计信息": {
                    "stats": {
                        "field": "AvgTicketPrice"
                    }
                },
                "weatherrr": {
                    "terms": {
                        "field": "DestWeather",
                        "size": 5
                    }
                }
            }
        }
    }
}

TODO 待补充!!!

写在后面

参考文章列表

相关推荐
新*4 小时前
520 万数据迁移实战:Elasticsearch 索引重建与"改名"的完整踩坑记录
python·mysql·elasticsearch·数据迁移
阿里云大数据AI技术19 小时前
云栖实录|倍思科技 × 阿里云:让VOC洞察从“生成报告”走向“业务可用”
人工智能·elasticsearch·agent
大雪冬至686061258871 天前
【一次 Elasticsearch 高基数聚合慢查询的定位与优化】
elasticsearch
Elasticsearch1 天前
Elasticsearch:如何使用 Connectors 接入数据到 Elastic Agent builder 里进行企业搜索
elasticsearch
wuyk5551 天前
Spider-第11讲-工程化改造与可维护性
大数据·爬虫·elasticsearch·搜索引擎
新*1 天前
Elasticsearch 索引别名入门:创建、路由、原子切换与几个常见误解
运维·后端·elasticsearch·索引别名
wuyk5551 天前
Spider-第12讲-asyncio异步并发爬取
大数据·爬虫·elasticsearch·搜索引擎
筑梦之人1 天前
Elasticsearch 9.x 从入门到精通(5/7):集群、分布式与运维
运维·分布式·elasticsearch
筑梦之人1 天前
Elasticsearch 9.x 从入门到精通(4/7):聚合分析与文本分析
大数据·elasticsearch·jenkins
Elasticsearch3 天前
过犹不及:为什么搜索结果重排序时,20 个候选结果胜过 200 个
elasticsearch