Elasticsearch 聚合概览及示例

Elasticsearch 是一个强大的搜索引擎，除了提供搜索功能外，它还内置了丰富的聚合功能，允许用户对数据进行统计、分析和运算。聚合可以帮助我们理解数据的分布和统计特性，是数据探索和报告的重要工具。本文将介绍 Elasticsearch 中的三种主要聚合类型：桶（Bucket）聚合、度量（Metric）聚合和管道（Pipeline）聚合，并提供示例说明。

桶（Bucket）聚合

桶聚合主要用于对文档进行分组，并统计每组的文档数量。以下是几种常见的桶聚合：

TermAggregation：按照文档字段的词条值分组。
Date Histogram：按照日期阶梯分组，如按周、月或年分组。

示例：TermAggregation

假设我们有一个酒店预订数据索引，我们可以使用 TermAggregation 来统计每个城市的酒店数量。

json 复制代码

GET /hotel/_search
{
  "size": 0, // 不需要原始文档，只需要聚合结果
  "aggs": {
    "city_buckets": {
      "terms": {
        "field": "city"
      }
    }
  }
}

度量（Metric）聚合

度量聚合用于计算数值类型的字段，例如求平均值、最大值、最小值等。

Avg：计算平均值。
Max：找出最大值。
Min：找出最小值。
Stats：同时计算最大值、最小值、平均值和总和。

示例：Avg 和 Stats

继续使用酒店预订数据索引，我们可以计算每个城市酒店的平均价格和价格范围。

json 复制代码

GET /hotel/_search
{
  "size": 0,
  "aggs": {
    "price_stats": {
      "stats": {
        "field": "price"
      }
    },
    "average_price": {
      "avg": {
        "field": "price"
      }
    }
  }
}

管道（Pipeline）聚合

管道聚合是基于其他聚合结果进行的聚合，例如我们可以计算每个城市酒店价格的标准差或累计总和。

Derivative：计算相邻文档的度量聚合值的差异。
Sum Bucket：计算指定度量聚合的总和。

示例：Sum Bucket

如果我们想要计算所有城市酒店的总价格，然后查看每个城市价格的累计总和，我们可以使用 Sum Bucket 管道聚合。

json 复制代码

GET /hotel/_search
{
  "size": 0,
  "aggs": {
    "total_price": {
      "sum": {
        "field": "price"
      }
    },
    "city_price_sums": {
      "terms": {
        "field": "city"
      },
      "aggs": {
        "cumulative_price": {
          "sum_bucket_selector": {
            "buckets_path": "_price",
            "script": "params.aggregations['total_price'].value"
          }
        }
      }
    }
  }
}

结语

Elasticsearch 的聚合功能为数据分析提供了强大的支持。桶聚合帮助我们对数据进行分组统计，度量聚合让我们可以计算数值字段的各种统计数据，而管道聚合则让我们在其他聚合的基础上进一步分析数据。理解并掌握这些聚合类型，可以帮助我们更深入地洞察数据，为决策提供数据支持。希望本文能够帮助你更好地利用 Elasticsearch 的聚合功能进行数据分析。