Elasticsearch聚合初探——metric篇

Elasticsearch是一款提供檢索以及相關度排序的開源框架，同時，也支持對存儲的文檔進行復雜的統計——聚合。

前言

ES中的聚合被分為兩大類：Metric度量和bucket桶（原諒我英語差，找不到合適的詞語.....就用單詞來說吧！）。說的通俗點，metric很像SQL中的avg、max、min等方法，而bucket就有點類似group by了。

本篇就簡單的介紹一下metric聚合的用法。

metric的聚合按照值的返回類型可以分為兩種：單值聚合 和 多值聚合。

單值聚合

Sum 求和

這個聚合返回的是單個值，dsl可以參考如下：

"aggs" : {
        "intraday_return" : { "sum" : { "field" : "change" } }
    }

返回的是change字段的和：

{
    ...

    "aggregations": {
        "intraday_return": {
           "value": 2.18
        }
    }
}

其中intraday_return是聚合的名字，同時也會作為請求返回的id值。另外，聚合中是支持腳本的，這里就不過多贅述了，詳細參考官方文檔即可。

Min 求最小值

{
    "aggs" : {
        "min_price" : { "min" : { "field" : "price" } }
    }
}

Max 求最大值

{
    "aggs" : {
        "max_price" : { "max" : { "field" : "price" } }
    }
}

avg 求平均值

{
    "aggs" : {
        "avg_grade" : { "avg" : { "field" : "grade" } }
    }
}

cardinality 求唯一值，即不重復的字段有多少

{
    "aggs" : {
        "author_count" : {
            "cardinality" : {
                "field" : "author"
            }
        }
    }
}

多值聚合

percentiles 求百分比

{
    "aggs" : {
        "load_time_outlier" : {
            "percentile_ranks" : {
                "field" : "load_time", 
                "values" : [15, 30]
            }
        }
    }
}

返回的結果包含多個值：

{
    ...

   "aggregations": {
      "load_time_outlier": {
         "values" : {
            "15": 92,
            "30": 100
         }
      }
   }
}

stats 統計

{
    "aggs" : {
        "grades_stats" : { "stats" : { "field" : "grade" } }
    }
}

請求后會直接顯示多種聚合結果：

{
    ...

    "aggregations": {
        "grades_stats": {
            "count": 6,
            "min": 60,
            "max": 98,
            "avg": 78.5,
            "sum": 471
        }
    }
}

extend stats 擴展統計

{
    "aggs" : {
        "grades_stats" : { "extended_stats" : { "field" : "grade" } }
    }
}

在統計的基礎上還增加了多種復雜的統計信息：

{
    ...

    "aggregations": {
        "grade_stats": {
           "count": 9,
           "min": 72,
           "max": 99,
           "avg": 86,
           "sum": 774,
           "sum_of_squares": 67028,
           "variance": 51.55555555555556,
           "std_deviation": 7.180219742846005,
           "std_deviation_bounds": {
            "upper": 100.36043948569201,
            "lower": 71.63956051430799
           }
        }
    }
}

總結

上面並沒有列舉全面，比如2.0版本的ES，還支持多值的percentile Rank百分比排名，Geo Bounds地理位置信息，Scripted Metric腳本；單值的top hits等等。

• 在性能上，ES也做了很多的優化：比如max和min，如果對於排序的字段，那么就直接跳過了計算的步驟，直接取出目標值即可。
• 當然有些聚合也是需要特定的場合的，比如cardinality計算唯一值是通過哈希的方式，如果字段數據規模很大，那么會消耗很多的性能。
• 另外桶之間是可以嵌套的，比如在range聚合下嵌套了一個max聚合，那么會在range得到的每個結果組上，再次進行max的統計。
• 在聚合中支持腳本的使用，可以增加統計的靈活度。

很多內容還需要在實踐中使用，才能了解它的優勢。