Elasticsearch的Aggregation功能也異常強悍。
Aggregation共分爲三種：Metric Aggregations、Bucket Aggregations、 Pipeline Aggregations。下面將分別進行總結。
以下所有內容都來自官網：喜歡原汁原味的參看下方網址，不喜歡英文的參看本人總結。
官網（權威）：https://www.elastic.co/guide/en/elasticsearch/reference/2.4/search-aggregations-metrics-avg-aggregation.html
#########################################
1、Metric Aggregations
1>Avg Aggregation #計算出字段平均值
{
"aggs" : {
"avg_grade" : { "avg" : { "field" : "grade" } }
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"avg_grade": {
"avg": {
"field": "grade"
}
}
}
}
參數：search_type=count 表示只返回aggregation部分的結果。
2>Cardinality Aggregation #計算出字段的唯一值。相當於sql中的distinct
{
"aggs" : {
"author_count" : {
"cardinality" : {
"field" : "author"
}
}
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"author_count": {
"cardinality": {
"field": "author"
}
}
}
}
3>Extended Stats Aggregation #字段的其他屬性，包括最大最小，方差等等。
{
"aggs" : {
"grades_stats" : { "extended_stats" : { "field" : "grade" } }
}
}
例子：GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"grades_stats": {
"extended_stats": {
"field": "grade"
}
}
}
}
返回值：
{
...
"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
}
}
}
}
4>Geo Bounds Aggregation #計算出所有的地理座標將會落在一個矩形區域。比如說朝陽區域有很多飯店，我就可以用一個矩形把這些飯店都圈起來，看看範圍。
{
"query" : {
"match" : { "business_type" : "shop" }
},
"aggs" : {
"viewport" : {
"geo_bounds" : {
"field" : "location",
"wrap_longitude" : true
}
}
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"viewport": {
"geo_bounds": {
"field": "location",
"wrap_longitude": true
}
}
}
}
返回值：
{
...
"aggregations": {
"viewport": {
"bounds": {
"top_left": {
"lat": 80.45,
"lon": -160.22
},
"bottom_right": {
"lat": 40.65,
"lon": 42.57
}
}
}
}
}
註釋：這個矩形區域左上角座標，和右下角座標已經給出。也就是說你查出來的數據將會都落在這個地理範圍內。
5>Geo Centroid Aggregation #計算出所有文檔的大概的中心點。比如說某個地區盜竊犯罪很多，那我這樣就可以看到這片區域到底哪個點（街道）偷盜事件最猖狂。
{
"query" : {
"match" : { "crime" : "burglary" }
},
"aggs" : {
"centroid" : {
"geo_centroid" : {
"field" : "location"
}
}
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"centroid": {
"geo_centroid": {
"field": "location"
}
}
}
}
6>Max Aggregation #求最大值
{
"aggs" : {
"max_price" : { "max" : { "field" : "price" } }
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"max_price": {
"max": {
"field": "price"
}
}
}
}
7>Min Aggregation #求最小值
{
"aggs" : {
"min_price" : { "min" : { "field" : "price" } }
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"min_price": {
"min": {
"field": "price"
}
}
}
}
8>Percentiles Aggregation #百分比統計。可以看出你網站的所有頁面。加載時間的差異。
{
"aggs" : {
"load_time_outlier" : {
"percentiles" : {
"field" : "load_time"
}
}
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"load_time_outlier": {
"percentiles": {
"field": "load_time"
}
}
}
}
返回：可以看出這個網站75%頁面在29毫秒左右就加載完畢了。有5%的頁面超過了60毫秒。
{
...
"aggregations": {
"load_time_outlier": {
"values" : {
"1.0": 15,
"5.0": 20,
"25.0": 23,
"50.0": 25,
"75.0": 29,
"95.0": 60,
"99.0": 150
}
}
}
}
9>Percentile Ranks Aggregation #看看15毫秒和30毫秒內大概有多少頁面加載完。
{
"aggs" : {
"load_time_outlier" : {
"percentile_ranks" : {
"field" : "load_time",
"values" : [15, 30]
}
}
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"load_time_outlier": {
"percentile_ranks": {
"field": "load_time",
"values": [
15,
30
]
}
}
}
}
返回：看出15毫秒時大概92%頁面加載完畢。30毫秒時基本都加載完成。
{
...
"aggregations": {
"load_time_outlier": {
"values" : {
"15": 92,
"30": 100
}
}
}
}
10>Stats Aggregation #最大、最小、和、平均值。一起求出來
{
"aggs" : {
"grades_stats" : { "stats" : { "field" : "grade" } }
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"grades_stats": {
"stats": {
"field": "grade"
}
}
}
}
11>Sum Aggregation #求和
"aggs" : {
"intraday_return" : { "sum" : { "field" : "change" } }
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"intraday_return": {
"sum": {
"field": "change"
}
}
}
}
12>Top hits Aggregation #較爲常用的統計。獲取到每組前n條數據。相當於sql 中 group by 後取出前n條。
{
"aggs": {
"top-tags": {
"terms": {
"field": "tags",
"size": 3
},
"aggs": {
"top_tag_hits": {
"top_hits": {
"sort": [
{
"last_activity_date": {
"order": "desc"
}
}
],
"_source": {
"include": [
"title"
]
},
"size" : 1
}
}
}
}
}
}
例子：取100組，每組只要第一條。爲了見bain沒用order和_source，請自行測試他們。
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"all_interests": {
"terms": {
"field": "zxw_id",
"size": 100
},
"aggs": {
"top_tag_hits": {
"top_hits": {
"size": 1
}
}
}
}
}
}
14>Value Count Aggregation #數量統計，看看這個字段一共有多少個不一樣的數值。
{
"aggs" : {
"grades_count" : { "value_count" : { "field" : "grade" } }
}
}
例子：
GET index/type/_search?search_type=count
{
"query": {
"match_all": {}
},
"aggs": {
"grades_count": {
"value_count": {
"field": "grade"
}
}
}
}
2、Bucket Aggregations 這是第二種類型的統計（用的也是最多的，最實用的。）。後續也是抄寫，各位自己看吧。有問題需要討論的=》[email protected]發郵件.
網站：https://www.elastic.co/guide/en/elasticsearch/reference/2.4/search-aggregations-bucket-children-aggregation.html
3、Pipeline Aggregations #這是第三中類型的聚合。