理解Es的DSL语法（二）：聚合
前一篇已经系统介绍过查询语法，详细可直接看上一篇文章（理解DSL语法（一）），本篇主要介绍DSL中的另一部分：聚合
理解Es中的聚合
虽然Elasticsearch 是一个基于 Lucene 的搜索引擎，但也提供了聚合（aggregations）的功能，允许用户对数据进行统计和分析。聚合可以按照不同的维度对数据进行分组和汇总，从而得到有意义的统计信息。这也是Es很多场景下被当作分析工具使用的原因。
聚合语法
使用上来讲，es的聚合就相当于SQL中的group by，在DSL中主要使用aggs关键字和size关键字来控制：
{
"size":0,
"aggs":{
"TestName":{ //自定义的聚合名称
"term":{ //聚合类型关键字，根据聚合类型来
"field":"title" //需要聚合的字段
}
}
}
}
这里着重说一下size关键字，如果单纯进行聚合，而不需要实际数据，最好这里size设置为0，设置size为0在进行聚合时，会默认触发Es的缓存机制，能够很有效的提升性能。
当然聚合也可以搭配查询query使用，即对查询的数据进行聚合,例如我们对最近一天的文章，聚合一下标题：
{
"query":{
"bool":{
"filter":[
{
"range":{
"create_time":{
"gte":"now - 1d",
"lte":"now"
}
}
}
]
}
}
"size":0,
"aggs":{
"TestName":{ //自定义的聚合名称
"term":{ //聚合类型关键字，根据聚合类型来
"field":"title" //需要聚合的字段
}
}
}
}
这里Es收到请求后，会先根据query中的条件去检索满足创建时间在近一天内的所有文档，然后对这些文档进行桶聚合，以title字段为桶，将title内容一致的文档放入桶内。
聚合的种类
总的来看，Es的聚合可以分为四类，即Bucketing Aggregations、Metric Aggregations、Matrix Aggregations、Pipeline Aggregations。
Bucketing Aggregations
将数据分桶，类似于 SQL 中的 GROUP BY。例如，可以根据某个字段的不同值将数据分组，然后对每个分组进行统计，对于字段和内容都有一定的限制。
常用的聚合关键字有：
| 关键字 | 描述 | 适用字段类型 |
| Terms | Terms 聚合根据指定字段的确切值将文档分组。它类似于 SQL 中的 GROUP BY 语句。 | keyword |
| Histogram | 直方图聚合将数值字段划分为指定间隔的桶，并计算每个桶中的文档数量。 | 数值类型（ integer、float、double 、 long） |
| Date Histogram | 日期直方图聚合类似于直方图聚合，但它专门用于日期字段，允许你根据时间间隔（如天、周、月等）来分组数据 | date |
| Range | 范围聚合允许你根据指定的范围将数据分组，每个范围定义了上界和下界。 | 数值类型 （ integer、float、double 、 long） 和date |
| IP Range | IP 范围聚合允许你根据 IP 地址的范围将数据分组。 | ip |
| Date Range | 日期范围聚合是范围聚合的日期版本，专门用于日期字段。 | date |
| Filter/Filters | 过滤器聚合根据一个或多个过滤器条件将数据分组，每个过滤器条件定义了一个桶。 | 可以应用于任何类型的字段，但通常与布尔查询结合使用来定义过滤器条件。 |
| Nested | 嵌套聚合应用于嵌套字段，它允许你根据嵌套对象中的字段值对嵌套文档进行分组。 | object或nested |
详细的可查阅ElasticSearch的官网，这里仅列出常用的，我们假设Es中存在以下一个数据集合：
[
{"name": "Book A", "category": "Fiction", "price": 9.99, "publish_date": "2020-01-01"},
{"name": "Book B", "category": "Science", "price": 15.00, "publish_date": "2021-06-15"},
{"name": "Book C", "category": "Fiction", "price": 12.50, "publish_date": "2022-03-10"},
{"name": "Book D", "category": "Education", "price": 8.50, "publish_date": "2019-09-20"},
{"name": "Book E", "category": "Science", "price": 20.00, "publish_date": "2023-01-05"}
]
并针对该数据集，进行相关的聚合样例：
Terms Aggregation聚合
查看有多少种category以及每种的文档数量。
示例：
{
"size":0,
"aggs": {
"genres": {
"terms": {
"field": "category" // genre必须为keyword类型
"size":3 //根据文档数量倒叙展示条数，默认不填写则仅展示10个
}
}
}
}
//输出：
{
"category": {
"buckets": [
{"key": "Fiction", "doc_count": 2},
{"key": "Science", "doc_count": 2},
{"key": "Education", "doc_count": 1}
]
}
}
Histogram Aggregation 聚合
按价格区间聚合书籍
{
"size":0,
"aggs": {
"price_distribution": {
"histogram": {
"field": "price",
"interval": 5 //以5元为一个段
}
}
}
}
//输出：
{
"aggregations": {
"price_distribution": {
"buckets": [
{ "key": 5, "doc_count": 1 },
{ "key": 10, "doc_count": 2 },
{ "key": 15, "doc_count": 2 }
]
}
}
}
Date Histogram Aggregation 聚合
按年份查看出版书籍的数量
{
"size":0,
"aggs": {
"books_over_time": {
"date_histogram": {
"field": "publish_date",
"calendar_interval": "year" //查询区间可以指定单位
}
}
}
}
//输出
{
"aggregations": {
"books_over_time": {
"buckets": [
{ "key_as_string": "2019", "doc_count": 1 },
{ "key_as_string": "2020", "doc_count": 1 },
{ "key_as_string": "2021", "doc_count": 1 },
{ "key_as_string": "2022", "doc_count": 1 },
{ "key_as_string": "2023", "doc_count": 1 }
]
}
}
}
其中对于date_histogram使用较多，这里单独列一下关于date_histogram的相关参数
-
calendar_interval：按照日历时间间隔（如年、季度、月、周、日等）来创建桶。
-
fixed_interval：按照固定时间间隔（如1小时、5分钟等）来创建桶，不考虑日历界限。
-
min_doc_count：设置为 0 或更大的值，以忽略那些文档计数小于该值的桶。
-
extended_bounds：允许聚合查询返回超出正常查询范围之外的桶，例如在直方图的开始或结束之前添加额外的桶。
-
order：指定桶的排序方式，可以是 asc（升序）或 desc（降序）。
-
format：自定义日期格式，用于指定桶的 key 值的日期格式。
-
time_zone：指定时区来应用到聚合上，特别是对于固定间隔的聚合。
-
pre_zone 和 post_zone：与 extended_bounds 结合使用，指定额外桶的时区。
{ "size": 0, "aggs": { "publish_monthly": { "date_histogram": { "field": "publish_date", "calendar_interval": "month", // 每月一个桶 "min_doc_count": 1, // 只包括至少有一个文档的桶 "extended_bounds": { "min": "2019-01-01", "max": "2023-12-31" }, // 设置聚合的最小和最大界限 "order": "desc", // 桶按降序排序 "format": "yyyy-MM", // 桶 key 的格式 "time_zone": "Europe/Berlin" // 使用柏林时区 } } } }Range Aggregation聚合
查看价格区间内书籍的数量
{ "size":0, "aggs": { "price_ranges": { "range": { "field": "price", "ranges": [ { "from": 0, "to": 10 }, { "from": 10, "to": 20 } ] } } } } //输出 { "aggregations": { "price_ranges": { "buckets": [ { "from": 0, "to": 10, "doc_count": 2 }, { "from": 10, "to": 20, "doc_count": 3 } ] } } }Filters Aggregation聚合
同时筛选 Fiction 和 Science 类别的书籍，并分别计算数量。
{ "size":0, "aggs": { "category_filters": { "filters": { "filters": { "Fiction": { "term": { "category.keyword": "Fiction" } }, "Science": { "term": { "category.keyword": "Science" } } } } } } } //输出 { "aggregations": { "category_filters": { "buckets": { "Fiction": { "doc_count": 2 }, "Science": { "doc_count": 2 } } } } }这里特殊说明一下，针对以上场景，也可以使用：
{ "query": { "bool": { "filter": [ { "terms": { "category": ["Fiction", "Science"] } } ] } }, "size": 0, "aggs": { "category": { "terms": { "field": "category" } } } }不同的是，使用这种聚合，Es的需要进行两次操作，即：先根据query条件，进行数据查询，再对查询结果进行聚合，而Filters聚合则只有一次操作。在相同场景下，考虑性能的话，使用 filters 聚合可能在某些情况下更有效率，因为它可以利用 Elasticsearch 的缓存机制，特别是当这些特定的过滤条件经常被查询时。
Composite Aggregation聚合
按 category 和 publish_date 的每个月份组合聚合书籍。
{ "size": 0, "aggs": { "category_date_composite": { "composite": { "sources": [ { "category": { "terms": { "field": "category.keyword" } } }, { "date": { "date_histogram": { "field": "publish_date", "calendar_interval": "month" } } } ], "size": 10 } } } } //输出 { "composite_of_category_and_date": { "buckets": [ {"key": {"category": "Fiction", "date": "2020-01"}, "doc_count": 1}, {"key": {"category": "Fiction", "date": "2022-03"}, "doc_count": 1}, {"key": {"category": "Science", "date": "2021-06"}, "doc_count": 1}, {"key": {"category": "Science", "date": "2023-01"}, "doc_count": 1} ] } }Metric Aggregations
对数据进行数学运算，如计算平均值、总和、最小值、最大值等。此类大多对数字类型的字段进行聚合。
关键字 描述 Sum Aggregation 计算数值字段的总和 Avg Aggregation 计算数值字段的平均值
Min Aggregation 找出数值字段中的最小值
Max Aggregation 找出数值字段中的最大值
Stats Aggregation 返回字段的多个统计度量，包括最小值、最大值、平均值和总和。
Cardinality Aggregation 计算字段中唯一值的近似数量，对于大数据集非常有用，因为它比value_count更高效。
一般配合桶查询使用，对标的是SQL中的SUM、MAX等数学函数
Cardinality Aggregation
查看一共有多少文档：
{ "size":0, "aggs": { "countALl": { "cardinality": { "field": "_id" } } } } //输出 { "aggregations": { "countALl": { "value": 3 } } }Min/Max Aggregation
//查看书籍最贵的价格 { "size":0, "aggs": { "maximum_price": { "max": { "field": "price" } } } } //输出： { "aggregations": { "maximum_price": { "value": 20.0 } } } //查看书籍最便宜的价格 { "size":0, "aggs": { "min_price": { "min": { "field": "price" } } } } //输出 //输出： { "aggregations": { "min_price": { "value": 5.0 } } }Sum/Avg Aggregation
//对库内书籍价格求和 { "aggs": { "all_price": { "sum": { "field": "price" } } } } //输出： { "aggregations": { "all_price": { "value": 13.398 } } } //对库内书籍价格求均值 { "aggs": { "average_price": { "avg": { "field": "price" } } } } //输出 { "aggregations": { "average_price": { "value": 13.398 } } }Stats Aggregation
查看价格的综合统计
{ "size":0, "aggs": { "price_stats": { "stats": { "field": "price" } } } } //输出： { "aggregations": { "price_stats": { "count": 5, "min": 8.5, "max": 20.0, "avg": 13.398, "sum": 66.99 } } }聚合嵌套
语法格式为：
{ "size":0, "aggs":{ "One":{ // 一层桶名称 "terms":{ "field":"fielda" }, "aggs":{ //一层桶下二层聚合 } } } }以书籍书籍为例，查看每类书籍的平均价格，则可以先对书籍类型进行terms聚合，再在terms桶内，获取桶内书籍的平均价格：
//DSL { "size": 0, "aggs": { "categories": { "terms": { "field": "keyword" }, "aggs": { "average_price": { "avg": { "field": "price" } } } } } } //输出结果 { "aggregations": { "categories": { "buckets": [ { "key": "Fiction", "doc_count": 2, "average_price": { "value": 11.245 } }, { "key": "Science", "doc_count": 2, "average_price": { "value": 17.5 } }, { "key": "Education", "doc_count": 1, "average_price": { "value": 8.5 } } ] } } }也可以查看发布年限，每年里发布书籍的总价格：
{ "size": 0, "aggs": { "publish_years": { "date_histogram": { "field": "publish_date", "calendar_interval": "year" }, "aggs": { "total_price": { "sum": { "field": "price" } } } } } } //输出 { "aggregations": { "publish_years": { "buckets": [ { "key_as_string": "2019", "key": 1577836800000, "doc_count": 1, "total_price": { "value": 8.5 } }, { "key_as_string": "2020", "key": 1609459200000, "doc_count": 1, "total_price": { "value": 9.99 } }, { "key_as_string": "2021", "key": 1609459200000, "doc_count": 1, "total_price": { "value": 15.0 } }, { "key_as_string": "2022", "key": 1640995200000, "doc_count": 1, "total_price": { "value": 12.5 } }, { "key_as_string": "2023", "key": 1672531200000, "doc_count": 1, "total_price": { "value": 20.0 } } ] } } }
