devbox
盐析白兔
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Elasticsearch 聚合检索 (分组统计)_elasticsearch 分组统计

作者：盐析白兔 | 2024-04-29 01:26:50

赞

踩

elasticsearch 分组统计

1 普通聚合分析

1.1 直接聚合统计

(1) 计算每个tag下的文档数量, 请求语法:

  1. GET book_shop/it_book/_search
  2. {
  3.     "size": 0,    			// 不显示命中(hits)的所有文档信息
  4.     "aggs": {
  5.         "group_by_tags": {	// 聚合结果的名称, 需要自定义(复制时请去掉此注释)
  6.             "terms": {
  7.                 "field": "tags"
  8.             }
  9.         }
  10.     }
  11. }

(2) 发生错误:

说明: 索引book_shop的mapping映射是ES自动创建的, 它把tag解析成了text类型, 在发起对tag的聚合请求后, 将抛出如下错误:

  1. {
  2.     "error": {
  3.         "root_cause": [
  4.             {
  5.                 "type": "illegal_argument_exception",
  6.                 "reason": "Fielddata is disabled on text fields by default. Set fielddata=true on [tags] in order to load fielddata in memory by uninverting the inverted index. Note that this can however use significant memory. Alternatively use a keyword field instead."
  7.             }
  8.         ],
  9.         "type": "search_phase_execution_exception",
  10.         "reason": "all shards failed",
  11.         "phase": "query",
  12.         "grouped": true,
  13.         "failed_shards": [......]
  14.     },
  15.     "status": 400
  16. }

(3) 错误分析:

错误信息: Set fielddata=true on [xxxx] ......
错误分析: 默认情况下, Elasticsearch 对 text 类型的字段(field)禁用了 fielddata;
text 类型的字段在创建索引时会进行分词处理, 而聚合操作必须基于字段的原始值进行分析;
所以如果要对 text 类型的字段进行聚合操作, 就需要存储其原始值 —— 创建mapping时指定fielddata=true, 以便通过反转倒排索引(即正排索引)将索引数据加载至内存中.

(4) 解决方案一: 对text类型的字段开启fielddata属性:

  • 将要分组统计的text field(即tags)的fielddata设置为true:

    1. PUT book_shop/_mapping/it_book
    2. {
    3.     "properties": {
    4.         "tags": {
    5.             "type": "text",
    6.             "fielddata": true
    7.         }
    8.     }
    9. }

  • 可参考官方文档进行设置:
    fielddata | Elasticsearch Guide [6.6] | Elastic. 成功后的结果如下:

    1. {
    2.   "acknowledged": true
    3. }

  • 再次统计, 得到的结果如下:

    1. {
    2.     "took": 153,
    3.     "timed_out": false,
    4.     "_shards": {
    5.         "total": 5,
    6.         "successful": 5,
    7.         "skipped": 0,
    8.         "failed": 0
    9.     },
    10.     "hits": {
    11.         "total": 4,
    12.         "max_score": 0.0,
    13.         "hits": []
    14.     },
    15.     "aggregations": {
    16.         "group_by_tags": {
    17.             "doc_count_error_upper_bound": 0,
    18.             "sum_other_doc_count": 6,
    19.             "buckets": [
    20.                 {
    21.                     "key": "java",
    22.                     "doc_count": 3
    23.                 },
    24.                 {
    25.                     "key": "程",
    26.                     "doc_count": 2
    27.                 },
    28.                 ......
    29.             ]
    30.         }
    31.     }
    32. }

(5) 解决方法二: 使用内置keyword字段:

  • 开启fielddata将占用大量的内存.

  • Elasticsearch 5.x 版本开始支持通过text的内置字段keyword作精确查询、聚合分析:

    1. GET shop/it_book/_search
    2. {
    3.     "size": 0,
    4.     "aggs": {
    5.         "group_by_tags": {
    6.             "terms": {
    7.                 "field": "tags.keyword"	// 使用text类型的内置keyword字段
    8.     	    }
    9.     	}
    10.     }
    11. }

1.2 先检索, 再聚合

(1) 统计name中含有“jvm”的图书中每个tag的文档数量, 请求语法:

  1. GET book_shop/it_book/_search
  2. {
  3.     "query": {
  4.         "match": { "name": "jvm" }
  5.     }, 
  6.     "aggs": {
  7.         "group_by_tags": {  // 聚合结果的名称, 需要自定义. 下面使用内置的keyword字段: 
  8.             "terms": { "field": "tags.keyword" }
  9.         }
  10.     }
  11. }

(2) 响应结果:

  1. {
  2.   "took" : 7,
  3.   "timed_out" : false,
  4.   "_shards" : {
  5.     "total" : 5,
  6.     "successful" : 5,
  7.     "skipped" : 0,
  8.     "failed" : 0
  9.   },
  10.   "hits" : {
  11.     "total" : 1,
  12.     "max_score" : 0.64072424,
  13.     "hits" : [
  14.       {
  15.         "_index" : "book_shop",
  16.         "_type" : "it_book",
  17.         "_id" : "2",
  18.         "_score" : 0.64072424,
  19.         "_source" : {
  20.           "name" : "深入理解Java虚拟机：JVM高级特性与最佳实践",
  21.           "author" : "周志明",
  22.           "category" : "编程语言",
  23.           "desc" : "Java图书领域公认的经典著作",
  24.           "price" : 79.0,
  25.           "date" : "2013-10-01",
  26.           "publisher" : "机械工业出版社",
  27.           "tags" : [
  28.             "Java",
  29.             "虚拟机",
  30.             "最佳实践"
  31.           ]
  32.         }
  33.       }
  34.     ]
  35.   },
  36.   "aggregations" : {
  37.     "group_by_tags" : {
  38.       "doc_count_error_upper_bound" : 0,
  39.       "sum_other_doc_count" : 0,
  40.       "buckets" : [
  41.         {
  42.           "key" : "Java",
  43.           "doc_count" : 1
  44.         },
  45.         {
  46.           "key" : "最佳实践",
  47.           "doc_count" : 1
  48.         },
  49.         {
  50.           "key" : "虚拟机",
  51.           "doc_count" : 1
  52.         }
  53.       ]
  54.     }
  55.   }
  56. }

1.3 扩展: fielddata和keyword的聚合比较

  • 为某个 text 类型的字段开启fielddata字段后, 聚合分析操作会对这个字段的所有分词分别进行聚合, 获得的结果大多数情况下并不符合我们的需求.

  • 使用keyword内置字段, 不会对相关的分词进行聚合, 结果可能更有用.

—— 推荐使用text类型字段的内置keyword进行聚合操作.

2 嵌套聚合

2.1 先分组, 再聚合统计

(1) 先按tags分组, 再计算每个tag下图书的平均价格, 请求语法:

  1. GET book_shop/it_book/_search
  2. {
  3.     "size": 0, 
  4.     "aggs": {
  5.         "group_by_tags": {
  6.             "terms": { "field": "tags.keyword" },
  7.             "aggs": {
  8.                 "avg_price": {
  9.                     "avg": { "field": "price" }
  10.                 }
  11.             }
  12.         }
  13.     }
  14. }

(2) 响应结果:

  1.   "hits" : {
  2.     "total" : 3,
  3.     "max_score" : 0.0,
  4.     "hits" : [ ]
  5.   },
  6.   "aggregations" : {
  7.     "group_by_tags" : {
  8.       "doc_count_error_upper_bound" : 0,
  9.       "sum_other_doc_count" : 0,
  10.       "buckets" : [
  11.         {
  12.           "key" : "Java",
  13.           "doc_count" : 3,
  14.           "avg_price" : {
  15.             "value" : 102.33333333333333
  16.           }
  17.         },
  18.         {
  19.           "key" : "编程语言",
  20.           "doc_count" : 2,
  21.           "avg_price" : {
  22.             "value" : 114.0
  23.           }
  24.         },
  25.         ......
  26.       ]
  27.     }
  28.   }

2.2 先分组, 再统计, 最后排序

(1) 计算每个tag下图书的平均价格, 再按平均价格降序排序, 查询语法:

  1. GET book_shop/it_book/_search
  2. {
  3.     "size": 0,
  4.     "aggs": {
  5.         "all_tags": {
  6.             "terms": {
  7.                 "field": "tags.keyword", 
  8.                 "order": { "avg_price": "desc" } // 根据下述统计的结果排序
  9.             },
  10.             "aggs": {
  11.                 "avg_price": {
  12.                     "avg": { "field": "price" }
  13.                 }
  14.             }
  15.         }
  16.     }
  17. }

(2) 响应结果:

与#2.1节内容相似, 区别在于按照价格排序显示了.

2.3 先分组, 组内再分组, 然后统计、排序

(1) 先按价格区间分组, 组内再按tags分组, 计算每个tags组的平均价格, 查询语法:

  1. GET book_shop/it_book/_search
  2. {
  3.     "size": 0, 
  4.     "aggs": {
  5.         "group_by_price": {
  6.             "range": {
  7.                 "field": "price", 
  8.                 "ranges": [
  9.                     { "from": 00,  "to": 100 },
  10.                     { "from": 100, "to": 150 }
  11.                 ]
  12.             }, 
  13.             "aggs": {
  14.                 "group_by_tags": {
  15.                     "terms": { "field": "tags.keyword" }, 
  16.                     "aggs": {
  17.                         "avg_price": {
  18.                             "avg": { "field": "price" }
  19.                         }
  20.                     }
  21.                 }
  22.             }
  23.         }
  24.     }
  25. }

(2) 响应结果:

  1.   "hits" : {
  2.     "total" : 3,
  3.     "max_score" : 0.0,
  4.     "hits" : [ ]
  5.   },
  6.   "aggregations" : {
  7.     "group_by_price" : {
  8.       "buckets" : [
  9.         {
  10.           "key" : "0.0-100.0",    // 区间0.0-100.0
  11.           "from" : 0.0,
  12.           "to" : 100.0,
  13.           "doc_count" : 1,        // 共查找到了3条文档
  14.           "group_by_tags" : {     // 对tags分组聚合
  15.             "doc_count_error_upper_bound" : 0,
  16.             "sum_other_doc_count" : 0,
  17.             "buckets" : [
  18.               {
  19.                 "key" : "Java",
  20.                 "doc_count" : 1,
  21.                 "avg_price" : {
  22.                   "value" : 79.0
  23.                 }
  24.               },
  25.               ......
  26.             ]
  27.           }
  28.         },
  29.         {
  30.           "key" : "100.0-150.0",
  31.           "from" : 100.0,
  32.           "to" : 150.0,
  33.           "doc_count" : 2,
  34.           "group_by_tags" : {
  35.             "doc_count_error_upper_bound" : 0,
  36.             "sum_other_doc_count" : 0,
  37.             "buckets" : [
  38.               {
  39.                 "key" : "Java",
  40.                 "doc_count" : 2,
  41.                 "avg_price" : {
  42.                   "value" : 114.0
  43.                 }
  44.               },
  45.               ......
  46.               }
  47.             ]
  48.           }
  49.         }
  50.       ]
  51.     }
  52.   }
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/盐析白兔/article/detail/505302
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号