Elasticsearch --- 聚合查询 - Metric （二）

谁借莪１个温暖的怀抱￠ 2022-12-07 15:03 214阅读 0赞

## **一：聚合查询-Metric** ##

`官网`: 指标聚合官网文档：[Metric][]

Metric聚合分析分为单值分析和多值分析两类：

#1、单值分析，只输出一个分析结果
    min,max,avg,sum,cardinality
    #2、多值分析，输出多个分析结果
    stats,extended_stats,percentile,percentile_rank,top hits

## **二：Metric使用** ##

**1、Avg(平均值)**

计算从聚合文档中提取的数值的平均值。

POST /exams/_search?size=0
    {
        "aggs" : {
            "avg_grade" : { "avg" : { "field" : "grade" } }
        }
    }

**2、Max(最大值)**

计算从聚合文档中提取的数值的最大值。

POST /sales/_search?size=0
    {
        "aggs" : {
            "max_price" : { "max" : { "field" : "price" } }
        }
    }

**3、Min(最小值)**

计算从聚合文档中提取的数值的最小值。

POST /sales/_search?size=0
    {
        "aggs" : {
            "min_price" : { "min" : { "field" : "price" } }
        }
    }

**4、Sum(总和)**

计算从聚合文档中提取的数值的总和。

POST /sales/_search?size=0
    {
        "query" : {
            "constant_score" : {
                "filter" : {
                    "match" : { "type" : "hat" }
                }
            }
        },
        "aggs" : {
            "hat_prices" : { "sum" : { "field" : "price" } }
        }
    }

**5、 Cardinality(唯一值)**

cardinality 求唯一值，即不重复的字段有多少（相当于mysql中的distinct）

POST /sales/_search?size=0
    {
        "aggs" : {
            "type_count" : {
                "cardinality" : {
                    "field" : "type"
                }
            }
        }
    }

**6、Stats**

stats 统计，请求后会直接显示多种聚合结果

POST /exams/_search?size=0
    {
        "aggs" : {
            "grades_stats" : { "stats" : { "field" : "grade" } }
        }
    }

查询结果返回：

{
        ...
        "aggregations": {
            "grades_stats": {
                "count": 2,
                "min": 50.0,
                "max": 100.0,
                "avg": 75.0,
                "sum": 150.0
            }
        }
    }

**7、Percentiles**

对指定字段的值按从小到大累计每个值对应的文档数的占比，返回指定占比比例对应的值。

1）`默认取百分比`

**默认按照\[ 1, 5, 25, 50, 75, 95, 99 \]来统计**

GET latency/_search
    {
        "size": 0,
        "aggs" : {
            "load_time_outlier" : {
                "percentiles" : {
                    "field" : "load_time" 
                }
            }
        }
    }

返回结果可以理解为：占比为50%的文档的age值 <= 445，或反过来：age<=445的文档数占总命中文档数的50%

{
        ...
       "aggregations": {
          "load_time_outlier": {
             "values" : {
                "1.0": 5.0,
                "5.0": 25.0,
                "25.0": 165.0,
                "50.0": 445.0,
                "75.0": 725.0,
                "95.0": 945.0,
                "99.0": 985.0
             }
          }
       }
    }

2）`指定分位值`

GET latency/_search
    {
        "size": 0,
        "aggs" : {
            "load_time_outlier" : {
                "percentiles" : {
                    "field" : "load_time",
                    "percents" : [95, 99, 99.9] 
                }
            }
        }
    }

3）`Keyed Response`

默认情况下，keyed标志设置为true，它将唯一的字符串键与每个存储桶相关联，并将范围作为哈希而不是数组返回。

GET latency/_search
    {
        "size": 0,
        "aggs": {
            "load_time_outlier": {
                "percentiles": {
                    "field": "load_time",
                    "keyed": false
                }
            }
        }
    }

返回结果

{
        ...
        "aggregations": {
            "load_time_outlier": {
                "values": [
                    {
                        "key": 1.0,
                        "value": 5.0
                    },
                    {
                        "key": 5.0,
                        "value": 25.0
                    },
                    {
                        "key": 25.0,
                        "value": 165.0
                    },
                    {
                        "key": 50.0,
                        "value": 445.0
                    },
                    {
                        "key": 75.0,
                        "value": 725.0
                    },
                    {
                        "key": 95.0,
                        "value": 945.0
                    },
                    {
                        "key": 99.0,
                        "value": 985.0
                    }
                ]
            }
        }
    }

**8、 Percentile Ranks**

上面是通过百分比求文档值，这里通过文档值求百分比。

GET latency/_search
    {
        "size": 0,
        "aggs" : {
            "load_time_ranks" : {
                "percentile_ranks" : {
                    "field" : "load_time", 
                    "values" : [500, 600]
                }
            }
        }
    }

返回结果：

{
        ...
       "aggregations": {
          "load_time_ranks": {
             "values" : {
                "500.0": 55.1,
                "600.0": 64.0
             }
          }
       }
    }

`结果说明`：时间小于500的文档占比为55.1%，时间小于600的文档占比为64%。

**9、Top Hits**

一般用于分桶后获取该桶内匹配前n的文档列表

POST /sales/_search?size=0
    {
        "aggs": {
            "top_tags": {
                "terms": {
                    "field": "type",  #根据type进行分组 每组显示前3个文档
                    "size": 3
                },
                "aggs": {
                    "top_sales_hits": {
                        "top_hits": {
                            "sort": [
                                {
                                    "date": { 
                                        "order": "desc"  #按照时间进行倒叙排序
                                    }
                                }
                            ],
                            "_source": {
                                "includes": [ "date", "price" ] #只显示文档指定字段
                            },
                            "size" : 1
                        }
                    }
                }
            }
        }
    }

以上例子转载自： [雨点的名字][Link 1]  [https://www.cnblogs.com/qdhxhz/p/11556764.html][https_www.cnblogs.com_qdhxhz_p_11556764.html]

### **三：Metric使用案例 ES6.5.3版本** ###

下面会针对上面转载文档的例子进行举例说明【例子最初来自官方文档，博主细致梳理出来了，咱们就引用了】。

1、添加测试数据

**1）创建索引**

[Metric]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-metrics.html
[Link 1]: https://www.cnblogs.com/qdhxhz/
[https_www.cnblogs.com_qdhxhz_p_11556764.html]: https://www.cnblogs.com/qdhxhz/p/11556764.html