原英文版地址: https://www.elastic.co/guide/en/elasticsearch/reference/7.7/getting-started-aggregations.html, 原文档版权归 www.elastic.co 所有
本地英文版地址: ../en/getting-started-aggregations.html
本地英文版地址: ../en/getting-started-aggregations.html
重要: 此版本不会发布额外的bug修复或文档更新。最新信息请参考 当前版本文档。
Elasticsearch 聚合使你能够获取有关搜索结果的元信息，并能回答诸如“德克萨斯州有多少帐户持有人”或“纳西州的平均帐户余额是多少？”这样的问题。 你可以在一个请求中搜索文档、过滤命中并能使用聚合分析结果。
比如，下面这个请求使用一个 terms 聚合将索引 bank 中的所有账户按州分组，并按降序返回账户最多的前 10 个州。
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
}
}
}
}
响应中的 桶 (buckets) 是字段 state 的值。
doc_count 显示每个州的账户数量。
比如，你可以看到在 ID (Idaho) 州有 27 个账户。
因为请求中设置了 size=0，所以响应中只包含聚合的结果(译者注: aggregations部分有数据，而hits.hits为空)。
{
"took": 29,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"skipped" : 0,
"failed": 0
},
"hits" : {
"total" : {
"value": 1000,
"relation": "eq"
},
"max_score" : null,
"hits" : [ ]
},
"aggregations" : {
"group_by_state" : {
"doc_count_error_upper_bound": 20,
"sum_other_doc_count": 770,
"buckets" : [ {
"key" : "ID",
"doc_count" : 27
}, {
"key" : "TX",
"doc_count" : 27
}, {
"key" : "AL",
"doc_count" : 25
}, {
"key" : "MD",
"doc_count" : 25
}, {
"key" : "TN",
"doc_count" : 23
}, {
"key" : "MA",
"doc_count" : 21
}, {
"key" : "NC",
"doc_count" : 21
}, {
"key" : "ND",
"doc_count" : 21
}, {
"key" : "ME",
"doc_count" : 20
}, {
"key" : "MO",
"doc_count" : 20
} ]
}
}
}
你可以组合聚合以构建更复杂的数据摘要。
比如，下面这个请求在前一个 group_by_state 聚合中嵌套一个 avg 聚合，以计算每个状态的平均账户余额。
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword"
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
与按结果的计数排序不同，你可以使用嵌套聚合的结果进行排序，方法是在 terms 聚合中指定顺序：
GET /bank/_search
{
"size": 0,
"aggs": {
"group_by_state": {
"terms": {
"field": "state.keyword",
"order": {
"average_balance": "desc"
}
},
"aggs": {
"average_balance": {
"avg": {
"field": "balance"
}
}
}
}
}
}
除了这些基本的桶(bucket) 和 度量聚合(metrics aggregation) 之外，Elasticsearch 还提供了专门的聚合，用于操作 多字段(multiple fields) 和分析特定类型的数据，如日期、IP地址和地理数据。 你还可以将单个聚合的结果输入管道聚合以进行进一步分析。
聚合提供的核心分析功能支持高级特性，比如使用机器学习来检测异常。