Elasticsearch 使用 RESTful API 聚合查询

上一篇我们学习了使用 RESTful API 进行常规查询，这一篇我们来学习使用 RESTful API 进行聚合查询，聚合查询就是对文档数据按照某些维度进行统计，如果你熟悉 MySql 的聚合查询，这个也就好理解了，这里先介绍一些常用的聚合查询。

首先我们修改一下之前的文档数据，都添加school字段，例如：

POST user/_update/1
{
  "doc": {
    "school": "清华"
  }
}

最终的文档数据如下：

1、avg

avg用来求平均值，例如统计用户的平均年龄：

GET user/_search
{
  "aggs": {
    "avg_age": {
      "avg": {
        "field": "age"
      }
    }
  }
}

aggs是固定的写法，里边可以包含多个统计维度；avg_age相当于统计结果的名称，可以自定义；avg表示求平均值的聚合操作，也是固定写法；field表示对那个字段的值求平均值。

最终的结果如下：

2、max

max表示求最大值，如下统计最大年龄：

GET user/_search
{
  "aggs": {
    "max_age": {
      "max": {
        "field": "age"
      }
    }
  }
}

3、min

min表示求最大值，如下统计最小年龄：

GET user/_search
{
  "aggs": {
    "min_age": {
      "min": {
        "field": "age"
      }
    }
  }
}

类似的还有sum，这里就不介绍了。

4、range

range表示按区间统计，比如指定时间范围，指定大小区间等；field表示要统计的字段；ranges里边包含多个区间；from表示区间的开始，to表示区间的结束；如下统计年龄在[0, 20]、[20, 40]、[40, 100]三个区间的人数：

GET user/_search
{
  "aggs": {
    "range_age": {
      "range": {
        "field": "age",
        "ranges": [
          {
            "from": 0,
            "to": 20
          },
          {
            "from": 20,
            "to": 40
          },
          {
            "from": 40,
            "to": 100
          }
        ]
      }
    }
  }
}

4、filter

filter可以按指定的条件过滤数据，如下统计姓王的人数：

GET user/_search
{
  "aggs": {
    "wang_name": {
      "filter": {
        "match_phrase_prefix": {
          "name": "王"
        }
      }
    }
  }
}

5、terms

terms可以实现按指定字段分组，field用来指定用哪个字段分组，size表示统计出多少组数据，order表示各组数据如何排序。如下实现按school字段对数据进行分组，统计出10组数据即可，并按每组的数据量升序排列：

GET user/_search
{
  "aggs": {
     "group_school":{
      "terms": {
        "field": "school.keyword",
        "size": 10,
        "order": {
          "_count": "asc"
        }
      }
    }
  }
}

Text fields are not optimised for operations that require per-document field data like aggregations and sorting, so these operations are disabled by default. Please use a keyword field instead. Alternatively, set fielddata=true on [school] in order to load field data by uninverting the inverted index. Note that this can use significant memory.

大致的意思是，使用text类型的字段数据进行聚合、排序时，由于text类型的字段未被 ES 优化处理，所以无法进行这些操作。可以使用关键字字段来解决这个问题，即在字段名后添加.keyword。或者设置school字段设置fielddata=true，但这样这可能会占用大量内存，需要慎重。

6、子统计

上边我们对数据按照school字段进行了分组，我们还可以统计组内人员的最小年龄，这就是子统计，如下：

GET user/_search
{
  "aggs": {
     "group_school":{
      "terms": {
        "field": "school.keyword",
        "size": 10,
        "order": {
          "_key": "asc"
        }
      },
      "aggs": {
        "min_age": {
          "min": {
            "field": "age"
          }
        }
      }
    }
  }
}

7、top_hits

top_hits可以用来跟踪正在聚合统计的相关文档数据。前边介绍terms时，我们按school字段对数据进行了分组，但是我们还不知道组内具体的文档数据，现在我们使用top_hits就可以看到每组内具体的文档数据， 如下：

GET user/_search
{
  "aggs": {
    "group_school": {
      "terms": {
        "field": "school.keyword",
        "size": 10,
        "order": {
          "_count": "asc"
        }
      },
      "aggs": {
        "group_data": {
          "top_hits": {
            "size": 10
          }
        }
      }
    }
  }
}

以下是统计结果的部分截图：

先介绍这么多吧，后期看情况再补充。