概述

继续跟中华石杉老师学习ES，第33篇

课程地址： https://www.roncoo.com/view/55

先回顾一下，白话Elasticsearch32-深入聚合数据分析之案例实战Terms Aggregation 中演示了Terms Aggregation ,其实就是分组操作 ，根据某个字段将数据分到不同的bucket中，DSL及返回结果如下

按照color去分bucket，可以拿到每个color bucket中的数量，这个仅仅只是一个bucket操作，返回结果中 包含key 和 doc_count 。 doc_count可以理解为es的bucket操作默认执行的一个内置metric（其实不是）。

这里我们将学习下除了bucket操作（分组），还要对每个bucket执行一个metric聚合统计操作

官方说明Avg Aggregation

官方说明： Avg Aggregation

更多说明请参考官网

案例：统计每种颜色电视平均价格

原始数据：

思路：

• 先按照颜色进行bucket分组操作
  
• 再对每个bucket执行一个metric聚合统计操作
  

先按照颜色进行bucket分组

GET /tvs/sales/_search
{
  "size": 0 ,
  "aggs": {
    "group_by_color": {
      "terms": {
        "field": "color"
      }
    }
  }
}

紧接着： 在一个aggs执行的bucket操作（terms），平级的json结构下，再加一个aggs，这个第二个aggs内部，同样取个名字，执行一个metric操作，avg，对之前的每个bucket中的数据的指定的field，price field，求一个平均值

全部的DSL如下：

GET /tvs/sales/_search
{
  "size": 0 ,
  "aggs": {
    "group_by_color": {
      "terms": {
        "field": "color"
      },
      "aggs":{
        "avg_price":{
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

请求DSL 分析下：

"aggs": { 
   "avg_price": { 
      "avg": {
         "field": "price" 
      }
   }

就是一个metric，就是一个对一个bucket分组操作之后，对每个bucket都要执行的一个metric

返回结果分析下：

• buckets： key （分组关键字）和doc_count （数量）
• avg_price：我们自己取的metric aggs的名字
• value：我们的metric计算的结果，每个bucket中的数据的price字段求平均值后的结果

类比下我们常用的SQL：

select avg(price) from tvs.sales group by color