ES作为搜索引擎兼数据库，同样提供了强大的聚合分析能力。它基于查询条件来对数据进行分桶、计算的方法。有点类似于 SQL 中的 group by 再加一些函数方法的操作。聚合可以嵌套，由此可以组成复杂的操作（Bucketing聚合可以包含sub-aggregation）。
聚合计算的值可以取字段的值，也可是脚本计算的结果。查询请求体中以aggregations节点的语法定义：
"aggregations" : { //也可简写为 aggs
"" : { //聚合的名字
"" : { //聚合的类型
//聚合体：对哪些字段进行聚合
}
[,"meta" : { [] } ]? //元
[,"aggregations" : { []+ } ]? //在聚合里面在定义子聚合
}
[,"" : { ... } ]* //聚合的名字
}
单值输出
ES中大多数的数学计算只能输出一个值，比如max、min、avg、sum、cardinality
GET indexName/_search
{
"aggs"{
"aggs_name":{ #聚合分析的名字有用户自定义
"aggs_type":{
}
}
}
}
多值输出
stats
查询员工工资信息，包括数量、最大值、最小值、平均值、和。
要求字段属性必须是数值类型
GET employee/_search
{
"size": 0,
"aggs": {
"sal_info": {
"stats": {
"field": "sal"
}
}
}
}
terms
查询到达不同国家的航班数量，对数据进行分组并统计出每一组总数。
以下api是按照目的地进行分组，没统计到达每个国家航班的数量
GET kibana_sample_data_flights/_search
{
"size": 0,
"aggs": {
"aaaa": {
"terms": {
"field": "DestCountry",
"size": 10
}
}
}
}
top_hits
年龄最大的两个员工
GET employee/_search
{
"size": 0,
"aggs": {
"max_two_age": {
"top_hits": {
"size": 2
, "sort": [{
"age": {"order": "desc"}
}]
}
}
}
}
range
请注意，此聚合包括每个范围的from值，不包括to值。
例如查询不同工资区间员工工资的统计信息
GET employee/_search
{
"size": 0,
"aggs": {
"range_sal_info": {
"range": {
"field": "sal"
, "ranges": [
{"key":"0 <= sal < 10001",
"to": 10001
},
{"key": "10001<= sal <20001",
"from": 10001,
"to": 20001
},
{"key": "20001<= sal <30001",
"from": 20001,
"to": 30001
}
]
}
}
}
}
histogram
以某个固定值为区间查询某个范围内的聚合
比如以5000为固定值，查询工资区间的信息
GET employee/_search
{
"size": 0,
"aggs": {
"range_sal_info": {
"histogram": {
"field": "sal",
"interval": 5000,
"extended_bounds": {
"min": 5000,
"max": 20000
}
}
}
}
}
min_bucket
A sibling pipeline aggregation which identifies the bucket(s) with the minimum value of a specified metric in a sibling aggregation and outputs both the value and the key(s) of the bucket(s). The specified metric must be numeric and the sibling aggregation must be a multi-bucket aggregation.
分组后最小的桶.
查询平均工资最低的工种
GET employee/_search
{"size": 0,
"aggs": {
"job_info": {
"terms": {
"field": "job"
},
"aggs": {
"diff_job_avg_sal": {
"avg": {
"field": "sal"
}
}
}
},
"min_avg_job_info":{
"min_bucket":{
"buckets_path":"job_info>diff_job_avg_sal"
}
}
}
}
全局过滤
查询年龄大于30岁的员工平均工资
GET employee/_search
{
"size": 0,
"query": {
"range": {
"age": {
"gt": 30
}
}
},
"aggs": {
"gt_30_avg_info": {
"avg": {
"field": "sal"
}
}
}
}
查询岗位为JAVA开发的平均工资，使用constant_score，不计算相关性分数
GET employee/_search
{
"size": 0,
"query": {
"constant_score": {
"filter": {
"term": {
"job": "java"
}
}
}
},
"aggs": {
"gt_30_avg_info": {
"avg": {
"field": "sal"
}
}
}
}
局部过滤
查询所有员工平均工资和年龄大于30岁的平均工资
GET employee/_search
{
"size": 0,
"aggs": {
"all_emp_agv_sal": {
"avg": {
"field": "sal"
}
},
"gt_30_emp_avg_info":{
"filter": {
"range": {
"age": {
"gt": 30
}
}
}
, "aggs": {
"NAME": {
"avg": {
"field": "sal"
}
}
}
}
}
}
推荐搜索
suggest
在搜索过程中，因为单词的拼写错误，没有得到任何的结果，希望ES能给我们一个推荐的搜索。
GET movies/_search
{
"suggest": {
"YOUR_SUGGESTION": {
"text": "beauty",
"term": {
"field": "title",
"suggest_mode":"missing"
}
}
}
}
suggestJ_mode，有三个值：popular、missing 、always。默认时missing
- popular 是推荐词频更高的一些搜索
- missing 是当没有要搜索的结果时才推荐，倒排索引中没有此关键次。
- always 无论什么情况下都进行推荐
自动补全
completion
自动补全是我们在日常开发过程中最常见的搜索方式，比如百度搜索、淘宝的商品搜索。
es是通过特殊的数据结构实现，并不是通过传统意义的倒排索引实现。
前缀搜索API，其中size，限制返回多少条数据，skip_duplicates是自动去重。
GET movies/_search
{
"suggest": {
"YOUR_SUGGESTION": {
"prefix" : "beauty",
"completion" : {
"field" : "title",
"size":"20",
"skip_duplicates":"true"
}
}
}
}
高亮显示
将搜索结果进行高亮显示。
# 将title和genre中所有的romance进行高亮显示，通过pre_tages和post_tags定制前缀标签和后缀标签。
GET movies/_search
{
"query": {
"multi_match": {
"query": "romance",
"fields": ["title","genre"]
}
},
"highlight": {
"pre_tags": "",
"post_tags": "",
"fields": {
"title": {},
"genre": {}
}
}
}
GET movies/_search
{
"query": {
"bool": {
"must": [
{"match": {
"year": 2012
}
},
{"match":{
"title": "Avengers, The"
}
}
]
}
},
"highlight": {
"fields": {
"year": {},
"genre": {
"pre_tags": "",
"post_tags": "",
"highlight_query": {
"match": {
"genre": "Action"
}
}
}
}
}
}
