草庐IT

Elasticsearch使用篇 - 组合聚合

等後那场雪 2023-07-14 原文

Composite aggregation

[kəmˈpɑːzət]，组合聚合。属于分桶聚合。

基于不同的源（source）来创建组合聚合（composite aggregation）桶。可以对多级的聚合的结果进行分页。该聚合方式提供了一种方式来流化某种聚合的所有桶，类似于文档的滚动（scroll）。

组合聚合目前不兼容 pipeline aggregation。

组合聚合基于文档的值来创建一个组合，每个组合可以看作是一个组合桶。

比如，文档的内容如下：

{
  "keyword": ["foo", "bar"],
  "number": [23, 65, 76]
}

通过使用组合聚合的方式，会产生如下几种组合桶。

{ "keyword": "foo", "number": 23 }
{ "keyword": "foo", "number": 65 }
{ "keyword": "foo", "number": 76 }
{ "keyword": "bar", "number": 23 }
{ "keyword": "bar", "number": 65 }
{ "keyword": "bar", "number": 76 }

  • sources：定义聚合源的列表。每个聚合源的名称需要唯一。

  • missing_bucket ：默认 false，即如果某个聚合源的结果为空，则整体的组合聚合的结果会输出 []。如果设置 true，只有结果为空的聚合源输出 null，其它聚合源正常输出。

  • size：限制组合聚合的结果输出多少条数据。默认 10。

  • after：设置当前页的起点，即上一页的最后一条数据。

聚合源

terms、histogram、date_histogram、geotile_grid 四种聚合可以作为聚合源。

terms聚合作为聚合源

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_FlightTimeMin": {
      "terms": {
        "field": "FlightTimeMin"
      }
    }
  }
}

这种方式等价于直接使用 terms 聚合。

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "runtime_mappings": {
    "FlightTimeMinChanged": {
      "type": "double",
      "script": {
        "source": """
          emit(doc['FlightTimeMin'].value / 10)
        """
      }
    }
  },
  "aggs": {
    "composite_FlightTimeMinChanged": {
      "composite": {
        "sources": [
          {
            "terms_FlightTimeMinChanged": {
              "terms": {
                "field": "FlightTimeMinChanged"
              }
            }
          }
        ]
      }
    }
  }
}

支持运行时字段来创建组合桶。

histogram聚合作为聚合源

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_FlightTimeMin": {
      "composite": {
        "sources": [
          {
            "histogram_FlightTimeMin": {
              "histogram": {
                "field": "FlightTimeMin",
                "interval": 10
              }
            }
          }
        ]
      }
    }
  }
}

date_histogram聚合作为聚合源

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_timestamp": {
      "composite": {
        "sources": [
          {
            "date_histogram_timestamp": {
              "date_histogram": {
                "field": "timestamp",
                "calendar_interval": "1d",
                "format": "yyyy-MM-dd"
              }
            }
          }
        ]
      }
    }
  }
}

多种聚合源组合在一起

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_timestamp_FlightTimeMin": {
      "composite": {
        "sources": [
          {
            "date_histogram_timestamp": {
              "date_histogram": {
                "field": "timestamp",
                "calendar_interval": "1d",
                "format": "yyyy-MM-dd"
              }
            }
          },
          {
            "terms_FlightTimeMin": {
              "terms": {
                "field": "FlightTimeMin"
              }
            }
          }
        ]
      }
    }
  }
}

不同聚合源分别指定排序规则

先按照第一个聚合源进行排序，然后第二个。。以此类推。

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_timestamp_FlightTimeMin": {
      "composite": {
        "sources": [
          {
            "date_histogram_timestamp": {
              "date_histogram": {
                "field": "timestamp",
                "calendar_interval": "1d",
                "format": "yyyy-MM-dd",
                "order": "desc"
              }
            }
          },
          {
            "terms_FlightTimeMin": {
              "terms": {
                "field": "FlightTimeMin",
                "order": "asc"
              }
            }
          }
        ]
      }
    }
  }
}

组合聚合与子聚合之间的对比

首先使用组合聚合的方式，按照 OriginCountry、DestCountry 两个字段进行词项聚合。

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_OriginCountry_DestCountry": {
      "composite": {
        "sources": [
          {
            "terms_OriginCountry": {
              "terms": {
                "field": "OriginCountry"
              }
            }
          },
          {
            "terms_DestCountry": {
              "terms": {
                "field": "DestCountry"
              }
            }
          }
        ]
      }
    }
  }
}

聚合结果如下：

"aggregations" : {
    "composite_OriginCountry_DestCountry" : {
      "after_key" : {
        "terms_OriginCountry" : "AE",
        "terms_DestCountry" : "CA"
      },
      "buckets" : [
        {
          "key" : {
            "terms_OriginCountry" : "AE",
            "terms_DestCountry" : "AE"
          },
          "doc_count" : 9
        },
        {
          "key" : {
            "terms_OriginCountry" : "AE",
            "terms_DestCountry" : "AR"
          },
          "doc_count" : 10
        },
        。。。。。。

作为对比，我们再使用 terms 子聚合的方式。

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "terms_OriginCountry": {
      "terms": {
        "field": "OriginCountry"
      },
      "aggs": {
        "terms_DestCountry": {
          "terms": {
            "field": "DestCountry"
          }
        }
      }
    }
  }
}

聚合结果如下：

"aggregations" : {
    "terms_OriginCountry" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 4114,
      "buckets" : [
        {
          "key" : "IT",
          "doc_count" : 2278,
          "terms_DestCountry" : {
            "doc_count_error_upper_bound" : 0,
            "sum_other_doc_count" : 513,
            "buckets" : [
              {
                "key" : "IT",
                "doc_count" : 459
              },
              {
                "key" : "US",
                "doc_count" : 328
              },
              {
                "key" : "CN",
                "doc_count" : 195
              },
              {
                "key" : "CA",
                "doc_count" : 192
              },

missing_bucket参数

在第二个聚合源中，我们指定一个不存在的字段 FlightTimeMin2。通过修改 missing_bucket 参数的值，对比它的作用。

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_timestamp_FlightTimeMin": {
      "composite": {
        "sources": [
          {
            "date_histogram_timestamp": {
              "date_histogram": {
                "field": "timestamp",
                "calendar_interval": "1d",
                "format": "yyyy-MM-dd",
                "order": "desc"
              }
            }
          },
          {
            "terms_FlightTimeMin": {
              "terms": {
                "field": "FlightTimeMin2",
                "order": "asc",
                "missing_bucket": false
              }
            }
          }
        ]
      }
    }
  }
}

after参数

从上一页的 after_key 中，可以得到最后一条数据的内容。

"after_key" : {
  "date_histogram_timestamp" : "2022-08-28",
  "terms_FlightTimeMin" : 32.9625244140625
}

接下来将 after 参数的内容修改为上述 after_key 的内容，也就是基于上一页来展示下一页的数据内容。

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_timestamp_FlightTimeMin": {
      "composite": {
        "size": 5, 
        "after": {
          "date_histogram_timestamp" : "2022-08-28",
          "terms_FlightTimeMin" : 13.010112762451172
        }, 
        "sources": [
          {
            "date_histogram_timestamp": {
              "date_histogram": {
                "field": "timestamp",
                "calendar_interval": "1d",
                "format": "yyyy-MM-dd"
              }
            }
          },
          {
            "terms_FlightTimeMin": {
              "terms": {
                "field": "FlightTimeMin",
                "missing_bucket": true
              }
            }
          }
        ]
      }
    }
  }
}

支持嵌入子聚合

GET kibana_sample_data_flights/_search
{
  "track_total_hits": true,
  "size": 0,
  "aggs": {
    "composite_timestamp_FlightTimeMin": {
      "composite": {
        "size": 2, 
        "after": {
          "date_histogram_timestamp" : "2022-08-28",
          "terms_FlightTimeMin" : 13.010112762451172
        }, 
        "sources": [
          {
            "date_histogram_timestamp": {
              "date_histogram": {
                "field": "timestamp",
                "calendar_interval": "1d",
                "format": "yyyy-MM-dd"
              }
            }
          },
          {
            "terms_FlightTimeMin": {
              "terms": {
                "field": "FlightTimeMin",
                "missing_bucket": true
              }
            }
          }
        ]
      },
      "aggs": {
        "stats_FlightTimeMin": {
          "stats": {
            "field": "FlightTimeMin"
          }
        }
      }
    }
  }
}

聚合结果输出如下：

"aggregations" : {
    "composite_timestamp_FlightTimeMin" : {
      "after_key" : {
        "date_histogram_timestamp" : "2022-08-28",
        "terms_FlightTimeMin" : 17.2014217376709
      },
      "buckets" : [
        {
          "key" : {
            "date_histogram_timestamp" : "2022-08-28",
            "terms_FlightTimeMin" : 16.21676254272461
          },
          "doc_count" : 1,
          "stats_FlightTimeMin" : {
            "count" : 1,
            "min" : 16.21676254272461,
            "max" : 16.21676254272461,
            "avg" : 16.21676254272461,
            "sum" : 16.21676254272461
          }
        },
        {
          "key" : {
            "date_histogram_timestamp" : "2022-08-28",
            "terms_FlightTimeMin" : 17.2014217376709
          },
          "doc_count" : 1,
          "stats_FlightTimeMin" : {
            "count" : 1,
            "min" : 17.2014217376709,
            "max" : 17.2014217376709,
            "avg" : 17.2014217376709,
            "sum" : 17.2014217376709
          }
        }
      ]
    }
  }
Elasticsearch使用spanclasstoken搜索引擎

有关Elasticsearch使用篇 - 组合聚合的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  3. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  4. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

  5. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  6. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

  7. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

  8. ruby-on-rails - 'compass watch' 是如何工作的/它是如何与 rails 一起使用的 - 2

    我在我的项目目录中完成了compasscreate.和compassinitrails。几个问题:我已将我的.sass文件放在public/stylesheets中。这是放置它们的正确位置吗？当我运行compasswatch时，它不会自动编译这些.sass文件。我必须手动指定文件:compasswatchpublic/stylesheets/myfile.sass等。如何让它自动运行？文件ie.css、print.css和screen.css已放在stylesheets/compiled。如何在编译后不让它们重新出现的情况下删除它们？我自己编译的.sass文件编译成compiled/t

  9. ruby - 使用 ruby​​ 将 HTML 转换为纯文本并维护结构/格式 - 2

    我想将html转换为纯文本。不过，我不想只删除标签，我想智能地保留尽可能多的格式。为插入换行符标签，检测段落并格式化它们等。输入非常简单，通常是格式良好的html(不是整个文档，只是一堆内容，通常没有anchor或图像)。我可以将几个正则表达式放在一起，让我达到80%，但我认为可能有一些现有的解决方案更智能。 最佳答案 首先，不要尝试为此使用正则表达式。很有可能你会想出一个脆弱/脆弱的解决方案，它会随着HTML的变化而崩溃，或者很难管理和维护。您可以使用Nokogiri快速解析HTML并提取文本:require'nokogiri'h

  10. ruby - 在 64 位 Snow Leopard 上使用 rvm、postgres 9.0、ruby 1.9.2-p136 安装 pg gem 时出现问题 - 2

    我想为Heroku构建一个Rails3应用程序。他们使用Postgres作为他们的数据库，所以我通过MacPorts安装了postgres9.0。现在我需要一个postgresgem并且共识是出于性能原因你想要pggem。但是我对我得到的错误感到非常困惑当我尝试在rvm下通过geminstall安装pg时。我已经非常明确地指定了所有postgres目录的位置可以找到但仍然无法完成安装:$envARCHFLAGS='-archx86_64'geminstallpg--\--with-pg-config=/opt/local/var/db/postgresql90/defaultdb/po

随机推荐