ES:聚合查询语法

news2025/2/22 3:17:19

基础查询结构：

GET http://ip:prot/textbook/_search

{ "query" : { ...query子句... },

"aggs" : {

"agg_name":{

"agg_type": {

"agg_arg": agg_arg_value

}

}

},

"sort" : { ..sort子句.. }

"from" : 0, // 返回搜索结果的开始位置

"size" : 10, // 分页大小，一次返回多少数据

"_source" :[ ...需要返回的字段数组... ],

}

这个聚合查询就是写aggs里面的语句。其中，agg_name是聚合操作的名称，agg_type是聚合操作的类型，agg_arg是聚合操作的参数，agg_arg_value是参数值。

Metric（指标）：
Metric聚合用于对数值字段进行统计计算，例如求平均值、最大值、最小值、求和、统计样本方差等。它能够提供各种度量指标，以便对数据进行汇总和分析。在聚合查询中，可以通过指定一个或多个Metric聚合来对数值字段进行计算，并将结果返回给用户。
Bucketing（桶）：
Bucket聚合用于将文档分配到不同的桶中，基于指定的条件。桶聚合能够将数据划分为不同的分组，以便进行进一步的分析和可视化。常见的桶聚合包括terms、histogram、date_histogram等。通过Bucket聚合，可以对数据进行分组、过滤和排序，以便更好地了解数据的分布和模式。类似于mysql中的grouo by语法。
Matrix（矩阵）：
Matrix聚合提供了一种在给定文档集合上执行复杂分析的方法。它可以用于计算字段之间的统计量，例如两个字段之间的相关性或协方差。Matrix聚合返回一个矩阵，其中包含了指定字段之间的各种统计信息。通过Matrix聚合，可以对数据进行更深入的分析和探索。
Pipeline（管道）：
Pipeline聚合能够对其他聚合的结果进行二次聚合。它们可以用于对已经计算出的聚合结果进行进一步的处理和计算。例如，可以将Bucket聚合的结果传递给Metric聚合，以便对桶中的数据进行度量计算。Pipeline聚合提供了更高级的聚合操作，以便更好地处理和分析数据。类似于mysql中的having语法。

1、Metric（指标）

这个查询将返回"amount"字段的平均值。在聚合查询中，"size"参数设置为0，表示不需要返回文档本身，只需要聚合结果。下面的这个只是一个简单的查询，是单值分析。

Get /my_index/_search
{
  "size": 0,
  "aggs": {
//求amount字段的平均值
    "amount_avg": {
      "avg": {
        "field": "amount"
      },
//求amount字段的最小值
    "min_sales": {
      "min": {
        "field": "amount"
      }
    },
//求amount字段的最大值
    "my_max":{
       "max": {
         "field":"amount"        
        }
    }
  }
}

1.1 stats（会返回多个聚合结果）

使用_stats查询来获取有关字段的统计信息，例如平均值、最小值、最大值等。

Get /my_index/_search
{
  "size": 0,
  "aggs": {
//求amount字段的各个指标
    "my_stats": {
      "stats": {
        "field": "amount"
      }
  }
}

1.2 Extended_stats（扩展统计信息）

使用_extended_stats查询来获取有关字段的扩展统计信息，例如方差、偏度和峰度。

GET /your_index/_search
{
  "size": 0,
  "aggs": {
    "my_extended_stats": {
      "extended_stats": {
        "field": "amount"
      }
    }
  }
}

1.3 唯一值（Cardinality）

查这字段有哪些值，返回这个数量。相当于mysql中的distinct

GET /your_index/_search
{
  "size": 0,
  "aggs": {
    "my_cardinality": {
      "cardinality": {
        "field": "amount"
      }
    }
  }
}

1.4 Percentile_rank（百分位数排名）

Percentiles聚合可以了解数据的分布情况，从小到大排序，可以显示自己想知道的第百分之几的值。可以更好的了解数据的离散程度和异常值。

GET /your_index/_search
{
  "size": 0,
  "aggs": {
    "my_percentiles": {
      "percentiles": {
        "field": "amount",
        "percents": [
         20,
         50,
         75,
         99
       ]
      }
    }
  }
}

1.5 top_hits（top匹配值）

用于获取匹配度最高的几个文档。此时主要看的是score字段的值

GET /your_index/_search
{
  "size": 0,
  "aggs": {
     "My_top": {
      "top_hits": {
          "_source": ["aaaa"],
          "size": 2
      }
    }
  }
}