Elasticsearch如何聚合查询多个统计值，如何嵌套聚合？并相互引用，统计索引中某一个字段的空值率？语法是怎么样的？

2024-06-19 18:17 由张飞的猪发表于 #数据库

Elasticsearch聚合查询说明
- 空值率查询DSL
Elasticsearch聚合基础知识扩展

Elasticsearch聚合查询说明

Elasticsearch聚合查询是一种强大的工具，允许我们对索引中的数据进行复杂的统计分析和计算。本文将详细解释一个聚合查询示例，该查询用于统计满足特定条件的文档数量，并计算其占总文档数量的百分比。这里回会分享如何统计某个字段的空值率，然后扩展介绍ES的一些基础知识。

空值率查询DSL

此查询结构通过 GET /my_index/_search 发送到 Elasticsearch，以实现对索引 my_index 的聚合分析。查询分为以下几个部分：

{
  "size": 0, // 不返回任何搜索结果，只聚合数据
  "aggs": {
    "all_documents_agg": { // 聚合所有文档
      "terms": {
        "script": {
          "source": "return 'all_documents';" // 强制所有文档聚合到一个桶中
        }
      },
      "aggs": {
        "total_count": { // 统计所有文档的数量
          "value_count": {
            "field": "_id" // 使用文档的ID字段进行计数
          }
        },
        "filtered_count": { // 统计满足特定条件的文档数量
          "value_count": {
            "script": {
              "source": "if (doc['my_field'].size() != 0 && doc['my_field'].value != '') return 1" // 统计字段 'my_field' 非空且非零的文档数量
            }
          }
        },
        "percentage_agg": { // 计算满足特定条件的文档数量占总文档数量的百分比
          "bucket_script": {
            "buckets_path": {
              "totalCount": "total_count", // 引用所有文档的数量
              "filteredCount": "filtered_count" // 引用满足特定条件的文档数量
            },
            "script": "params.filteredCount / params.totalCount * 100" // 计算百分比
          }
        }
      }
    }
  }
}

聚合部分详解

size: 0：此设置意味着查询不会返回具体的搜索结果，而是仅执行聚合分析。
aggs（聚合）：定义了一个名为 all_documents_agg 的聚合。
- terms：使用 script 将所有文档强制聚合到一个名为 all_documents 的桶中。
- aggs：在 all_documents 桶内，定义了三个子聚合：
  1. total_count：使用 value_count 统计所有文档的数量，基于文档的 _id 字段。
  2. filtered_count：使用 value_count 统计满足特定条件的文档数量。条件是字段 my_field 非空且非零。
  3. percentage_agg：使用 bucket_script 计算满足特定条件的文档数量占总文档数量的百分比。此聚合使用 total_count 和 filtered_count 的结果，并通过 params.filteredCount / params.totalCount * 100 计算百分比。

Elasticsearch聚合基础知识扩展

Elasticsearch聚合概念

Elasticsearch 的聚合功能类似于 SQL 中的 GROUP BY 语句，允许我们对数据进行分组和计算统计信息。聚合主要分为以下几类：

Metric Aggregations（度量聚合）：计算数值，例如计数、平均值、最大值、最小值等。例如，value_count 就是一个度量聚合，用于计算特定字段的值的数量。
Bucket Aggregations（桶聚合）：将文档分组到不同的桶中。每个桶都可以包含一个或多个文档。例如，terms 聚合将文档根据特定字段的值进行分组。
Pipeline Aggregations（管道聚合）：对其它聚合的结果进行进一步计算。例如，bucket_script 可以对多个聚合结果进行自定义计算。

Script 用法

在 Elasticsearch 中，脚本可以用于在查询和聚合中执行动态计算。在上述查询中，脚本用于两个地方：

terms 聚合中的 script：将所有文档强制聚合到一个桶中。
filtered_count 的条件判断：检查字段 my_field 是否非空且非零。
bucket_script 聚合：计算满足条件的文档数量占总文档数量的百分比。

使用脚本可以提供更大的灵活性，但需要注意性能和安全性问题。

Elasticsearch聚合查询语法

Elasticsearch（ES）提供了丰富的聚合功能，用于对数据进行统计和分析。以下是一些常见的聚合类型及其示例：

指标聚合（Metric Aggregations）

sum：计算数值字段的总和。
avg：计算数值字段的平均值。
min：查找数值字段的最小值。
max：查找数值字段的最大值。
extended_stats：获取数值字段的多个统计数据（平均值、最大值、最小值、总和、方差等）。
value_count：计算字段的非空值数量。

示例：

{
  "aggs": {
    "my_sum_agg": {
      "sum": {
        "field": "numeric_field"
      }
    },
    "my_avg_agg": {
      "avg": {
        "field": "numeric_field"
      }
    }
  }
}

桶聚合（Bucket Aggregations）

date_histogram：基于时间范围将文档分组为多个桶。
histogram：基于数值字段将文档分组为多个桶。
terms：基于字符串或数值字段将文档分组为多个桶。
filters：将文档分组为多个桶，每个桶对应一组过滤条件。

示例：


{
  "aggs": {
    "my_date_histogram_agg": {
      "date_histogram": {
        "field": "timestamp",
        "interval": "1d"
      }
    },
    "my_terms_agg": {
      "terms": {
        "field": "category_field"
      }
    }
  }
}

矩阵聚合（Matrix Aggregations）

matrix_stats：计算多个数值字段的统计数据（如相关性、协方差、方差等）。

示例：

{
  "aggs": {
    "my_matrix_stats_agg": {
      "matrix_stats": {
        "fields": ["numeric_field1", "numeric_field2"]
      }
    }
  }
}

组合聚合（Pipeline Aggregations）

derivative：计算聚合结果的导数。
cumulative_sum：计算聚合结果的累积和。
bucket_script：在多个桶聚合结果上执行脚本。
bucket_selector：根据脚本选择或排除特定桶。

示例：

{
  "aggs": {
    "my_terms_agg": {
      "terms": {
        "field": "category_field"
      },
      "aggs": {
        "my_avg_agg": {
          "avg": {
            "field": "numeric_field"
          }
        },
        "my_bucket_script_agg": {
          "bucket_script": {
            "buckets_path": {
              "avgField": "my_avg_agg"
            },
            "script": "params.avgField * 2"
          }
        }
      }
    }
  }
}

原文地址：Elasticsearch如何聚合查询多个统计值，如何嵌套聚合？并相互引用，统计索引中某一个字段的空值率？语法是怎么样的