本文共 5202 字，大约阅读时间需要 17 分钟。

本文测试数据为官方提供的测试数据，导入方法在学习笔记本章节第一篇中：https://blog.csdn.net/qq_20051535/article/details/113242821

Aggregations执行聚合

聚合提供了从数据中分组和提取数据的能力。最简单的聚合方法大致等于 SQL GROUP BY 和 SQL 聚合函数。在 Elasticsearch 中，您有执行索返回 hits（命中结果），并且同时返回聚合结果，把一个响应中的所有hits（命中结果）隔开的能力。这是非常强大且有效的，您可以执行查询和多个聚合，并且在一次使用得到各自的(任何一个的)返回结果，使用一次简洁和简化的AP来避免网络往返。

【例子1】

搜索 address中包含mill的所有人的年龄分布以及平均年龄,但不显示这些人的详情。

GET /bank/_search

{   "query": {     "match": {       "address": "mill"      }   },   "aggs": {    //获取聚合     "ageAgg": {      //自定义的聚合名       "terms": {       //获取结果的不同数据个数         "field": "age",    //获取字段是age         "size": 10      //可能有很多很多可能，只获取前10种       }     },     "ageAvg":{   //自定义的聚合名       "avg": {      //求平均值         "field": "age"    //获取字段是age       }     }   } } 返回的结果：

{

  "took" : 27,   "timed_out" : false,   "_shards" : {     "total" : 1,     "successful" : 1,     "skipped" : 0,     "failed" : 0   },   "hits" : {     "total" : {       "value" : 4,       "relation" : "eq"     },     "max_score" : 5.4032025,     "hits" : [       {         "_index" : "bank",         "_type" : "account",         "_id" : "970",         "_score" : 5.4032025,         "_source" : {           "account_number" : 970,           "balance" : 19648,           "firstname" : "Forbes",           "lastname" : "Wallace",           "age" : 28,           "gender" : "M",           "address" : "990 Mill Road",           "employer" : "Pheast",           "email" : "forbeswallace@pheast.com",           "city" : "Lopezo",           "state" : "AK"         }       },       {         "_index" : "bank",         "_type" : "account",         "_id" : "136",         "_score" : 5.4032025,         "_source" : {           "account_number" : 136,           "balance" : 45801,           "firstname" : "Winnie",           "lastname" : "Holland",           "age" : 38,           "gender" : "M",           "address" : "198 Mill Lane",           "employer" : "Neteria",           "email" : "winnieholland@neteria.com",           "city" : "Urie",           "state" : "IL"         }       },       {         "_index" : "bank",         "_type" : "account",         "_id" : "345",         "_score" : 5.4032025,         "_source" : {           "account_number" : 345,           "balance" : 9812,           "firstname" : "Parker",           "lastname" : "Hines",           "age" : 38,           "gender" : "M",           "address" : "715 Mill Avenue",           "employer" : "Baluba",           "email" : "parkerhines@baluba.com",           "city" : "Blackgum",           "state" : "KY"         }       },       {         "_index" : "bank",         "_type" : "account",         "_id" : "472",         "_score" : 5.4032025,         "_source" : {           "account_number" : 472,           "balance" : 25571,           "firstname" : "Lee",           "lastname" : "Long",           "age" : 32,           "gender" : "F",           "address" : "288 Mill Street",           "employer" : "Comverges",           "email" : "leelong@comverges.com",           "city" : "Movico",           "state" : "MT"         }       }     ]   },   "aggregations" : {     "ageAgg" : {       "doc_count_error_upper_bound" : 0,       "sum_other_doc_count" : 0,       "buckets" : [         {           "key" : 38,           "doc_count" : 2         },         {           "key" : 28,           "doc_count" : 1         },         {           "key" : 32,           "doc_count" : 1         }       ]     },     "ageAvg" : {       "value" : 34.0     }   } } 如果我们不希望返回数据，只需要分析结果，可以设置 size 为 0

GET /bank/_search

{   "query": {~},   "aggs": {~},   "size": 0 } 【例子2】

按照年龄聚合，并且请求这些年龄段的这些人的平均薪资

GET /bank/_search

{   "query": {     "match_all": {}   },   "aggs": {     "ageAgg": {       "terms": {         "field": "age",         "size": 100       },       "aggs": {  //子聚合         "ageAvg": {           "avg": {             "field": "balance"           }         }       }     }   },   "size": 0 } 返回结果：

{

  "took" : 16,   "timed_out" : false,   "_shards" : {     "total" : 1,     "successful" : 1,     "skipped" : 0,     "failed" : 0   },   "hits" : {     "total" : {       "value" : 1000,       "relation" : "eq"     },     "max_score" : null,     "hits" : [ ]   },   "aggregations" : {     "ageAgg" : {       "doc_count_error_upper_bound" : 0,       "sum_other_doc_count" : 0,       "buckets" : [         {           "key" : 31,           "doc_count" : 61,           "ageAvg" : {             "value" : 28312.918032786885           }         },         {           "key" : 39,           "doc_count" : 60,           "ageAvg" : {             "value" : 25269.583333333332           }         },         {           "key" : 26,           "doc_count" : 59,           "ageAvg" : {             "value" : 23194.813559322032           }         }, ... 【例子3】

查询出所有年龄分布，并且这些 年龄段中 性别为 M 的平均薪资 和 性别为 F 的平均薪资 以及 这个年龄段的总体平均薪资

GET /bank/_search

{   "query": {     "match_all": {}   },   "aggs": {     "ageAgg": {       "terms": {         "field": "age",         "size": 100       },       "aggs": {         "genderAgg":{           "terms": {             "field": "gender.keyword",             "size": 10           },           "aggs": {             "balanceAvg": {               "avg": {                 "field": "balance"               }             }           }         },         "ageBlanace":{           "avg": {             "field": "balance"           }         }       }     }   },   "size": 0 } 返回结果：

{

  "took" : 16,   "timed_out" : false,   "_shards" : {     "total" : 1,     "successful" : 1,     "skipped" : 0,     "failed" : 0   },   "hits" : {     "total" : {       "value" : 1000,       "relation" : "eq"     },     "max_score" : null,     "hits" : [ ]   },   "aggregations" : {     "ageAgg" : {       "doc_count_error_upper_bound" : 0,       "sum_other_doc_count" : 0,       "buckets" : [         {           "key" : 31,           "doc_count" : 61,           "genderAgg" : {             "doc_count_error_upper_bound" : 0,             "sum_other_doc_count" : 0,             "buckets" : [               {                 "key" : "M",                 "doc_count" : 35,                 "balanceAvg" : {                   "value" : 29565.628571428573                 }               },               {                 "key" : "F",                 "doc_count" : 26,                 "balanceAvg" : {                   "value" : 26626.576923076922                 }               }             ]           },           "ageBlanace" : {             "value" : 28312.918032786885           }         },         {           "key" : 39,           "doc_count" : 60,           "genderAgg" : {             "doc_count_error_upper_bound" : 0,             "sum_other_doc_count" : 0,             "buckets" : [               {                 "key" : "F",                 "doc_count" : 38,                 "balanceAvg" : {                   "value" : 26348.684210526317                 }               },               {                 "key" : "M",                 "doc_count" : 22,                 "balanceAvg" : {                   "value" : 23405.68181818182                 }               }             ]           },           "ageBlanace" : {             "value" : 25269.583333333332           }         },         {           "key" : 26,           "doc_count" : 59,           "genderAgg" : {             "doc_count_error_upper_bound" : 0,             "sum_other_doc_count" : 0,             "buckets" : [               {                 "key" : "M",                 "doc_count" : 32,                 "balanceAvg" : {                   "value" : 25094.78125                 }               },               {                 "key" : "F",                 "doc_count" : 27,                 "balanceAvg" : {                   "value" : 20943.0                 }               }             ]           },           "ageBlanace" : {             "value" : 23194.813559322032           }         }, ...

————————————————

版权声明：本文为CSDN博主「北鹤M」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/qq_20051535/article/details/113247970

转载地址：https://blog.csdn.net/sinat_17775997/article/details/116118793 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！