Elasticsearch 聚合学习之四:结果排序
环境信息
以下是本次实战的环境信息,请确保您的 Elasticsearch 可以正常运行:
操作系统:Ubuntu 18.04.2 LTS
JDK:1.8.0_191
Elasticsearch:6.7.1
Kibana:6.7.1
实战用的数据依然是一些汽车销售的记录,在第一章有详细的导入步骤,请参考操作,导入后您的 es 中的数据如下图:
接下来一起实战聚合排序吧;
默认排序
之前文章中的聚合查询,我们都没有做排序设置,此时 es 会用每个桶的 doc_count 字段做降序,下图是个 terms 桶聚合的示例,可见返回了三个 bucket 对象,是按照 doc_count 字段降序排列的:
内置排序
除了自定义排序,es 自身也内置了两种排序参数,可以直接拿来使用:
_count:这个参数对应的就是 doc_count,以下请求的排序效果和默认的排序效果是一致的:
GET /cars/transactions/_search
{
"size":0,
"aggs":{
"popular_colors":{
"terms": {
"field": "color",
"order": { ---表示要对聚合结果做排序
"_count": "desc" ---排序字段是 doc_count,顺序是降序
}
}
}
}
}
_key:在区间聚合的时候(histogram 或者 date_histogram),可以根据桶的 key 做排序:
GET /cars/transactions/_search
{
"size": 0,
"aggs": {
"price": {
"histogram": { ---区间聚合
"field": "price", ---取 price 字段的值
"interval": 20000, ---每个区间的大小是 20000
"order": { ---表示要对聚合结果做排序
"_key": "desc" ---排序字段是桶的 key 值,这里是每个区间的起始值,顺序是降序
}
}
}
}
}
返回结果如下,已经按照 key 的大小从大到小排序:
......
"aggregations" : {
"price" : {
"buckets" : [
{
"key" : 80000.0,
"doc_count" : 1
},
{
"key" : 60000.0,
"doc_count" : 0
},
{
"key" : 40000.0,
"doc_count" : 0
},
{
"key" : 20000.0,
"doc_count" : 4
},
{
"key" : 0.0,
"doc_count" : 3
}
]
}
}
}
《Elasticsearch 权威指南》里指出:_key 只在 histogram 和 date_histogram 内使用,原文如下图红框所示:
但是在实际操作中发现,6.7.1 版本中,除了 histogram 和 date_histogram,terms 桶也可以用_key 排序,如下图,是按照 key 的字母降序:
把 desc 改为 asc 之后返回如下图,变成了按照 key 的首字母升序排序:
3. 另外《Elasticsearch 权威指南》中还提到一种内置排序类型_term,但是《Elasticsearch官方文档》中宣布该类型在 6.0 之后已经废弃,如下:
也许是"手贱"的缘故,我还是用_term 试了下,可以返回结果,但是会建议用_key 替代_term,如下图:
按照 metrics 排序(metrics 结果只有一个值)
常见的 metrics 有累加和(sum)、最大值(max)、最小值(min)、平均值(avg),这些 metrics 的特点是处理结果只有一个值,我们可以按照这个结果来排序,例如计算每个汽车品牌的销售额,再按照销售额排序:
GET /cars/transactions/_search
{
"size": 0,
"aggs": {
"sales_rank": {
"terms": { ---桶类型是 terms
"field": "make", ---按照 make 字段聚合
"order": { ---要求排序
"sales": "desc" ---排序字段是 sales
}
},
"aggs": {
"sales": { ---metrics 处理后的结果保存在名为 sales 的字段中,排序已经指定了该字段
"sum": { ---桶内的 metrics 处理,类型是累加
"field": "price" ---将 price 字段的值累加
}
}
}
}
}
}
下面是聚合结果,可见已按照每个品牌的销售额大小做了降序的排序:
......
"aggregations" : { ---聚合结果
"sales_rank" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 0,
"buckets" : [ ---这个 JSON 数组内是按照品牌聚合而成的所有桶
{
"key" : "bmw", ---品牌为 bmw 的桶
"doc_count" : 1, ---文档数量为 1
"sales" : { ---metrics 处理结果
"value" : 80000.0 ---品牌为 bmw 的汽车销售总额是 80000
}
},
{
"key" : "ford",
"doc_count" : 2,
"sales" : {
"value" : 55000.0
}
},
{
"key" : "honda",
"doc_count" : 3,
"sales" : {
"value" : 50000.0
}
},
{
"key" : "toyota",
"doc_count" : 2,
"sales" : {
"value" : 27000.0
}
}
]
}
}
}
按照 metrics 排序(metrics 结果有多个值)
和 sum、max 这些只有一个结果的 metrics 不同,extended_stats 的结果包含了数量、最大值、最小值、平均值、累加和等多种处理,此时必须要指定用其中的哪一项(否则会返回错误:Invalid aggregation order path [xxxx]. When ordering on a multi-value metrics aggregation a metric name must be specified):
GET /cars/transactions/_search
{
"size": 0,
"aggs": {
"sales_rank": {
评论