Elasticsearch 聚合学习之四:结果排序 (1)
}
}
}
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" : { ---桶名称
"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": {
"terms": { ---桶类型是 terms
"field": "make", ---按照 make 字段聚合
"order": { ---要求排序
"stat.avg": "asc" ---排序字段是 metrics 结果的一个子项(平均值),升序
}
},
"aggs": {
"stat": { ---metrics 处理后的结果保存在名为 stat 的字段中,排序已经指定了该字段的 agv 子项(平均值)
"extended_stats": { ---桶内的 metrics 处理,类型是计算数量、最大值、最小值、平均值等多个指标项
"field": "price" ---将 price 字段的值拿来做 metrics 处理
}
}
}
}
}
}
返回结果如下,可见已经按照 metrics 结果的 avg 子项做了升序排序:
......
"aggregations" : {
"sales_rank" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 0,
"buckets" : [
{
"key" : "toyota",
"doc_count" : 2,
"stat" : {
"count" : 2,
"min" : 12000.0,
"max" : 15000.0,
"avg" : 13500.0, ---排序字段
"sum" : 27000.0,
"sum_of_squares" : 3.69E8,
"variance" : 2250000.0,
"std_deviation" : 1500.0,
"std_deviation_bounds" : {
"upper" : 16500.0,
"lower" : 10500.0
}
}
},
{
"key" : "honda",
"doc_count" : 3,
"stat" : {
"count" : 3,
"min" : 10000.0,
"max" : 20000.0,
"avg" : 16666.666666666668, ---排序字段
"sum" : 50000.0,
"sum_of_squares" : 9.0E8,
"variance" : 2.222222222222221E7,
"std_deviation" : 4714.045207910315,
"std_deviation_bounds" : {
"upper" : 26094.757082487296,
"lower" : 7238.5762508460375
评论