Elasticsearch Terms Aggregation 详解

3/7/2017来源:SQL技巧人气:3019

原文 https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-terms-aggregation.html

根据某一项的每个唯一的值的聚合。 举例:

{ "aggs" : { "genres" : { "terms" : { "field" : "genre" } } } }

返回

{ "aggregations" : { "genres" : { "doc_count_error_upper_bound": 0, "sum_other_doc_count": 0, "buckets" : [ { "key" : "jazz", "doc_count" : 10 }, { "key" : "rock", "doc_count" : 10 }, { "key" : "electronic", "doc_count" : 10 }, ] } } }

上面 , 对于genre 这个字段,对它里面的各个值的文档数量进行统计。 doc_count_error_upper_bound 未知 sum_other_doc_count 当有大量不同值时,ES只返回数量最多的项。这个数字表示有多少文档的统计数量没有返回。 默认情况,对于某一项的聚合,只会返回数量最高的10项,通过调整size参数,可以控制默认的行为。 Elasticsearch Aggregation 不支持分页 默认结果是只返回 doc_count 前十的的 keys, 如果要使结果返回所有的 keys 的话, 需要加上 “size”: 0

Size

size参数用来指定在列表中返回多少项。如果该项的值的个数要大于这个size ,那么返回的结果可能会不准确,有轻微的误差。甚至文档数最多的那个值没有的返回。

文档的数量是大约的量 文档的数量是不准确的,只是一个大概值。因为每个分片给出它排好的前n的部分,然后再把各个分片的结果联合成最后的结果。 官方文档给了一个非常好的例子,还有几张表格,说明造成这个情况的原因。可以自己跳过去阅读以下就明白了。这一切的原因都是因为 ES是一个分布式的存储方式。

Shard size

取得size的值越大,结果会越接近准确,当然这样导致的负载也会越高(因为更多的查询和节点之间大数据量的传输)。 默认shard_size是等于size的。如果shard_size 取更大的值,结果会更准确。

计算文档数错误

有两个错误值会显示在项的聚合上,第一个doc_count_error_upper_bound ,给出个没有被算进最后的结果的最大可能的数字。这个表明在最坏情况下,有doc_count_error_upper_bound 这么多文档个数的一个值被遗漏了。 这就是doc_count_error_upper_bound (文档数错误上界)这个参数的意义。

每个桶里的错误数 如果设置show_term_doc_count_error这个参数为ture,还会对每个 bucket都显示一个错误数,表示最大可能的误差情况。

而且,如果不是按照排序的话,这个错误是算不出来的,这时候,会给一个-1来表示这种有错,但是不知道错误边界的情况。

Order

用order参数可以做排序,默认是按照doc_count倒序排列的。 可以改变默认情况 “order” : { “_count” : “asc” } 这是按照doc_count升序排列 “order” : { “_term” : “asc” } 这是按照字母表升序排列。