和查詢DSL一樣，聚合(Aggregations)也擁有一種可組合(Composable)的語法：獨立的功能單元可以被混合在一起來滿足你的需求。這意味著需要學(xué)習(xí)的基本概念雖然不多，但是它們的組合方式是幾近無窮的。

為了掌握聚合，你只需要了解兩個主要概念：

Buckets(桶)：

滿足某個條件的文檔集合。

Metrics(指標(biāo))：

為某個桶中的文檔計算得到的統(tǒng)計信息。

就是這樣！每個聚合只是簡單地由一個或者多個桶，零個或者多個指標(biāo)組合而成。可以將它粗略地轉(zhuǎn)換為SQL：

SELECT COUNT(color) FROM table GROUP BY color

以上的COUNT(color)就相當(dāng)于一個指標(biāo)。GROUP BY color則相當(dāng)于一個桶。

桶和SQL中的組(Grouping)擁有相似的概念，而指標(biāo)則與COUNT()，SUM()，MAX()等相似。

讓我們仔細(xì)看看這些概念。

桶(Buckets)

一個桶就是滿足特定條件的一個文檔集合：

• 一名員工要么屬于男性桶，或者女性桶。
• 城市Albany屬于New York州這個桶。
• 日期2014-10-28屬于十月份這個桶。

隨著聚合被執(zhí)行，每份文檔中的值會被計算來決定它們是否匹配了桶的條件。如果匹配成功，那么該文檔會被置入該桶中，同時聚合會繼續(xù)執(zhí)行。

桶也能夠嵌套在其它桶中，能讓你完成層次或者條件劃分這些需求。比如，Cincinnati可以被放置在Ohio州這個桶中，而整個Ohio州則能夠被放置在美國這個桶中。

ES中有很多類型的桶，讓你可以將文檔通過多種方式進(jìn)行劃分(按小時，按最流行的詞條，按年齡區(qū)間，按地理位置，以及更多)。但是從根本上，它們都根據(jù)相同的原理運作：按照條件對文檔進(jìn)行劃分。

指標(biāo)(Metrics)

桶能夠讓我們對文檔進(jìn)行有意義的劃分，但是最終我們還是需要對每個桶中的文檔進(jìn)行某種指標(biāo)計算。分桶是達(dá)到最終目的的手段：提供了對文檔進(jìn)行劃分的方法，從而讓你能夠計算需要的指標(biāo)。

多數(shù)指標(biāo)僅僅是簡單的數(shù)學(xué)運算(比如，min，mean，max以及sum)，它們使用文檔中的值進(jìn)行計算。在實際應(yīng)用中，指標(biāo)能夠讓你計算例如平均薪資，最高出售價格，或者百分之95的查詢延遲。

將兩者結(jié)合起來

一個聚合就是一些桶和指標(biāo)的組合。一個聚合可以只有一個桶，或者一個指標(biāo)，或者每樣一個。在桶中甚至可以有多個嵌套的桶。比如，我們可以將文檔按照其所屬國家進(jìn)行分桶，然后對每個桶計算其平均薪資(一個指標(biāo))。

因為桶是可以嵌套的，我們能夠?qū)崿F(xiàn)一個更加復(fù)雜的聚合操作：

將文檔按照國家進(jìn)行分桶。(桶)

然后將每個國家的桶再按照性別分桶。(桶)

然后將每個性別的桶按照年齡區(qū)間進(jìn)行分桶。(桶)

最后，為每個年齡區(qū)間計算平均薪資。(指標(biāo))

此時，就能夠得到每個<國家，性別，年齡>組合的平均薪資信息了。它可以通過一個請求，一次數(shù)據(jù)遍歷來完成！

總結(jié)

以上是生活随笔為你收集整理的elasticsearch api中的Buckets(桶)及Metrics(指标)的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。