【Elasticsearch学习】之指标聚合(Metrics Aggregation)
Elasticsearch提供了几类聚合分析方法,分别为Bucketing Aggregation分桶聚合、Metrics Aggregation指标聚合,Matrix Aggregation矩阵聚合,Pipleline Aggregation管道聚合。
1.Metrics Aggregations(指标聚合)
计算一个文档集合的某些指标。
1)Avg,单值指标聚合,用于计算从文档中提取的值的平均值,计算值可以从文档中数值类型字段提取,也可以通过脚本生成。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "avg_price" : { "avg" : { "field" : "taxful_total_price" } } } }
使用脚本:
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "avg_corrected_grade" : { "avg" : { "field" : "taxful_total_price", "script" : { "lang": "painless", "source": "_value * params.correction", "params" : { "correction" : 1.2 } } } } } }
当计算的字段的值缺失时可以使用missing参数设置默认补充值。
2)Weighted Avg Aggregations 加权平均值,用于计算从文档中提取的值的加权平均值。
计算公式: ∑(value * weight) / ∑(weight)
weighted_avg参数:
value:提供计算值的字段配置或者脚本。value的参数:field-提取值的字段,missing-配置缺失值的默认值。
weight:提供权重的字段配置或者脚本。weight的参数:field-提供权重的字段,missing-配置缺失值的默认值。
format:返回的数值的格式。
value_type:关于纯脚本和未映射的字段的提示。
POST /kibana_sample_data_ecommerce/_search { "size": 0, "aggs" : { "weighted_grade": { "weighted_avg": { "value": { "field": "taxful_total_price" }, "weight": { "field": "total_quantity" } } } } }
3)Cardinality Aggregations 计算某个字段不同值的近似数量。是一个近似算法,采用HyperLogLog++算法。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "type_count" : { "cardinality" : { "field" : "day_of_week" //计算有多少个不同的day_of_week字段值 } } } }
因为是近视计算所以存在精度问题,Cadinality提供了precision_threshold参数用来控制精度,采用以内存交换精度的方式,当精度越高使用的内存就越多。precision_threshold定义了一个数值,在计算的字段不同值的数量低于precision_threshold时,计算值是接近于准确的;如果数量高于时,精度将会下降。precision_threshold最大支持40000,默认为3000。
3)Max、Min Aggregation 单指标,返回聚合文档中某个数值字段的最大值、最小值。当计算值大于2^53时,结果可能时近似的。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "max_price" : { "max" : { "field" : "taxful_total_price" } } } }
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "min_price" : { "min" : { "field" : "taxful_total_price" } } } }
4)Sum Aggregation 单指标,将从聚合文档中提取的数值进行求和。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "sum_prices" : { "sum" : { "field" : "taxful_total_price" } } } }
5)Value Count Aggregation 单指标,计算文档的个数。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "types_count" : { "value_count" : { "field" : "day_of_week" } } } }
返回:
"aggregations" : { "types_count" : { "value" : 4675 } }
6)Stats Aggregation 多值指标,输出多个统计结果,统计指标由:min,max,sum,count,avg组成。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "price_stats" : { "stats" : { "field" : "taxful_total_price" } } } }
返回的统计结果:
"aggregations" : { "price_stats" : { "count" : 4675, "min" : 6.98828125, "max" : 2250.0, "avg" : 75.05542864304813, "sum" : 350884.12890625 } }
7)Extended Stats Aggregation 多值指标,扩展stats的统计值,扩展的了例如sum_of_squares,variance,std_deviation,std_deviation_bound。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "price_stats" : { "extended_stats" : { "field" : "taxful_total_price" } } } }
返回的统计结果:
"aggregations" : { "price_stats" : { "count" : 4675, "min" : 6.98828125, "max" : 2250.0, "avg" : 75.05542864304813, "sum" : 350884.12890625, "sum_of_squares" : 3.9367749294174194E7,//平方和 "variance" : 2787.59157113862, //方差 "std_deviation" : 52.79764740155209, // 标准差 "std_deviation_bounds" : { "upper" : 180.6507234461523, //可信区间上限 "lower" : -30.53986616005605 //可信区间下限 } } }
默认情况下,extended_stats会返回标准差的置信区间,如果需要使用不同的区间,则可以定义sigma参数。
8)String Stats Aggregation 多值指标,用于统计string类型的值。
string stats aggregation统计的指标:
count:非空字段的数量
min_length:最短的长度
max_length:最长的长度
avg_length:平均长度
entropy:计算所有字符串的信息熵,信息熵量化了字段包含的信息量,用于确定数据集的属性,如多样性、相似性、随机型。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs" : { "message_stats" : { "string_stats" : { "field" : "customer_last_name.keyword" } } } }
"aggregations" : { "message_stats" : { "count" : 4675, "min_length" : 3, "max_length" : 10, "avg_length" : 6.134545454545455, "entropy" : 4.688464053505158 } }
show_distribution参数:查看所有字符的概率分布。设置 "show_distribution": true即可查看。
9)Top Hits Aggregation 用于跟踪聚合文档中匹配度最高的文档,是一个子聚合。top_hits聚合器通过bucket聚合器按某个字段结果集高效的进行分组,可以设置一个或多个bucket聚合器来决定结果应该被划分到哪一个分组中。
参数:
from:从何处开始抓取结果
size:每个桶中最大的匹配数量,默认返回前三个。
sort:排序。默认根据主查询的评分来排序。
POST /kibana_sample_data_ecommerce/_search?size=0 { "aggs": { "top_tags": { "terms": { "field": "day_of_week", //按照day_of_week进行分组 "size": 2 //总共取3个分组 }, "aggs": { "top_price_hits": { "top_hits": { "sort": [ { "taxful_total_price": { //按照taxful_total_price 降序排列 "order": "desc" } } ], "_source": { "includes": [ "day_of_week", "customer_full_name" ,"taxful_total_price"] //返回的字段 }, "size" : 1 //每个分组中取几个文档 } } } } } }
返回:
"aggregations" : { "top_tags" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 3130, "buckets" : [ { "key" : "Thursday", //分桶的key值 "doc_count" : 775, //分桶中的文档数量 "top_price_hits" : { "hits" : { "total" : { "value" : 775, "relation" : "eq" }, "max_score" : null, "hits" : [ { "_index" : "kibana_sample_data_ecommerce", "_type" : "_doc", "_id" : "CH-j7XEB-r_IFm6PJzGx", "_score" : null, "_source" : { "customer_full_name" : "Eddie Lambert", "day_of_week" : "Thursday", "taxful_total_price" : 369.96 }, "sort" : [ 370.0 ] } ] } } }, { "key" : "Friday", "doc_count" : 770, "top_sales_hits" : { "hits" : { "total" : { "value" : 770, "relation" : "eq" }, "max_score" : null, "hits" : [ { "_index" : "kibana_sample_data_ecommerce", "_type" : "_doc", "_id" : "I3-j7XEB-r_IFm6PJjB6", "_score" : null, "_source" : { "customer_full_name" : "Sultan Al Bryan", "day_of_week" : "Friday", "taxful_total_price" : 392.96 }, "sort" : [ 393.0 ] } ] } } } ] } }
10)Geo Bound Aggregation ,计算包含所有地理值的矩形范围。
PUT /museums { "mappings": { "properties": { "location": { "type": "geo_point" } } } } POST /museums/_bulk?refresh {"index":{"_id":1}} {"location": "52.374081,4.912350", "name": "NEMO Science Museum"} {"index":{"_id":2}} {"location": "52.369219,4.901618", "name": "Museum Het Rembrandthuis"} {"index":{"_id":3}} {"location": "52.371667,4.914722", "name": "Nederlands Scheepvaartmuseum"} {"index":{"_id":4}} {"location": "51.222900,4.405200", "name": "Letterenhuis"} {"index":{"_id":5}} {"location": "48.861111,2.336389", "name": "Musée du Louvre"} {"index":{"_id":6}} {"location": "48.860000,2.327000", "name": "Musée d'Orsay"} POST /museums/_search?size=0 { "query" : { "match" : { "name" : "musée" } }, "aggs" : { "viewport" : { "geo_bounds" : { "field" : "location", //用于获取范围的字段 "wrap_longitude" : true //是否允许边界和国际日期线重叠 } } } }
返回
"aggregations" : { "viewport" : { "bounds" : { "top_left" : { "lat" : 48.86111099738628, //纬度 "lon" : 2.3269999679178 //经度 }, "bottom_right" : { "lat" : 48.85999997612089, "lon" : 2.3363889567553997 } } } }
11)Geo Centroid Aggregation,计算聚合文档的地理值的大概的中心点。
POST /museums/_search?size=0 { "aggs" : { "centroid" : { "geo_centroid" : { "field" : "location" } } } }
返回中心点:
"aggregations" : { "centroid" : { "location" : { "lat" : 51.00982965203002, "lon" : 3.9662131341174245 }, "count" : 6 } }
12)Percentiles Aggregation,多值聚合,百分位聚合,用于计算文档中数值字段的一个或多个百分点。通常用于寻找异常值。
GET kibana_sample_data_ecommerce/_search { "size": 0, "aggs" : { "quantity_time_outlier" : { "percentiles" : { "field" : "total_quantity" } } } }
返回:
"aggregations" : { "quantity_time_outlier" : { "values" : { "1.0" : 1.0, //1%的数量为 1 "5.0" : 2.0, //5%的数量为 2 "25.0" : 2.0, "50.0" : 2.0, "75.0" : 2.0, "95.0" : 4.0, "99.0" : 4.0 } } }
可使用percents指定想要计算的百分比。
GET kibana_sample_data_ecommerce/_search { "size": 0, "aggs" : { "quantity_time_outlier" : { "percentiles" : { "field" : "total_quantity", "percents" : [5, 80, 95] } } } }
13)Percentile Ranks Aggregation 多值指标,百分比分级聚合,用于统计数值低于某个确定值的百分比数。
GET kibana_sample_data_ecommerce/_search { "size": 0, "aggs" : { "quantity_time_ranks" : { "percentile_ranks" : { "field" : "total_quantity", "values" : [3, 4] } } } }
返回:
"aggregations" : { "quantity_time_ranks" : { "values" : { "3.0" : 91.18716577540107, //小于3的数量有91%多 "4.0" : 99.78609625668449 //小于4的数量有99%多 } } }
14)Scripted Aggregation,通过脚本提供指标输出。
脚本指标聚合通过执行4步进行:
1.init_script:在提取文档集合前执行。运行设置任何的初始state。
2.map_script:在每个文档被采集前执行一次。
3.combine_script:当文档采集完毕后在每个分片上执行一次,可以合并从各个分片返回的state。
4.reduce_script:当所有分片返回结果后,在协调节点上执行一次,提供对combine_script返回的state的访问。
其他的参数:params,可以作为init_script、map_script、combine_script的参数
脚本返回的对象或者存储在state中的对象只能是如下几种类型:原生ES类型、String、Map、Array。
举例:
PUT /transactions/_bulk?refresh {"index":{"_id":1}} {"type": "sale","amount": 80} {"index":{"_id":2}} {"type": "cost","amount": 10} {"index":{"_id":3}} {"type": "cost","amount": 30} {"index":{"_id":4}} {"type": "sale","amount": 130}
init_script之前:state是空对象{}
init_script在每个文档执行一次初始化操作,所以在每个分片上会有一个state副本:
分片A :
"state" : { "transactions" : [] }
分片B:
"state" : {
"transactions" : []
}
每个分片采集分片上的文档并在每个文档上执行map_script
分片A上的state变为:
"state" : {
"transactions" : [ 80, -30 ]
}
分片B上的state变为:
"state" : { "transactions" : [ -10, 130 ] }
combine_script在每个分片采集文档完毕后执行,减少states中所有的transactions为一个总数,该总数被传回给coordinate节点。
分片A:50 分片B:120
reduce_script接受一个包含combine script结果的数组,如"states" : [50,120],reduce_script将数组中的值相加得到最终返回的聚合值。