做网站域名重要吗,个人网站模板html5,网站对话窗口怎么做,外贸推广方式有哪些聚合在Elasticsearch中的使用 系统中使用的ES环境不一定每篇文章都有#xff0c;但是可以在合集中找到#xff0c;关注《醉鱼Java》一起进步 环境 elasticsearch 8.1 搭建 version: 3.8
services:cerebro:image: lmenezes/cerebro:0.8.3container_name: cerebroports:- 但是可以在合集中找到关注《醉鱼Java》一起进步 环境 elasticsearch 8.1 搭建 version: 3.8
services:cerebro:image: lmenezes/cerebro:0.8.3container_name: cerebroports:- 9000:9000command:- -Dhosts.0.hosthttp://eshot:9200networks:- elastickibana:image: docker.elastic.co/kibana/kibana:8.1.3container_name: kibanaenvironment:- I18N_LOCALEzh-CN- XPACK_GRAPH_ENABLEDtrue- TIMELION_ENABLEDtrue- XPACK_MONITORING_COLLECTION_ENABLEDtrue- ELASTICSEARCH_HOSTShttp://eshot:9200- server.publicBaseUrlhttp://192.168.160.234:5601ports:- 5601:5601networks:- elasticeshot:image: elasticsearch:8.1.3container_name: eshotenvironment:- node.nameeshot- cluster.namees-docker-cluster- discovery.seed_hostseshot,eswarm,escold- cluster.initial_master_nodeseshot,eswarm,escold- bootstrap.memory_locktrue- ES_JAVA_OPTS-Xms512m -Xmx512m- xpack.security.enabledfalse- node.attr.node_typehotulimits:memlock:soft: -1hard: -1volumes:- D:\zuiyuftp\docker\es8.1\eshot\data:/usr/share/elasticsearch/data- D:\zuiyuftp\docker\es8.1\eshot\logs:/usr/share/elasticsearch/logs- D:\zuiyuftp\docker\es8.1\eshot\plugins:/usr/share/elasticsearch/pluginsports:- 9200:9200networks:- elasticeswarm:image: elasticsearch:8.1.3container_name: eswarmenvironment:- node.nameeswarm- cluster.namees-docker-cluster- discovery.seed_hostseshot,eswarm,escold- cluster.initial_master_nodeseshot,eswarm,escold- bootstrap.memory_locktrue- ES_JAVA_OPTS-Xms512m -Xmx512m- xpack.security.enabledfalse- node.attr.node_typewarmulimits:memlock:soft: -1hard: -1volumes:- D:\zuiyuftp\docker\es8.1\eswarm\data:/usr/share/elasticsearch/data- D:\zuiyuftp\docker\es8.1\eswarm\logs:/usr/share/elasticsearch/logs- D:\zuiyuftp\docker\es8.1\eshot\plugins:/usr/share/elasticsearch/pluginsnetworks:- elasticescold:image: elasticsearch:8.1.3container_name: escoldenvironment:- node.nameescold- cluster.namees-docker-cluster- discovery.seed_hostseshot,eswarm,escold- cluster.initial_master_nodeseshot,eswarm,escold- bootstrap.memory_locktrue- ES_JAVA_OPTS-Xms512m -Xmx512m- xpack.security.enabledfalse- node.attr.node_typecoldulimits:memlock:soft: -1hard: -1volumes:- D:\zuiyuftp\docker\es8.1\escold\data:/usr/share/elasticsearch/data- D:\zuiyuftp\docker\es8.1\escold\logs:/usr/share/elasticsearch/logs- D:\zuiyuftp\docker\es8.1\eshot\plugins:/usr/share/elasticsearch/pluginsnetworks:- elastic# volumes:
# eshotdata:
# driver: local
# eswarmdata:
# driver: local
# escolddata:
# driver: localnetworks:elastic:driver: bridge什么是聚合 在Elasticsearch中聚合是一种功能强大的数据处理技术它允许我们对索引中的数据进行多种计算和分析操作。聚合可以理解为对数据集进行分组并在每个分组上执行各种指标计算类似于SQL中的GROUP BY和聚合函数。 示例数据 为了验证聚合功能我们将使用一个示例数据集假设我们有一个存储了商品信息的索引包含以下字段 product_name商品名称 category商品分类 price商品价格 quantity商品数量 manufacturer制造商 timestamp记录时间戳 下面我们导入测试数据 创建索引 PUT /zfc-doc-000001
{settings: {index:{number_of_shards:3,number_of_replicas:2}},mappings: {properties: {product_name:{type:keyword},category:{type:keyword},price:{type: integer},quantity:{type: integer},manufacturer:{type: keyword},timestamp:{type: date,format: yyyy-MM-dd HH:mm:ss||yyyy-MM-dd||epoch_millis }}}
}添加数据 PUT _bulk
{index:{_index:zfc-doc-000002,_id:1}}
{product_name: iPhone 12,category: Electronics,price: 999,quantity: 50,manufacturer: Apple,timestamp: 2023-07-24 10:00:00}
{index:{_index:zfc-doc-000002,_id:2}}
{product_name: Samsung Galaxy S21,category: Electronics,price: 799,quantity: 30,manufacturer: Samsung,timestamp: 2023-07-24 11:30:00}
{index:{_index:zfc-doc-000002,_id:3}}
{product_name: Sony Bravia 65-inch TV,category: Electronics,price: 1499,quantity: 20,manufacturer: Sony,timestamp: 2023-07-24 13:15:00}
{index:{_index:zfc-doc-000002,_id:4}}
{product_name: HP Spectre x360,category: Electronics,price: 1299,quantity: 25,manufacturer: HP,timestamp: 2023-07-24 15:45:00}
{index:{_index:zfc-doc-000002,_id:5}}
{product_name: Dell XPS 15, category: Electronics,price: 1399,quantity: 15,manufacturer: Dell,timestamp: 2023-07-24 17:20:00}
{index:{_index:zfc-doc-000002,_id:6}}
{product_name: Nike Air Zoom Pegasus 38, category: Sports,price: 119,quantity: 100,manufacturer: Nike,timestamp: 2023-07-24 09:30:00}
{index:{_index:zfc-doc-000002,_id:7}}
{product_name: Adidas Ultraboost 21,category: Sports,price: 129,quantity: 80,manufacturer: Adidas,timestamp: 2023-07-24 10:45:00}
{index:{_index:zfc-doc-000002,_id:8}}
{product_name: Canon EOS Rebel T7i,category: Electronics,price: 699,quantity: 10,manufacturer: Canon,timestamp: 2023-07-24 14:05:00}
{index:{_index:zfc-doc-000002,_id:9}}
{product_name: LG 55-inch 4K TV, category: Electronics,price: 899,quantity: 30,manufacturer: LG,timestamp: 2023-07-24 16:30:00}
{index:{_index:zfc-doc-000002,_id:10}}
{product_name: Lenovo ThinkPad X1 Carbon, category: Electronics,price: 1599,quantity: 18,manufacturer: Lenovo,timestamp: 2023-07-24 18:10:00} 聚合示例 1. 词条聚合Terms Aggregation 词条聚合是一种用于对文本字段进行分组的聚合方式它会将相同值的文档分到同一个桶Bucket中并计算每个桶中文档的数量。 示例查询 GET zfc-doc-000002/_search{ size: 0, aggs: { category_count: { terms: { field: category, size: 10 } } }} 解释 size: 0表示只返回聚合结果不返回实际文档数据。 aggs定义聚合操作。 category_count自定义的聚合名称用于标识结果。 terms指定使用词条聚合。 field: category指定要进行聚合的字段。 2. 嵌套聚合Nested Aggregation 嵌套聚合允许在一个桶内进行更深层次的聚合操作。例如我们可以先按分类分组然后在每个分类内再按制造商进行分组并计算每个分类下的平均价格。 示例查询 GET zfc-doc-000002/_search{ size: 0, aggs: { category_group: { terms: { field: category, size: 10 }, aggs: { avg_price: { avg: { field: price } } } } }} 解释 aggs定义聚合操作。 category_group自定义的聚合名称用于标识结果。 terms指定使用词条聚合。 field: category指定要进行聚合的字段。 avg_price自定义的聚合名称用于标识结果。 avg指定使用平均值聚合。 field: price指定要进行聚合的数值字段。 3.直方图聚合示例Histogram 假设我们希望根据商品价格price字段创建一个价格区间的直方图将商品按照价格范围进行分组并统计每个价格区间内的商品数量。 示例查询 GET zfc-doc-000002/_search{ size: 0, aggs: { price_histogram: { histogram: { field: price, interval: 200 } } }} 解释 aggs定义聚合操作。 price_histogram自定义的聚合名称用于标识结果。 histogram指定使用直方图聚合。 field: price指定要进行聚合的数值字段即商品价格。 interval: 200指定直方图的间隔大小这里设置为200表示将价格范围划分为200的区间例如0-200、200-400、400-600等。 4.范围聚合示例(Range) 范围聚合允许我们根据指定的范围条件将文档分组例如按价格范围进行分组并统计每个价格范围内的商品数量。 示例查询 GET zfc-doc-000002/_search{ size: 0, aggs: { price_ranges: { range: { field: price, ranges: [ { from: 0, to: 200 }, { from: 200, to: 500 }, { from: 500, to: 1000 }, { from: 1000 } ] } } }} 解释 aggs定义聚合操作。 price_ranges自定义的聚合名称用于标识结果。 range指定使用范围聚合。 field: price指定要进行聚合的数值字段即商品价格。 ranges指定价格范围的条件数组。 { from: 0, to: 200 }表示价格从0到200之间的商品。 { from: 200, to: 500 }表示价格从200到500之间的商品。 { from: 500, to: 1000 }表示价格从500到1000之间的商品。 { from: 1000 }表示价格大于等于1000的商品。 5. 统计聚合Stats Aggregation 统计聚合可以对数值字段进行计算包括最小值、最大值、平均值、总和和文档数量。 示例查询 GET zfc-doc-000002/_search{ size: 0, aggs: { price_stats: { stats: { field: price } } }} 解释 aggs定义聚合操作。 price_stats自定义的聚合名称用于标识结果。 stats指定使用统计聚合。 field: price指定要进行聚合的数值字段。 我们上面在统计聚合中可以获取很多值那么我们也可以细化单独获取某一个的聚合结果。 6. 平均值聚合Avg Aggregation GET zfc-doc-000002/_search{ size: 0, aggs: { avg_price: { avg: { field: price } } }} 7. 总和聚合Sum Aggregation GET zfc-doc-000002/_search{ size: 0, aggs: { total_price: { sum: { field: price } } }} 8. 最小值聚合Min Aggregation GET zfc-doc-000002/_search{ size: 0, aggs: { min_price: { min: { field: price } } }} 9. 最大值聚合Max Aggregation GET zfc-doc-000002/_search{ size: 0, aggs: { max_price: { max: { field: price } } }} 10. 扩展统计聚合Extended Stats Aggregation GET zfc-doc-000002/_search{ size: 0, aggs: { price_stats_extended: { extended_stats: { field: price } } }} 11. 百分位数聚合Percentiles Aggregation GET zfc-doc-000002/_search{ size: 0, aggs: { price_percentiles: { percentiles: { field: price, percents: [25, 50, 75, 90] } } }} 12. 日期直方图聚合Date Histogram Aggregation 假设有一个名为timestamp的日期字段我们可以进行日期直方图聚合按照日期进行分组并统计每个时间段内的文档数量。 GET zfc-doc-000002/_search{ size: 0, aggs: { date_histogram_agg: { date_histogram: { field: timestamp, fixed_interval: 1h } } }} 本文由 mdnice 多平台发布
