Elasticsearch Terms Aggregation 根据某一项的聚合

ゝ一世哀愁。 2022-07-13 00:25 180阅读 0赞

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

{ 
        "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。  
我测试到，令size=0时候，会返回所有的项。

**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。

[https_www.elastic.co_guide_en_elasticsearch_reference_current_search-aggregations-bucket-terms-aggregation.html]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-terms-aggregation.html