ElasticSearch 2 (34) - 信息聚合系列之多值排序

ElasticSearch 2 (34) - 信息聚合系列之多值排序

摘要

多值桶(termshistogramdate_histogram)动态生成很多桶,Elasticsearch 是如何决定这些桶展示给用户的顺序呢?

默认的,桶会根据 doc_count 降序排列,这是一个好的默认行为,因为通常我们想要找到文档中与查询条件相关的最大值:售价、人口数量、频率。但有些时候我们希望能修改这个顺序,不同的桶有着不同的处理方式。

版本

elasticsearch版本: elasticsearch-2.x

内容

多值桶(termshistogramdate_histogram)动态生成很多桶,Elasticsearch 是如何决定这些桶展示给用户的顺序呢?

默认的,桶会根据 doc_count 降序排列,这是一个好的默认行为,因为通常我们想要找到文档中与查询条件相关的最大值:售价、人口数量、频率。但有些时候我们希望能修改这个顺序,不同的桶有着不同的处理方式。

排序的本质(Intrinsic Sorts)

这些排序模式是桶 固有的 能力:它们操作桶生成的数据,比如 doc_count。它们共享相同的语法,但是根据使用桶的不同会有些细微差别。

让我们做一个 terms 聚合但是按 doc_count 值的升序排序:

  GET /cars/transactions/_search
  {
      "size" : 0,
      "aggs" : {
          "colors" : {
              "terms" : {
                "field" : "color",
                "order": {
                  "_count" : "asc" #1
                }
              }
          }
      }
  }

#1 用关键字 _count ,我们可以按 doc_count 值的升序排序。

我们为聚合引入了一个 order 对象,它使我们可以根据以下值进行排序:

  • _count

    按文档数排序。在 termshistogramdate_histogram 内使用。

  • _term

    按词项的字符串值的字母顺序排序。只在 terms 内使用。

  • _key

    按每个桶的键值数值排序(理论上与 _term 类似)。只在 histogramdate_histogram 内使用。

按度量排序(Sorting by a Metric)

有时,我们会想基于度量计算的结果值进行排序。在我们的汽车销售分析仪表盘中,我们可能想按照汽车颜色创建一个销售条状图表,但按照汽车平均售价的升序进行排序。

我们可以增加一个度量,再指定 order 参数引用这个度量即可:

  GET /cars/transactions/_search
  {
      "size" : 0,
      "aggs" : {
          "colors" : {
              "terms" : {
                "field" : "color",
                "order": {
                  "avg_price" : "asc" #1
                }
              },
              "aggs": {
                  "avg_price": {
                      "avg": {"field": "price"} #2
                  }
              }
          }
      }
  }

#1 计算每个桶的平均售价。

#2 桶按照计算平均值的升序排序。

我们可以采用这种方式用任何度量排序,只需简单的引用度量的名字。不过有些度量会输出多个值。extended_stats 度量是一个很好的例子:它输出好几个度量值。

如果我们想使用多值度量进行排序,我们只需以关心的度量为关键词使用点式路径:

  GET /cars/transactions/_search
  {
      "size" : 0,
      "aggs" : {
          "colors" : {
              "terms" : {
                "field" : "color",
                "order": {
                  "stats.variance" : "asc" #1
                }
              },
              "aggs": {
                  "stats": {
                      "extended_stats": {"field": "price"}
                  }
              }
          }
      }
  }

#1 使用点式标记方式,我们可以对感兴趣的度量进行排序。

在上面这个例子中,我们按每个桶的方差来排序,所以售价方差最小的会出现在方差更多之前。

基于“深度”度量排序(Sorting Based on "Deep" Metrics)

在前面的示例中,度量是桶的直接子节点。平均售价是根据每个 term 来计算的。在一定条件下,我们也有可能对更深的度量进行排序,比如孙子桶或从孙桶。

我们可以定义更深的路径,将度量用尖括号(>)嵌套起来,像这样: my_bucket>another_bucket>metric

需要提醒的是嵌套路径上的每个桶都必须是单值的。filter 桶生成一个单值桶:所有与过滤条件匹配的文档都在桶中。多值桶(如:terms)动态生成许多桶,无法通过指定一个确定路径来识别。

目前,只有三个单值桶:filterglobalreverse_nested。让我们快速用示例说明,创建一个汽车售价的直方图,但是按照红色和绿色(不包括蓝色)车各自的方差来排序:

  GET /cars/transactions/_search
  {
      "size" : 0,
      "aggs" : {
          "colors" : {
              "histogram" : {
                "field" : "price",
                "interval": 20000,
                "order": {
                  "red_green_cars>stats.variance" : "asc" #1
                }
              },
              "aggs": {
                  "red_green_cars": {
                      "filter": { "terms": {"color": ["red", "green"]}}, #2
                      "aggs": {
                          "stats": {"extended_stats": {"field" : "price"}} #3
                      }
                  }
              }
          }
      }
  }

#1 按照嵌套度量的方差对桶的直方图进行排序。

#2 因为我们使用单值过滤器,我们可以使用嵌套排序。

#3 按照生成的度量对统计结果进行排序。

本例中,可以看到我们如何访问一个嵌套的度量,stats 度量是 red_green_cars 聚合的子节点,而red_green_cars 又是 colors 聚合的子节点。为了根据这个度量排序,我们定义了路径 red_green_cars>stats.variance 。我们可以这么做,因为 filter 桶是个单值桶。

参考

elastic.co:
Sorting Multivalue Buckets

posted @ 2016-03-24 17:35  Richaaaard  阅读(2206)  评论(0编辑  收藏  举报