摘要：ES指标聚合，就是类似SQL的统计函数，指标聚合可以单独使用，也可以跟桶聚合一起使用，常用的统计函数如下：Value Count - 类似sql的count函数，统计总数，Cardinality - 类似SQL的count(DISTINCT 字段)...
ES指标聚合，就是类似SQL的统计函数，指标聚合可以单独使用，也可以跟桶聚合一起使用，常用的统计函数如下：
Value Count - 类似sql的count函数，统计总数
Cardinality - 类似SQL的count(DISTINCT 字段)， 统计不重复的数据总数
Avg - 求平均值
Sum - 求和
Max - 求最大值
Min - 求最小值
1. Value Count
ES值聚合，主要用于统计文档总数，类似SQL的count函数，例子：
POST /sales/_search?size=0
{
"aggs": {
"types_count": { // 聚合查询的名字，随便取个名字
"value_count": { // 聚合类型为：value_count
"field": "type" // 计算type这个字段值的总数
}
}
}
}等价SQL：
select count(type) from sales
返回结果：
{
...
"aggregations": {
"types_count": { // 聚合查询的名字
"value": 7 // 统计结果
}
}
}2.Cardinality
基数聚合，也是用于统计文档的总数，跟Value Count的区别是，基数聚合会去重，不会统计重复的值，类似SQL的count(DISTINCT 字段)用法，例子：
POST /sales/_search?size=0
{
"aggs" : {
"type_count" : { // 聚合查询的名字，随便取一个
"cardinality" : { // 聚合查询类型为：cardinality
"field" : "type" // 根据type这个字段统计文档总数
}
}
}
}等价SQL：
select count(DISTINCT type) from sales
返回结果：
{
...
"aggregations" : {
"type_count" : { // 聚合查询的名字
"value" : 3 // 统计结果
}
}
}提示：前面提到基数聚合的作用等价于SQL的count(DISTINCT 字段)的用法，其实不太准确，因为SQL的count统计结果是精确统计不会丢失精度，但是ES的cardinality基数聚合统计的总数是一个近似值，会有一定的误差，这么做的目的是为了性能，因为在海量的数据中精确统计总数是非常消耗性能的，但是很多业务场景不需要精确的结果，只要近似值，例如：统计网站一天的访问量，有点误差没关系。
3.Avg (求平均值)
POST /exams/_search?size=0
{
"aggs": {
"avg_grade": { // 聚合查询名字，随便取一个名字
"avg": { // 聚合查询类型为: avg
"field": "grade" // 统计grade字段值的平均值
}
}
}
}返回结果：
{
...
"aggregations": {
"avg_grade": { // 聚合查询名字
"value": 75.0 // 统计结果
}
}
}4.Sum (求和计算)
POST /sales/_search?size=0
{
"aggs": {
"hat_prices": { // 聚合查询名字，随便取一个名字
"sum": { // 聚合类型为：sum
"field": "price" // 计算price字段值的总和
}
}
}
}返回结果：
{
...
"aggregations": {
"hat_prices": { // 聚合查询名字
"value": 450.0 // 统计结果
}
}
}5.Max (求最大值)
POST /sales/_search?size=0
{
"aggs": {
"max_price": { // 聚合查询名字,随便取一个名字
"max": { // 聚合类型为：max
"field": "price" // 求price字段的最大值
}
}
}
}返回结果:
{
...
"aggregations": {
"max_price": { // 聚合查询名字
"value": 200.0 // 最大值
}
}
}6.Min (求最小值)
POST /sales/_search?size=0
{
"aggs": {
"min_price": { // 聚合查询名字，随便取一个
"min": { // 聚合类型为: min
"field": "price" // 求price字段值的最小值
}
}
}
}返回结果:
{
...
"aggregations": {
"min_price": { // 聚合查询名字
"value": 10.0 // 最小值
}
}
}7.多个分组条件
POST /exams/_search?size=0
{
"size": 0,
"query": {
"bool": {
"should": [
{
"wildcard": {
"Url.keyword": "*.yzmcms.com*"
}
},
{
"wildcard": {
"Site.keyword": "*.yzmcms.com*"
}
},
{
"wildcard": {
"Host.keyword": "*.yzmcms.com*"
}
}
]
}
},
"aggs": {
"urls": {
"terms": {
"field": "Url.keyword",
"size": 1000
}
},
"sites": {
"terms": {
"field": "Site.keyword",
"size": 1000
}
},
"hosts": {
"terms": {
"field": "Host.keyword",
"size": 1000
}
}
}
}返回结果：
{
...
"aggregations": {
"urls": { // 聚合查询名字
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": {
...
},
},
"sites": { // 聚合查询名字
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": {
...
},
},
"hosts": { // 聚合查询名字
"doc_count_error_upper_bound": 0,
"sum_other_doc_count": 0,
"buckets": {
...
},
}
}
}8.综合例子
前面的例子，仅仅介绍聚合指标单独使用的情况，实际应用中经常先通过query查询，搜索索引中的数据，然后对query查询的结果进行统计分析，例子：
POST /sales/_search
{
"size": 0, // size = 0,代表不想返回query查询结果，只要统计结果
"query": { // 设置query查询条件，后面的aggs统计，仅对query查询结果进行统计
"constant_score": {
"filter": {
"match": {
"type": "hat"
}
}
}
},
"aggs": { // 统计query查询结果, 默认情况如果不写query语句，则代表统计所有数据
"hat_prices": { // 聚合查询名字，计算price总和
"sum": {
"field": "price"
}
},
"min_price": { // 聚合查询名字，计算price最小值
"min": {
"field": "price"
}
},
"max_price": { // 聚合查询名字，计算price最大值
"max": {
"field": "price"
}
}
}
}返回结果:
{
...
"aggregations": {
"hat_prices": { // 求和
"value": 450.0
},
"min_price": { // 最小值
"value": 10.0
},
"max_price": { // 最大值
"value": 200.0
}
}
}
