Elasticsearch bucket_scriptbucket_selectorbucket_sort 区别和应用场景？

Posted 铭毅天下

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Elasticsearch bucket_scriptbucket_selectorbucket_sort 区别和应用场景？相关的知识，希望对你有一定的参考价值。

1、实战问题

POST test-002/_bulk
"index":"_id":1
"name": "张三","city": "beijing"
"index":"_id":2
"name": "李四","city": "beijing"
"index":"_id":3
"name": "王五","city": "shanghai"
"index":"_id":4
"name": "赵六","city": "shanghai"

请教老师， 上面的是我在es保存的数据， 想写一个dsl， 求出来 beijing 占比 50%， shanghai 占比 50%。

死磕Elasticsearch知识星球 https://t.zsxq.com/0bqpcJiLL

2、问题分析

类似问题，样例数据单看计算不复杂，“beijing” 2 个，“上海” 2 个，“beijing”占比: 2/(2+2) = 50%; "shanghai"同样计算，占比 50%。

业务层面，建议获取到分桶聚合结果后，直接代码求解百分比效率更高。

仅就上面数据解释如下，两个步骤搞定。

  • 第一步：基于city 字段分桶聚合。

POST test-002/_search

  "size": 0,
  "aggs": 
    "city_aggs": 
      "terms": 
        "field": "city",
        "size": 10
      
    
  

获取结果如下截图所示。

第二步：业务代码层面（python或Java或其他），直接来个除法搞定。

如上，才是效率最高的方案，尤其数据量巨大的业务场景。

问题来了，我就想让 Elasticsearch 搞定计算，怎么办？

我们需要在刚才分桶聚合的基础上，获取桶内“beijing”、“shanghai”的值，然后做除法。

这里的除法本质会用到 Elasticsearch Pipeline 子聚合 bucket_script 的概念。

讲到这里，有必要再把聚合梳理一遍。

3、聚合详解

3.1 聚合全局认知

聚合分类

核心分为三大类：

（1）Bucket 分桶聚合

通俗举例：开篇示例，按照“city”分桶，“beijing”一桶、“shanghai”一桶。

协议分桶聚合饼图

时间走势聚合示意图

（2）Metrics 指标聚合

通俗举例：求一组数据中的最大值；求一组数的平均值。

（3）Pipeline子聚合（基于聚合的聚合）

通俗举例：以B站视频为例，首先按年度统计每年最大观看量视频，然后再统计观看量最大视频所在的年份（基于聚合再聚合）。

如果基础概念还有点模糊，推荐阅读：基于儿童积木玩具图解 Elasticsearch 聚合。

3.2 Pipeline子聚合全局认知

子聚合核心又可以分为两类：

  • parent 子聚合

  • sibling 子聚合

子聚合分类

分类的依据更通俗讲是语法规则的不同。

4、Pipeline子聚合详解

为了更清楚的说明两者的不同，重构了样例数据如下。

####重构后的样例数据
DELETE test-002
PUT test-002

  "mappings": 
    "properties": 
      "sale_data": 
        "type": "date",
        "format": "yyyy-MM-dd"
      ,
      "sale_count": 
        "type": "long"
      ,
      "name": 
        "type": "keyword"
      ,
      "city": 
        "type": "keyword"
      
    
  


POST test-002/_bulk
"index":"_id":1
"name":"张三","city":"beijing","sale_date":"2023-01-08","sale_count":100
"index":"_id":2
"name":"李四","city":"beijing","sale_date":"2023-01-18","sale_count":5000
"index":"_id":3
"name":"王五","city":"shanghai","sale_date":"2022-11-08","sale_count":300
"index":"_id":4
"name":"赵六","city":"shanghai","sale_date":"2022-12-28","sale_count":1000

4.1 sibling 子聚合举例

  • 需求描述：按照月份统计每个月的总销量，并获取月总销量最大的月份？

  • 需求拆解：

（1）按照月份统计：使用 bucket 分桶聚合的date_histogram时间走势直方图聚合实现。 

（2）每个月的总销量：在按照月份统计的基础上进行嵌套聚合，借助Metric指标聚合的sum实现。 

（3）获取月总销量最大的月份：使用 Pipeline 子聚合的 Max_bucket 实现。

最终实现：

POST test-002/_search

  "size": 0,
  "aggs": 
    "sales_per_month": 
      "date_histogram": 
        "field": "sale_date",
        "calendar_interval": "month"
      ,
      "aggs": 
        "sales": 
          "sum": 
            "field": "sale_count"
          
        
      
    ,
    "max_monthly_sales": 
      "max_bucket": 
        "buckets_path": "sales_per_month > sales"
      
    
  

4.2 parent 子聚合举例

  • 需求描述：文章开头，求“beijing”、“shanghai”的各占百分比 ？

  • 需求拆解：

（1）按照 city 分桶：获取“beijing”、“shanghai”的 bucket 分桶聚合结果。

（2）计算百分比：借助 “bucket_script” 脚本子聚合实现。

这里实现层面不简单是上面的两步就可以完成。

核心原因在于：bucket_script 是 “parent”类型的子聚合，进一步说，它需要嵌套在外层聚合的里面，外层聚合就相当于它的“parent”，新加的子聚合相当于“child”。

外层怎么加，这个类似咱们之前的实现：图解：Elasticsearch 8.X 如何求解环比上升比例？

需要借助 filters 过滤聚合整出一个全量数据集，然后在此基础上统计分桶、桶内数据量，并借助 bucket_script 实现百分比。

具体实现如下：

POST test-002/_search

  "size": 0,
  "aggs": 
    "all_datas": 
      "filters": 
        "filters": 
          "all_dates_no_process": 
            "match_all": 
          
        
      ,
      "aggs": 
        "bucket_by_city": 
          "terms": 
            "field": "city",
            "size": 10
          
        ,
        "counts_of_city": 
          "value_count": 
            "field": "city"
          
        ,
        "bj_percents": 
          "bucket_script": 
            "buckets_path": 
              "bj_count": "bucket_by_city['beijing']>_count",
              "all_counts": "counts_of_city"
            ,
            "script": "params.bj_count / params.all_counts"
          
        ,
        "sh_percents": 
          "bucket_script": 
            "buckets_path": 
              "sh_count": "bucket_by_city['shanghai']>_count",
              "all_counts": "counts_of_city"
            ,
            "script": "params.sh_count / params.all_counts"
          
        
      
    
  

不常用参数：bucket_by_city['beijing']>_count 含义如下：

获取“beijing”桶下的count计数结果。

折叠图如下图所示，parent 类别的含义由此而来。

最终百分比结果如下：

至此，开篇问题求解完毕。

5、bucket_script、bucket_selector、bucket_sort 的定义和应用场景？

  • Bucket selector选择子聚合：对聚合的结果执行进一步的筛选和运算。

  • Bucket script 脚本子聚合：在聚合的结果上执行脚本运算，以生成新的聚合结果。

  • Bucket sort 排序子聚合：用聚合结果的任意字段进行排序，并返回一个排序后的桶列表。

这三类都属于 parent 类型的子聚合。子聚合的核心是对前置聚合结果的二次聚合，所以，只有业务需求有对聚合结果再聚合的场景才考虑子聚合。

bucket_script 是一种特殊的子聚合功能，它允许我们在聚合的桶中执行脚本。

应用举例：可以使用脚本来计算每个桶的平均值、百分比（如本文示例）、环比及标准差等。

bucket_selector 是一种特殊的子聚合功能，它允许我们选择某些桶并对其进行子聚合。

应用举例：可以使用选择器选择某些桶并统计它们的总和。

bucket_sort 是一种排序功能，它允许我们按指定顺序对桶进行排序。

应用举例：可以按照每个桶的计数进行排序，以便查看最频繁的项目。

在实际应用场景中，可以根据需要选择使用上述功能中的一个或多个。

应用举例：可以对某个字段的值进行分组，然后使用 bucket_sort 对分组后的桶进行排序，并使用bucket_script在桶中执行脚本，最后使用bucket_selector选择某些桶并对其进行聚合。

这样，我们可以对业务数据进行多层次的分析和统计功能。

6、小结

由百分比的问题引申出聚合分类，由聚合分类引申出Pipeline 子聚合的两个子类型：parent、sibling（兄弟）的区别，更进一步引申出bucket_script、bucket_selector、bucket_sort的定义和应用场景。为后续类似问题提供参考。

推荐视频解读：

参考

https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations.html

推荐阅读

  1. 全网首发！从 0 到 1 Elasticsearch 8.X 通关视频

  2. 重磅 | 死磕 Elasticsearch 8.X 方法论认知清单（2022年国庆更新版）

  3. 如何系统的学习 Elasticsearch ？

  4. 2023，做点事

  5. 图解：Elasticsearch 8.X 如何求解环比上升比例？

更短时间更快习得更多干货！

和全球 1800+ Elastic 爱好者一起精进！

比同事抢先一步学习进阶干货！

以上是关于Elasticsearch bucket_scriptbucket_selectorbucket_sort 区别和应用场景？的主要内容，如果未能解决你的问题，请参考以下文章

Elasticsearch 教程

Elasticsearch 基本概念

Elasticsearch 学习笔记 Elasticsearch及Elasticsearch head安装配置

Elasticsearch - Elasticsearch 8.X；Elasticsearch 8.X集群

Elasticsearch 安装

ElasticSearch知识概括