elasticsearch bucket 之rare terms聚合使用详解
作者:huan1993
这篇文章主要为大家介绍了elasticsearch bucket 之rare terms聚合使用详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
1、背景
我们知道当我们使用 terms
聚合时,当修改默认顺序为_count asc
时,统计的结果是不准备的,而且官方也不推荐我们这样做,而是推荐使用rare terms
聚合。rare terms
是一个稀少
的term聚合,可以一定程度的解决升序问题。
2、需求
统计province
字段中包含上和湖
的term数据,并且最多只能出现2次。获取到聚合后的结果。
3、前置准备
3.1 准备mapping
PUT /index_person { "settings": { "number_of_shards": 1 }, "mappings": { "properties": { "id": { "type": "long" }, "name": { "type": "keyword" }, "province": { "type": "keyword" }, "sex": { "type": "keyword" }, "age": { "type": "integer" }, "pipeline_province_sex":{ "type": "keyword" }, "address": { "type": "text", "analyzer": "ik_max_word", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } }
3.2 准备数据
PUT /_bulk {"create":{"_index":"index_person","_id":1}} {"id":1,"name":"张三","sex":"男","age":20,"province":"湖北","address":"湖北省黄冈市罗田县匡河镇"} {"create":{"_index":"index_person","_id":2}} {"id":2,"name":"李四","sex":"男","age":19,"province":"江苏","address":"江苏省南京市"} {"create":{"_index":"index_person","_id":3}} {"id":3,"name":"王武","sex":"女","age":25,"province":"湖北","address":"湖北省武汉市江汉区"} {"create":{"_index":"index_person","_id":4}} {"id":4,"name":"赵六","sex":"女","age":30,"province":"北京","address":"北京市东城区"} {"create":{"_index":"index_person","_id":5}} {"id":5,"name":"钱七","sex":"女","age":16,"province":"北京","address":"北京市西城区"} {"create":{"_index":"index_person","_id":6}} {"id":6,"name":"王八","sex":"女","age":45,"province":"北京","address":"北京市朝阳区"} {"create":{"_index":"index_person","_id":7}} {"id":7,"name":"九哥","sex":"男","age":25,"province":"上海市","address":"上海市嘉定区"}
4、实现需求
4.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_province": { "rare_terms": { "field": "province", "max_doc_count": 2, "precision": 0.01, "include": "(.*上.*|.*湖.*|.*江.*)", "exclude": ["江苏"], "missing": "default省" } } } }
4.2 java代码
@Test @DisplayName("稀少的term聚合,类似按照 _count asc 排序的terms聚合,但是terms聚合中按照_count asc的结果是不准的,需要使用 rare terms 聚合") public void agg01() throws IOException { SearchRequest searchRequest = new SearchRequest.Builder() .size(0) .index("index_person") .aggregations("agg_province", agg -> agg.rareTerms(rare -> // 稀有词 的字段 rare.field("province") // 该稀有词最多可以出现在几个文档中,最大值为100,如果要调整,需要修改search.max_buckets参数的值(尝试修改这个值,不生效) // 在该例子中,只要是出现的次数<=2的聚合都会返回 .maxDocCount(2L) // 内部布谷鸟过滤器的精度,精度越小越准,但是相应的消耗内存也越多,最小值为 0.00001,默认值为 0.01 .precision(0.01) // 应该包含在聚合的term, 当是单个字段是,可以写正则表达式 .include(include -> include.regexp("(.*上.*|.*湖.*|.*江.*)")) // 排出在聚合中的term,当是集合时,需要写准确的值 .exclude(exclude -> exclude.terms(Collections.singletonList("江苏"))) // 当文档中缺失province字段时,给默认值 .missing("default省") ) ) .build(); System.out.println(searchRequest); SearchResponse<Object> response = client.search(searchRequest, Object.class); System.out.println(response); }
一些注意事项都在注释中。
4.3 运行结果
5、max_doc_count 和 search.max_buckets
6、注意事项
rare terms
统计返回的数据没有大小
限制,而且受max_doc_count
参数的限制,比如:如果复合 max_doc_count 的分组有60个,那么这60个分组会直接返回。max_doc_count
的值最大为100
,貌似不能修改。- 如果一台节点聚合收集的结果过多,那么很容易超过
search.max_buckets
的值,此时就需要修改这个值。
# 临时修改 PUT /_cluster/settings {"transient": {"search.max_buckets": 65536}} # 永久修改 PUT /_cluster/settings {"persistent": {"search.max_buckets": 65536}}
完整代码
参考文档
以上就是elasticsearch bucket 之rare terms聚合使用详解的详细内容,更多关于elasticsearch bucket rare terms的资料请关注脚本之家其它相关文章!