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（

terms

、

histogram

和

date_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（

terms

、

histogram

和

date_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

terms

、

histogram

、

date_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

histogram

和

date_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：

filter

、

global

和

reverse_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