1. 背景
此处简单记录一下bucket聚合下的terms聚合。记录一下terms聚合的各种用法，以及各种注意事项，防止以后忘记。
2. 前置条件
2.1 创建索引
PUT /index_person { "settings": { "number_of_shards": 1 }, "mappings": { "properties": { "id": { "type": "long" }, "name": { "type": "keyword" }, "sex": { "type": "keyword" }, "age": { "type": "integer" }, "province": { "type": "keyword" }, "address": { "type": "text", "analyzer": "ik_max_word", "fields": { "keyword": { "type": "keyword", "ignore_above": 256 } } } } } }
2.2 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"}
3. 各种聚合
3.1 统计人数最多的2个省
3.1.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_sex": { "terms": { "field": "province", "size": 2 } } } }
3.1.2 运行结果
3.2 统计人数最少的2个省
3.2.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_sex": { "terms": { "field": "province", "size": 2, "order": { "_count": "asc" } } } } }
注意： 不推荐使用 _count:asc来统计，会导致统计结果不准，看下方的总结章节。
3.2.2 运行结果
3.3 根据字段值排序-根据年龄聚合，返回年龄最小的2个聚合
3.3.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_sex": { "terms": { "field": "age", "size": 2, "order": { "_key": "asc" } } } } }
注意： 这种根据字段值来排序，聚合的结果是正确的。
3.3.2 运行结果
3.4 子聚合排序-先根据省聚合，然后根据每个聚合后的最小年龄排序
3.4.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_sex": { "terms": { "field": "province", "order": { "min_age": "asc" } }, "aggs": { "min_age": { "min": { "field": "age" } } } } } } GET /index_person/_search { "size": 0, "aggs": { "agg_sex": { "terms": { "field": "province", "order": { "min_age.min": "asc" } }, "aggs": { "min_age": { "stats": { "field": "age" } } } } } }
注意： 子聚合排序一般也是不准的，但是如果是根据子聚合的最大值倒序和最小值升序又是准的。
3.4.2 运行结果
3.5 脚本聚合-根据省聚合，如果地址中有黄冈市则需要出现黄冈市
3.5.1 dsl
GET /index_person/_search { "size": 0, "runtime_mappings": { "province_sex": { "type": "keyword", "script": """ String province = doc['province'].value; String address = doc['address.keyword'].value; if(address.contains('黄冈市')){ emit('黄冈市'); }else{ emit(province); } """ } }, "aggs": { "agg_sex": { "terms": { "field": "province_sex" } } } }
3.5.2 运行结果
3.6 filter-以省分组，并且只包含北的省，但是需要排除湖北省
3.6.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_province": { "terms": { "field": "province", "include": ".*北.*", "exclude": ["湖北"] } } } }
注意： 当是字符串时，可以写正则表达式，当是数组时，需要写具体的值。
3.6.2 运行结果
3.7 多term聚合-根据省和性别聚合，然后根据最大年龄倒序
3.7.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "genres_and_products": { "multi_terms": { "size": 10, "shard_size": 25, "order":{ "max_age": "desc" }, "terms": [ { "field": "province", "missing": "defaultProvince" }, { "field": "sex" } ] }, "aggs": { "max_age": { "max": { "field": "age" } } } } } }
注意： terms聚合默认不支持多字段聚合，需要借助别的方式。此处使用multi terms来实现多字段聚合。
3.7.2 运行结果
3.8 missing value 处理
3.9 多个聚合-同时返回根据省聚合和根据性别聚合
3.9.1 dsl
GET /index_person/_search { "size": 0, "aggs": { "agg_province": { "terms": { "field": "province" } }, "agg_sex":{ "terms": { "field": "sex", "size": 10 } } } }
3.9.2 运行结果
4. 总结
4.1 可以聚合的字段
一般情况下，只有如下几种字段类型可以进行聚合操作 keyword,numeric,ip,boolean和binary类型的字段。text类型的字段默认情况下是不可以进行聚合的，如果需要聚合，需要开启fielddata。
4.2 如果我们想返回所有的聚合Term结果
如果我们只想返回100或1000个唯一结果，可以增大size参数的值。但是如果我们想返回所有的，那么推荐使用 composite aggregation
4.3 聚合数据不准
我们通过terms聚合到的结果是一个大概的结果，不一定是完全正确的。
为什么？.
举个例子： 如果我们的集群有3个分片，此处我们想返回值最高的5个统计。即size=5，假设先不考虑shard_size参数，那么此时每个节点会返回值最高的5个统计，然后再次聚合，返回，返回最终值最高的5个。这个貌似没什么问题，但是因为我们的数据是分布es的各个节点上的，可能某个统计项(北京市的用户数)，在A节点是是排名前5，但是在B节点上不是排名前5，那么最终的统计结果是否是就会漏统计了。
如何解决：
我们可以让es在每个节点上多返回几个结果，比如：我们的size=5，那么我们每个节点就返回 size * 1.5 + 10 个结果，那么误差相应的就会减少。 而这个size * 1.5 + 10就是shard_size的值，当然我们也可以手动指定，但一般需要比size的值大。
4.4 排序注意事项
4.4.1 _count 排序
默认情况下，使用的是 _count 倒序的，但是我们可以指定成升序，但是这是不推荐的，会导致错误结果。如果我们想要升序，可以使用 rare_terms聚合。
4.4.2 字段值排序
使用字段值排序，不管是正序还是倒序，结果是准确的。
4.4.3 子聚合排序
4.5 多term聚合
