基于儿童积木玩具图解 Elasticsearch 聚合

手敲脑图串讲 Elasticsearch 核心知识点

故事得从这一筐积木说起......

周末带孩子正准备玩积木的时候，手机响了，死磕 Elasticsearch 技术群里在探讨 Elastic 认证中聚合考点，我想起关于 Elasticsearch 聚合，我之前写过 2-3 篇文章，跨度也得有3年。

但是，或多或少都是官方文档的东西，不够深入浅出。再看到手里的这堆积木，灵感来了，就带着孩子摆了各种积木造型，然后就有了这篇文章。

1、数据来源——积木

图1

来个视频，看看有多凌乱。

数据（也就是积木）特点也就有了：

• 凌乱
• 形状各异
• 大小不一

小朋友喜欢积木的原因就是：可以任想象力肆意自由发挥，堆出各种自己喜欢的造型。

但这和聚合有啥子关系呢？

别急，慢慢来......

2、把玩一下积木吧

下图 2 是我们家小宝的作品。

图 2

下面图3、图4是我摆的。

图 3

图 4

看出什么区别？

成年人的世界已被社会打磨（cui can）的没有棱角、缺少了天马行空，只剩下中规中矩（开玩笑）。

图3、图4有什么特点呢？

• 图3 把杂乱无章的积木，按照形状做了归类。
• 图4 把正方形的提炼出来，归为正方形类。

3、拆解聚合

由图 1 到 图 3、4 的本质：杂乱无章->基本有序。这个聚集的过程抽象提炼一下就是聚合。

第一次听聚合可能不好理解，看了上面的图能好理解一些。

再聚焦一下聚合的分类。

3.1 分桶聚合（bucket）

分桶聚合中桶的概念，它是翻译的词汇。本质就是聚合、数据汇聚的一种方式。

先上积木，然后再数据建模 DSL 过一遍就很容易理解了。

原始数据都是：图1。

• 基于颜色分桶聚合

图5

图 5 就是基于图1杂乱数据，按照颜色聚合的结果。

聚合结果是：

1. 红色一桶
2. 黄色一桶
3. 蓝色一桶
4. 绿色一桶

• 基于形状分桶聚合

图6

图 6 就是基于图1杂乱数据，按照形状聚合的结果。

聚合结果是：

1. 正方形一桶
2. 长方形一桶
3. 圆形一桶
4. 圆柱形一桶

而如上内容，对应 Elasticsearch 中哪些聚合呢？

官方文档中的：Aggregations -> Bucket aggregations -> Terms。

数据建模实现一把：

PUT toy_demo_001
{
  "mappings": {
    "properties": {
      "color":{
        "type":"keyword"
      },
      "name":{
        "type":"keyword"
      }
    }
  }
}


POST toy_demo_001/_bulk
{"index":{"_id":1}}
{"color":"red", "name":"red_01"}
{"index":{"_id":2}}
{"color":"red", "name":"red_02"}
{"index":{"_id":3}}
{"color":"red", "name":"red_03"}
{"index":{"_id":4}}
{"color":"green", "name":"green_01"}
{"index":{"_id":5}}
{"color":"blue", "name":"blue_02"}
{"index":{"_id":6}}
{"color":"green", "name":"green_02"}
{"index":{"_id":7}}
{"color":"blue", "name":"blue_03"}


POST toy_demo_001/_search
{
  "size":0,
  "aggs": {
    "color_terms_agg": {
      "terms": {
        "field":"color"
      }
    }
  }
}

上述基于颜色的聚合结果如下：

1. key：代表的基于颜色的分桶。
2. doc_value: 每个桶中积木数量。

其他 bucket 聚合，参见官方文档：Aggregations -> Bucket aggregations 。

3.2 指标聚合（Metric）

图 7

图 8

由 图 7 到 图 8，发生了什么？

• 图7：一堆凌乱的方型积木。
• 图8：获取了图 7 中积木的最小值、平均值，最大值。

映射到 Elasticsearch，本质上就是发生了指标聚合。怎么破？看个实例：

PUT toy_demo_002
{
  "mappings": {
    "properties": {
      "size":{
        "type":"integer"
      },
      "name":{
        "type":"keyword"
      }
    }
  }
}


POST toy_demo_002/_bulk
{"index":{"_id":0}}
{"size":0, "name":"red_0"}
{"index":{"_id":1}}
{"size":1, "name":"red_1"}
{"index":{"_id":2}}
{"size":2, "name":"green_2"}
{"index":{"_id":3}}
{"size":3, "name":"yellow_3"}
{"index":{"_id":4}}
{"size":4, "name":"green_4"}
{"index":{"_id":5}}
{"size":5, "name":"blue_5"}
{"index":{"_id":6}}
{"size":6, "name":"yellow_6"}
{"index":{"_id":7}}
{"size":7, "name":"blue_7"}
{"index":{"_id":8}}
{"size":8, "name":"green_8"}
{"index":{"_id":9}}
{"size":9, "name":"green_9"}

POST toy_demo_002/_search
{
  "size":0,
  "aggs": {
    "max_agg": {
      "max": {
        "field":"size"
      }
    },
    "min_agg":{
      "min":{
        "field":"size"
      }
    },
    "avg_agg":{
      "avg":{
        "field":"size"
      }
    }
  }
}

指标聚合结果如下：

指标聚合使用了浮点数，精度原因，所以和积木结果不完全一致。

有的读者说了，一个 stats 不就全搞定了，是的，如下：

POST toy_demo_002/_search
{
  "size": 0,
  "aggs": {
    "size_stats": {
      "stats": {
        "field": "size"
      }
    }
  }
}

stats 指标聚合结果如下：

更多指标聚合内容参见官方文档：Aggregations > Metrics aggregations。

3.3 管道聚合/子聚合（pipeline）

上积木：

图 9

图 9 的积木相对复杂了，有了：带孔积木，有了颜色区别，有了数字大小的区别。

按照有孔与否，聚合结果如下图 10 所示， 左侧有孔，右侧没有孔。

图 10

进一步，在图 10 的基础上，按照颜色分桶，结果如下图 11 所示。

图 11

再进一步，在图 11 的基础上，各自颜色桶内按照数字大小排序如下图 12 所示。

图 12

在图 12 的基础上，获取数字最大的值及其所在的桶，如下图 13 所示：

• 红色带孔的桶（最大值 8）
• 绿色不带孔的桶（最大值 9）

图 13

如下的数据建模，完整复现了图 9 - 图 13 积木组合。

• has_hole：1，代表有孔；0，代表无孔。
• color：代表颜色；
• size：积木上数字大小
• name：积木名称（以颜色+数字命名，以标定唯一）

PUT toy_demo_003
{
  "mappings": {
    "properties": {
      "has_hole": {
        "type": "keyword"
      },
      "color": {
        "type": "keyword"
      },
      "size": {
        "type": "integer"
      },
      "name": {
        "type": "keyword"
      }
    }
  }
}

POST toy_demo_003/_bulk
{"index":{"_id":0}}
{"size":0, "name":"red_0", "has_hole":0, "color":"red"}
{"index":{"_id":1}}
{"size":1, "name":"red_1","has_hole":0, "color":"red"}
{"index":{"_id":2}}
{"size":2, "name":"green_2","has_hole":0, "color":"green"}
{"index":{"_id":3}}
{"size":3, "name":"yellow_3","has_hole":0, "color":"yellow"}
{"index":{"_id":4}}
{"size":4, "name":"green_4","has_hole":0, "color":"green"}
{"index":{"_id":5}}
{"size":5, "name":"blue_5","has_hole":0, "color":"blue"}
{"index":{"_id":6}}
{"size":6, "name":"yellow_6","has_hole":0, "color":"yellow"}
{"index":{"_id":7}}
{"size":7, "name":"blue_7","has_hole":0, "color":"blue"}
{"index":{"_id":8}}
{"size":8, "name":"green_8","has_hole":0, "color":"green"}
{"index":{"_id":9}}
{"size":9, "name":"green_9","has_hole":0, "color":"green"}
{"index":{"_id":10}}
{"size":7, "name":"red_hole_7","has_hole":1, "color":"red"}
{"index":{"_id":11}}
{"size":8, "name":"red_hole_8","has_hole":1, "color":"red"}
{"index":{"_id":12}}
{"size":0, "name":"yellow_hole_0","has_hole":1, "color":"yellow"}
{"index":{"_id":13}}
{"size":4, "name":"yellow_hole_4","has_hole":1, "color":"yellow"}
{"index":{"_id":14}}
{"size":6, "name":"yellow_hole_6","has_hole":1, "color":"yellow"}
{"index":{"_id":15}}
{"size":5, "name":"yellow_hole_5","has_hole":1, "color":"yellow"}
{"index":{"_id":16}}
{"size":3, "name":"green_hole_3","has_hole":1, "color":"green"}
{"index":{"_id":17}}
{"size":1, "name":"blue_hole_1","has_hole":1, "color":"blue"}
{"index":{"_id":18}}
{"size":2, "name":"blue_hole_1","has_hole":1, "color":"blue"}

以下聚合实现了：图 11的积木内容。

先按照是否有孔聚合，再按照颜色聚合。

这属于聚合内嵌套聚合，本质属于：分桶聚合章节内容，这里要说明一下。

POST toy_demo_003/_search
{
  "size": 0,
  "aggs": {
    "hole_terms_agg": {
      "terms": {
        "field": "has_hole"
      },
      "aggs": {
        "color_terms": {
          "terms": {
            "field": "color"
          }
        }
      }
    }
  }
}

聚合结果如下：

以下聚合实现了图 12、图 13 内容（非严格匹配）。

• 最外层聚合：按照是否有孔。
• 嵌套在内层的聚合：取最大值，本质是取的有孔、无孔两个桶里的最大值。
• max_bucket 可以理解成子聚合或者pipeline 管道聚合，它是进一步再上面聚合的基础上，取出有孔、无孔两个桶的最大值及其最大值所在的桶。

POST toy_demo_003/_search
{
  "size": 0,
  "aggs": {
    "hole_terms_agg": {
      "terms": {
        "field": "has_hole"
      },
      "aggs": {
        "max_value_aggs": {
          "max": {
            "field": "size"
          }
        }
      }
    },
    "max_hole_color_aggs": {
      "max_bucket": {
        "buckets_path": "hole_terms_agg>max_value_aggs"
      }
    }
  }
}

聚合结果如下：

更多pipeline 基于聚合的聚合内容参见官方文档：Aggregations > Pipeline aggregations。

4、小结

临时结合小朋友玩具，联想到 Elasticsearch 聚合问题。

聚合内容博大精深，我就只图解解了其中最基础的部分。

实战中经常用到的聚合重点见下面的脑图：

算作抛砖引玉吧，涉及聚合的更多细节还得结合官方文档去学习、去实践，相信有了积木的案例，后面再学习聚合会更好理解一些。

不知道本文是否讲透了聚合？欢迎留言反馈交流。

中国最大的 Elastic 非官方公众号