在SpringData Elasticsearch中,聚合统计的原理主要依赖于Elasticsearch本身的聚合框架。Elasticsearch提供了强大的聚合功能,使得你可以对文档进行各种计算和统计,从而得到有关数据集的有用信息。文章来源:https://www.toymoban.com/news/detail-810145.html
Elasticsearch的聚合(Aggregation)是一种强大的数据分析和统计工具,它允许你对文档集合进行多层次、多维度的计算和分析。聚合的原理可以分为以下几个方面:文章来源地址https://www.toymoban.com/news/detail-810145.html
关键词 | 原理 |
---|---|
桶(Buckets) | 桶是聚合的基本单元,它将文档分组到不同的集合中,这些集合称为桶。桶可以按照不同的标准进行分组,比如词条、范围、日期等。 |
度量(Metrics) | 除了桶,聚合还可以返回一些度量结果,如总和、平均值、最大值、最小值等。度量通常与桶结合使用,以提供更详细的统计信息。 |
Pipeline Aggregations | Elasticsearch支持通过管道(pipeline)对聚合结果进行再处理。管道聚合(Pipeline Aggregations)允许你在已经聚合的结果上进行进一步的计算,例如计算平均值、求和等。 |
分布式计算 | Elasticsearch是一个分布式的搜索引擎,聚合的计算也是分布式的。当执行聚合查询时,Elasticsearch会将聚合任务分发到不同的分片上,然后将结果合并到一个全局结果中。 |
优化和缓存 | 为了提高性能,Elasticsearch会对聚合进行优化和缓存。在多次执行相同聚合查询时,Elasticsearch可能会缓存中间结果,以减少重复计算的开销。 |
脚本 | Elasticsearch支持使用脚本来进行聚合计算。脚本可以在聚合过程中对文档的字段进行定制的计算,从而实现更灵活的聚合操作。 |
import org.elasticsearch.script.Script;
import org.elasticsearch.script.ScriptType;
import org.elasticsearch.search.aggregations.Aggregation;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.Aggregations;
import org.elasticsearch.search.aggregations.bucket.terms.ParsedStringTerms;
import org.elasticsearch.search.aggregations.bucket.terms.Terms;
import org.elasticsearch.search.aggregations.bucket.terms.TermsAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.AvgAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.MaxAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.MinAggregationBuilder;
import org.elasticsearch.search.aggregations.metrics.SumAggregationBuilder;
import org.jeecg.modules.mark.common.es.entity.AudioMarkInfo;
import org.junit.jupiter.api.Test;
import java.util.Collections;
import java.util.List;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.elasticsearch.core.ElasticsearchRestTemplate;
import org.springframework.data.elasticsearch.core.SearchHits;
import org.springframework.data.elasticsearch.core.mapping.IndexCoordinates;
import org.springframework.data.elasticsearch.core.query.NativeSearchQueryBuilder;
@SpringBootTest
public class ElasticSearchTest {
@Autowired
private ElasticsearchRestTemplate restTemplate;
@Test
public void count() {
String indexName = "app_student_1";
NativeSearchQueryBuilder query = new NativeSearchQueryBuilder();
TermsAggregationBuilder group = AggregationBuilders.terms("group").field("id");
// 多字段积 聚合求 和
Script script1 = new Script(ScriptType.INLINE, "painless",
"doc['age'].value * doc['score'].value", Collections.emptyMap());
SumAggregationBuilder sum = AggregationBuilders.sum("sum").script(script1);
// 多字段差 聚合求 平均数
Script script2 = new Script(ScriptType.INLINE, "painless",
"doc['age'].value / doc['score'].value", Collections.emptyMap());
AvgAggregationBuilder avg = AggregationBuilders.avg("avg").script(script2);
// 多字段和 聚合求 最大值
Script script3 = new Script(ScriptType.INLINE, "painless",
"doc['age'].value + doc['score'].value", Collections.emptyMap());
MaxAggregationBuilder max = AggregationBuilders.max("max").script(script3);
// 多字段商 聚合求 最小值
Script script4 = new Script(ScriptType.INLINE, "painless",
"doc['age'].value + doc['score'].value + doc['mathScore'].value", Collections.emptyMap());
MinAggregationBuilder min = AggregationBuilders.min("min").script(script4);
group.subAggregation(sum);
group.subAggregation(avg);
group.subAggregation(max);
group.subAggregation(min);
SearchHits<AudioMarkInfo> search = restTemplate.search(query.build(), AudioMarkInfo.class,
IndexCoordinates.of(indexName));
Aggregations aggregations = search.getAggregations();
ParsedStringTerms terms = aggregations.get("group");
List<? extends Terms.Bucket> buckets = terms.getBuckets();
for (Terms.Bucket bucket : buckets) {
String id = bucket.getKeyAsString();
long count = bucket.getDocCount();
for (Aggregation list : bucket.getAggregations().asList()) {
// TODO:
}
}
}
}
到了这里,关于SpringBoot ES 聚合后多字段加减乘除的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!