elasticsearch bucket 之rare terms聚合使用詳解

更新時(shí)間：2022年11月23日 15:51:58 作者：huan1993

這篇文章主要為大家介紹了elasticsearch bucket 之rare terms聚合使用詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪

1、背景

我們知道當(dāng)我們使用 terms聚合時(shí)，當(dāng)修改默認(rèn)順序?yàn)?code>_count asc時(shí)，統(tǒng)計(jì)的結(jié)果是不準(zhǔn)備的，而且官方也不推薦我們這樣做，而是推薦使用rare terms聚合。rare terms是一個(gè)稀少的term聚合，可以一定程度的解決升序問題。

2、需求

統(tǒng)計(jì)province字段中包含上和湖的term數(shù)據(jù)，并且最多只能出現(xiàn)2次。獲取到聚合后的結(jié)果。

3、前置準(zhǔn)備

3.1 準(zhǔn)備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 準(zhǔn)備數(shù)據(jù)

PUT /_bulk
{"create":{"_index":"index_person","_id":1}}
{"id":1,"name":"張三","sex":"男","age":20,"province":"湖北","address":"湖北省黃岡市羅田縣匡河鎮(zhèn)"}
{"create":{"_index":"index_person","_id":2}}
{"id":2,"name":"李四","sex":"男","age":19,"province":"江蘇","address":"江蘇省南京市"}
{"create":{"_index":"index_person","_id":3}}
{"id":3,"name":"王武","sex":"女","age":25,"province":"湖北","address":"湖北省武漢市江漢區(qū)"}
{"create":{"_index":"index_person","_id":4}}
{"id":4,"name":"趙六","sex":"女","age":30,"province":"北京","address":"北京市東城區(qū)"}
{"create":{"_index":"index_person","_id":5}}
{"id":5,"name":"錢七","sex":"女","age":16,"province":"北京","address":"北京市西城區(qū)"}
{"create":{"_index":"index_person","_id":6}}
{"id":6,"name":"王八","sex":"女","age":45,"province":"北京","address":"北京市朝陽區(qū)"}
{"create":{"_index":"index_person","_id":7}}
{"id":7,"name":"九哥","sex":"男","age":25,"province":"上海市","address":"上海市嘉定區(qū)"}

4、實(shí)現(xiàn)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": ["江蘇"],
        "missing": "default省"
      }
    }
  }
}

4.2 java代碼

@Test
@DisplayName("稀少的term聚合，類似按照 _count asc 排序的terms聚合，但是terms聚合中按照_count asc的結(jié)果是不準(zhǔn)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 ->
                            // 稀有詞 的字段
                            rare.field("province")
                                    // 該稀有詞最多可以出現(xiàn)在幾個(gè)文檔中，最大值為100，如果要調(diào)整，需要修改search.max_buckets參數(shù)的值(嘗試修改這個(gè)值，不生效)
                                    // 在該例子中，只要是出現(xiàn)的次數(shù)<=2的聚合都會(huì)返回
                                    .maxDocCount(2L)
                                    // 內(nèi)部布谷鳥過濾器的精度，精度越小越準(zhǔn)，但是相應(yīng)的消耗內(nèi)存也越多，最小值為 0.00001，默認(rèn)值為 0.01
                                    .precision(0.01)
                                    // 應(yīng)該包含在聚合的term, 當(dāng)是單個(gè)字段是，可以寫正則表達(dá)式
                                    .include(include -> include.regexp("(.*上.*|.*湖.*|.*江.*)"))
                                    // 排出在聚合中的term，當(dāng)是集合時(shí)，需要寫準(zhǔn)確的值
                                    .exclude(exclude -> exclude.terms(Collections.singletonList("江蘇")))
                                    // 當(dāng)文檔中缺失province字段時(shí)，給默認(rèn)值
                                    .missing("default省")
                    )
            )
            .build();
    System.out.println(searchRequest);
    SearchResponse<Object> response = client.search(searchRequest, Object.class);
    System.out.println(response);
}

一些注意事項(xiàng)都在注釋中。

4.3 運(yùn)行結(jié)果

5、max_doc_count 和 search.max_buckets

6、注意事項(xiàng)

rare terms統(tǒng)計(jì)返回的數(shù)據(jù)沒有大小限制，而且受max_doc_count參數(shù)的限制，比如：如果復(fù)合 max_doc_count 的分組有60個(gè)，那么這60個(gè)分組會(huì)直接返回。
max_doc_count的值最大為100，貌似不能修改。
如果一臺(tái)節(jié)點(diǎn)聚合收集的結(jié)果過多，那么很容易超過 search.max_buckets的值，此時(shí)就需要修改這個(gè)值。

# 臨時(shí)修改
PUT /_cluster/settings
{"transient": {"search.max_buckets": 65536}}
# 永久修改
PUT /_cluster/settings
{"persistent": {"search.max_buckets": 65536}}

完整代碼

gitee.com/huan1993/sp…

參考文檔

www.elastic.co/guide/en/el…

以上就是elasticsearch bucket 之rare terms聚合使用詳解的詳細(xì)內(nèi)容，更多關(guān)于elasticsearch bucket rare terms的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: