Elasticsearch嵌套聚合

 Elasticserch在新版本中支持聚合操作,而聚合操作也可以嵌套使用,方法如下:

curl -XGET 10.4.44.19:9200/test/test/_search?pretty -d '
{
   "aggs":{
      "color_type_max":{
         "terms":{
            "field": "color"
         },
         "aggs":{
            "max_age": {
               "max": {
                 "field" : "age"
               }
             }
         }
      },
      "color_type_min":{
         "terms":{
            "field": "color"
         },
         "aggs":{
            "min_age": {
               "min": {
                 "field" : "age"
               }
             }
         }
      }
   }
}'

执行命令如下:

本文转自博客园xingoo的博客,原文链接:Elasticsearch嵌套聚合,如需转载请自行联系原博主。

时间: 2024-09-24 18:35:49

Elasticsearch嵌套聚合的相关文章

Elasticsearch中的DocValues

Elasticsearch最近一段时间非常火,以致于背后的公司都改名为Elastic了,因为Elasticsearch已经不仅限于搜索,反而更多的用在大数据分析场景,所以在公司品牌上开始"去Search化".这得益于其强大的支持聚合分析的Query DSL,虽然这个DSL的语法有点复杂,但底层的技术确实牛B,分布式的快速分析引擎,Elasticsearch已经占有一席之地. 大家知道,搜索引擎的基本数据结构是反向索引,也就是为每个关键词建立了到文档的映射,然后所有的关键词是一个有序列表

【X-Pack解读】阿里云Elasticsearch X-Pack Graph组件功能详解

X-Pack Graph 存放在Elasticsearch中的文档之间存在着潜在的关系,人员.位置.偏好.产品等数据之间也存在着某种联系.Graph 功能提供了一种基于关系的方法,让用户能够利用 Elasticsearch 的相关性功能,探索数据中存在的联系. 以新方法探索 Elasticsearch 数据 Graph 功能是一种基于 API 和基于 UI 的工具,能够让您数据中存在的相关关系浮现出来,同时能够在任何规模下利用各项 Elasticsearch 功能,例如分布式查询执行.实时数据可

基于ELK的数据分析实践——满满的干货送给你

很多人刚刚接触ELK都不知道如何使用它们来做分析,经常会碰到下面的问题: 安装完ELK不知从哪下手 拿到数据样本不知道怎么分解数据 导入到elasticsearch中奇怪为什么搜不出来 搜到结果后,不知道它还能干什么 本篇就以一个完整的流程介绍下,数据从 读取-->分析-->检索-->应用 的全流程处理.在阅读本篇之前,需要先安装ELK,可以参考之前整理安装文档:ELK5.0部署教程 在利用ELK做数据分析时,大致为下面的流程: 1 基于logstash分解字段 2 基于字段创建Mapp

更快更强更酷——全新跨平台大数据可视化分析平台OurwayBI强势来袭!

2017年10月18日,将是中国企业级大数据可视化应用领域的一个里程碑!中国领先的大数据&商业智能厂商奥威软件潜心研发18个月,采用最新的前后端技术,终于推出了全新的跨平台大数据可视化平台--OurwayBI.新产品将以公司名称直接命名,迈出了奥威软件全新品牌市场战略的第一步!        奥威软件从成立之初,就以普及企业商业智能应用为己任,11年来,不忘初心,砥砺前行,不断打磨产品,让产品变得更快.更强.更酷! 更快.更强.更酷        1          技术更先进:node.js

Kibana:数据分析的可视化利器

日志数据的可视化利器 阿里云Elastisearch集成了可视化工具Kibana,用户可以使用Kibana查询和分析存储在Elastisearch中的数据.Kibana 搭载了一些经典功能:柱状图.线状图.饼图.环形图,等等,充分利用了 Elasticsearch 的聚合功能.而且Dashboard功能能够将各种可视化组件集合成大屏.如下图所示,Kibana对网站应用的访客日志进行统计分析. 强大而便捷的开发工具 借助Kibana的开发工具,您可以跳过在终端键入的过程直接处理 Elasticse

Elasticsearch聚合初探——metric篇

Elasticsearch是一款提供检索以及相关度排序的开源框架,同时,也支持对存储的文档进行复杂的统计--聚合. 前言 ES中的聚合被分为两大类:Metric度量和bucket桶(原谅我英语差,找不到合适的词语.....就用单词来说吧!).说的通俗点,metric很像SQL中的avg.max.min等方法,而bucket就有点类似group by了. 本篇就简单的介绍一下metric聚合的用法. metric的聚合按照值的返回类型可以分为两种:单值聚合 和 多值聚合. 单值聚合 Sum 求和

elasticsearch 聚合问题

问题描述 elasticsearch 聚合问题 { "size": 0, "aggs": { "group_by_message": { "phrases": { "field": "message" } } } } ,上面的聚合语句是对message的,但是message是一句话,比如说"127.0.0.1 - - [11/Aug/2014:15:00:41 +0800] &

Elasticsearch聚合 之 Terms

之前总结过metric聚合的内容,本篇来说一下bucket聚合的知识.Bucket可以理解为一个桶,他会遍历文档中的内容,凡是符合要求的就放入按照要求创建的桶中. 本篇着重讲解的terms聚合,它是按照某个字段中的值来分类: 比如性别有男.女,就会创建两个桶,分别存放男女的信息.默认会搜集doc_count的信息,即记录有多少男生,有多少女生,然后返回给客户端,这样就完成了一个terms得统计. Terms聚合 { "aggs" : { "genders" : {

Elasticsearch聚合 之 DateRange日期范围聚合

相比于range聚合,date range就是范围可以由时间来指定. 例如: { "aggs":{ "range":{ "date_range":{ "field":"date", "format":"MM-yyy", "ranges":[ {"to":"now-10M/M"}, {"from&qu