elasticsearch中字符串字段的分位数聚合答案

【问题标题】：Quantile aggregation for string fields in elasticsearchelasticsearch中字符串字段的分位数聚合
【发布时间】：2014-08-29 06:37:28
【问题描述】：

我在弹性搜索索引中有一个 string 字段，并尝试在该字段上进行百分位数或分位数聚合（这对 numeric 字段非常有效）。

假设字符串字段中有 10,000 个名称或城市，预期结果应该是这样的：

当要四个桶时：

A-E (2500), F-K (2500), L-M (2500), N-Z (2500)

这些术语不是按字母顺序均匀分布的，但存储桶的大小应该大致相同。 2600,2400,2800,2200 的术语计数是可以接受的。

【问题讨论】：

标签： elasticsearch aggregation percentile quantile

【解决方案1】：

我不太明白你的问题。但是，如果您有城市数量，您似乎可以做任何事情。所以这就是你可以做的。考虑到您的文件是这样的：

{
    "city": "New York",
    ...
}

您可以运行以下聚合查询：

curl -XGET http://localhost:9200/aggs/cities/_search
{
    "query": {
        "match_all": {}
    },
    "aggs": {
        "cities_by_first_char": {
            "terms": {
                "field": "city",
                "script": "_value[0]"
            }
        }
    }
}

使用它，您将获得城市的第一个字符的出现次数，然后您可以根据需要创建任意数量的范围组，然后在此基础上执行计算。

如果你打算经常运行这种查询/聚合，那么我建议不要使用script聚合。问题在于，大量文档会变得非常慢，因为 Elasticsearch 不是用来执行脚本的。如果您的用例仅限于仅以第一个字符开头的城市，那么我建议您在文档中添加另一个字段，如下所示：

{
    "city": "New York",
    "city_first_char": "N",
    ...
}

现在您可以在 city_first_char 字段上进行术语聚合，与 script aggs 相比，这将非常快。

希望这会有所帮助。

【讨论】：