目录
一.聚合索引
1.bucket和metric概念
2 .操作示例
二. nested object
1 .问题
2 .原因
3 .个案
三.索取报酬
另一方面，聚合索引1.bucket和metric概念bucket是聚合检索时的数据组。
metric是对一个bucket数据执行的统计分析。
模拟sql、bucket类似于group by，metric类似于sum、count等聚合语法。
2 .操作示例
首先添加一些数据。
put/cars2{ ' mappings ' : { ' properties ' : ' price ' : { ' type ' : ' long ' }，' color ' : { ' types ' ' model ' : { ' type ' : ' keyword ' }、' sold _ date ' : { ' type ' type ' 3360 }、' sold _ date ' 3360 ' rd ' analyzer ' : ' ik _ max _ word ' } post/cars2/_ bulk { ' index } ' brand ' : '大佬'，' model': '大佬' remark': '大步中立车' }{'} 'brand': '大步'，' model': '大步速腾'，' sold _ date ' 3360 ' 2021-09-09 “model': '标志508 '、' sold_date':'2021-07-13 '、' remark': '标志品牌全球上市车型' } { ' brand ' 330 } ' sold_date':'2021-06-13 '，' remark': '比较大的紧凑型车' }{ 'brand': '大家伙'，' model': ' “remark': '大佬最痛心的汽车' }{ 'brand': '奥迪'，' model': '奥迪A4 '，' sold _ date ' 3360 ' 2021-} ' model': '奥迪A4 '，' sold_date':'2021-03-13 '，' remark': '政府用车' }{'inning}
GET /cars2/_search{ 'size': 0，' aggs ' : { ' group _ by _ color ' : } ' terms ' : { ' field ' 366660
)2)统计差异co
lor汽车的平均价格先进行一次color分组，在进行一次价格聚合，套娃了
GET /cars2/_search{ "size": 0, "aggs": { "group_by_color": { "terms": { "field": "color", "order": { "avg_by_price": "asc" } }, "aggs": { "avg_by_price": { "avg": { "field": "price" } } } } }}（3）统计不同color不同brand中车辆的平均价格
GET /cars2/_search{ "size": 0, "aggs": { "group_by_color": { "terms": { "field": "color", "order": { "avg_by_price_color": "asc" } }, "aggs": { "avg_by_price_color": { "avg": { "field": "price" } }, "group_by_brand": { "terms": { "field": "brand", "order": { "avg_by_price_brand": "desc" } }, "aggs": { "avg_by_price_brand": { "avg": { "field": "price" } } } } } } }}（4）统计不同color中的最大和最小价格，总价
GET /cars2/_search{ "size": 0, "aggs": { "group_by_color": { "terms": { "field": "color" }, "aggs": { "max_price": { "max": { "field": "price" } }, "min_price": { "min": { "field": "price" } }, "suum_price": { "sum": { "field": "price" } } } } }}二、nested object 1.问题
我们查询地址时，有两条数据，省市为上海，浦东。江苏，扬州。
然后使用:
bool.must.match.address.province="上海"
bool.must.match.address.city="扬州"
事实上应该一个都查询不出来，但是他却都能查出来，这是不对的
2.原因
普通的数组在es中会被扁平化处理，即如果字段需要分词，会将分词数据保存在对应字段中，类似于每一个字段都用or来查询。
简单理解，nested object就是数组的精确匹配
nested object数据类型es在保存的时候不会有扁平化处理。
3.案例
先创建nested格式数组：
PUT /user_index{ "mappings": { "properties": { "login_name":{ "type": "keyword" }, "age":{ "type": "short" }, "address":{ "type": "nested", "properties": { "province":{ "type":"keyword" }, "city":{ "type":"keyword" }, "street":{ "type":"keyword" } } } } }}设置数据：
PUT /user_index/_doc/1{ "login_name":"jack", "age":"25", "address":[ { "province":"北京", "city":"北京", "street":"aaa路" }, { "province":"天津", "city":"天津", "street":"bbb路" } ]}PUT /user_index/_doc/2{ "login_name":"rose", "age":"21", "address":[ { "province":"河北", "city":"廊坊", "street":"ccc路" }, { "province":"天津", "city":"天津", "street":"ddd路" } ]}查询 ：
GET /user_index/_search{ "query": { "bool": { "must": [ { "nested": { "path": "address", "query": { "bool": { "must": [ { "match": { "address.province": "北京" } }, { "match": { "address.city": "北京" } } ] } } } } ] } }}三、打赏请求
如果本篇博客对您有所帮助，打赏一点呗，谢谢了呢~