ElasticSearchDSL查询模板之二(二重聚合)

前一篇文章中分享了按日期聚合和按关键字聚类的方法，可以查询一段时期的所有数据中，每一天有多少数据，每一个类别有多少数据。但是实际应用之中，业务场景往往更加复杂，一般情况这种聚合都是不够的，例如需要看某一天某种类的销售数据，某个类别下所有所选日期的数据，这就需要在之前聚类的基础上进行二次聚类。另外推荐大家一个软件，postman，可以利用这个软件直接写json，模拟真实的http/https请求环境。

一、按聚类目标再次聚类AggrAggr

public static JsonObject aggrAggr(String host, String index, String type, String query, String timeField, long startAt, long endAt, String aggr1, String aggr2) {
		Map timeRange = new HashMap();
		timeRange.put("gte", startAt);
		timeRange.put("lte", endAt);
		timeRange.put("format", "epoch_millis");
		Map extendedBounds = new HashMap();
		extendedBounds.put("min", startAt);
		extendedBounds.put("max", endAt);
		Map paramMap = new HashMap();
		paramMap.put("query", query);
		paramMap.put("aggr1", aggr1);
		paramMap.put("aggr2", aggr2);
		paramMap.put("time_field", timeField);
		paramMap.put("time_range", timeRange);
		paramMap.put("extended_bounds", extendedBounds);
		String url = String.format(selectFormat, host, index, type);
		String template = FileUtil.stream2string(PropertiesUtil.getInputStream("aggr_aggr.json"));
		return JsonUtil.toJsonMap(ElasticSearchUtil.selectByTemplate(url, template, paramMap));
	}

其中aggr_aggr.json处的json文件是

{
	"size": 0,
	"query": {
		"filtered": {
			"query": {
				"query_string": {
					"query": @query,
					"analyze_wildcard": true
				}
			},
			"filter": {
				"bool": {
					"must": [
						{
							"range": {
								@time_field: @time_range
							}
						}
					],
					"must_not": []
				}
			}
		}
	},
	"aggs": {
		@aggr1: {
			"terms": {
				"field": @aggr1,
				"size": 0,
				"order": {
					"_count": "desc"
				}
			},
			"aggs": {
				@aggr2: {
					"terms": {
						"field": @aggr2,
						"size": 0,
						"order": {
							"_count": "desc"
						}
					}
				}
			}
		}
	}
}

该方法可以把符合query的查询条件的所有数据按aggr1的类别进行聚类，再把所有聚类结果按照aggr2进行聚类，其中aggr1和aggr2都是ES的某些字段。

二、按日期聚类再聚类DateAggr

public static JsonObject generalDateAggr(String host, String index, String type, String query, String timeZone, String timeField, long startAt, long endAt, String timeInterval,
			String aggr) {
		Map timeRange = new HashMap();
		timeRange.put("gte", startAt);
		timeRange.put("lte", endAt);
		timeRange.put("format", "epoch_millis");
		Map extendedBounds = new HashMap();
		extendedBounds.put("min", startAt);
		extendedBounds.put("max", endAt);
		Map paramMap = new HashMap();
		paramMap.put("query", query);
		paramMap.put("aggr", aggr);
		paramMap.put("time_field", timeField);
		paramMap.put("time_interval", timeInterval);
		paramMap.put("time_range", timeRange);
		paramMap.put("time_zone", timeZone);
		paramMap.put("extended_bounds", extendedBounds);
		String url = String.format(selectFormat, host, index, type);
		String template = FileUtil.stream2string(PropertiesUtil.getInputStream("date_aggr.json"));
		return JsonUtil.toJsonMap(ElasticSearchUtil.selectByTemplate(url, template, paramMap));
	}

其中的date_aggr.json是

{
	"size": 0,
	"query": {
		"filtered": {
			"query": {
				"query_string": {
					"query": @query,
					"analyze_wildcard": true
				}
			},
			"filter": {
				"bool": {
					"must": [
						{
							"range": {
								@time_field: @time_range
							}
						}
					],
					"must_not": []
				}
			}
		}
	},
	"aggs": {
		@time_field: {
			"date_histogram": {
				"field": @time_field,
				"time_zone": @time_zone,
				"interval": @time_interval,
				"extended_bounds": @extended_bounds
			},
			"aggs": {
				@aggr: {
					"terms": {
						"field": @aggr,
						"size": 0,
						"order": {
							"_count": "desc"
						}
					}
				}
			}
		}
	}
}

三、按目标聚类

由上面的方法就可以写出AggrDate方法了，可以查询每一个聚类的内容按日分割，在此就不做赘述了，也可以作为一个思考题，来考验一下大家

四、order排序

在上面的json中的

"order": {

"_count": "desc"
}

表明我们需要按照倒序的排列方式进行排列，那么如果我们要正序排序怎么办？

"order": {
"_count": "asc"
}

即可