免费网站无需下载直接观看/香港seo公司

当用户使用搜索引擎完成搜索后，在展示结果中需要进行进一步的筛选，而筛选的维度需要根据当前的搜索结果进行汇总，这就用到了聚合技术。聚合的需求在很多应用程序中都有所体现，例如在京东App中搜索“咸鸭蛋”，然后单击搜索界面中的“筛选”按钮，在弹出的界面中可以对当前的搜索结果进行进一步的过滤。例如，可以从价格区间、品牌、分类、枚数等维度分别进行筛选，如图7.1所示。

ES支持丰富的聚合操作，不仅可以使用聚合功能对文档进行计数，还可以计算文档字段的平均值、最大值和最小值等。ES还提供了桶聚合的功能，以便于对多维度数据进行聚合。本章将结合实例介绍这些内容。另外，如果希望搜索结果和聚合结果一起返回，其中绕不开的一个主题就是分页和排序，本章也会对这两部内容进行介绍。

为方便介绍，下面重新定义酒店的索引。

PUT /hotel 
{ "settings": { "number_of_shards": 1                },  "mappings": { "properties": { "title": {                        "type": "text" }, "city": {                        "type": "keyword" }, "price": {                      "type": "double" }, "create_time": {                  "type": "keyword" }, "full_room": {             "type": "boolean" },"tags": {                      "type": "keyword" }} } 
}

接着向索引中写入示例数据，具体如下：

POST /_bulk 
{"index":{"_index":"hotel","_id":"001"}} 
{"title": "文雅酒假日酒店","city":"北京","price": 556.00,"create_time": "20200418120000","full_room":true, "tags":["wifi","小型电影院"],"comment_info":{"favourable_comment":20, "negative_comment":10}} 
{"index":{"_index":"hotel","_id":"002"}} 
{"title": "金都嘉怡假日酒店","city":"北京","create_time":"20210315200000", "full_room":false,"tags": ["wifi","免费早餐"],"comment_info":{"favourable_comment":20,"negative_ comment":10}} 
{"index":{"_index":"hotel","_id":"003"}} 
{"title": "金都假日酒店","city":"北京","price": 200.00,"create_time": "20210509160000","full_room":true,"comment_info":{"favourable_comment":20,"negative_comment":10}} 
{"index":{"_index":"hotel","_id":"004"}} 
{"title": "金都假日酒店","city":"天津","price": 500.00,"create_time": "20210218080000","full_room":false,"tags":["wifi","免费车位"]} 
{"index":{"_index":"hotel","_id":"005"}} 
{"title": "文雅精选酒店","city":"天津","price": 800.00,"create_time": "20210101080000","full_room":true,"tags":["wifi","充电车位"],"comment_info":{"favourable_comment" :20,"negative_comment":10}}

1 聚合指标

在进行聚合搜索时，聚合的指标业务需求不仅是文档数量。例如，在酒店搜索场景中，我们希望能看到以当前位置为中心点，周边各个区域酒店的平均价格。本节将对ES支持的聚合指标进行介绍。

在搜索聚合时，用户可能会关注字段的相关统计信息，例如平均值、最大值、最小值及加和值等。例如，用户在使用一个二手房交易搜索引擎进行搜索时，可能会关注当前城市各个区域的房产平均价格。再例如，用户在搜索酒店时，也可能会关注附近各个区域酒店的最低价格。如图7.2所示，左图为在链家App的地图模式，可以搜索到当前位置附近的二手房平均交易价格；右图为携程App的地图模式，可以搜索到当前位置附近最低价格的酒店。

ES聚合请求的地址也是索引的搜索地址，可以使用aggs子句封装聚合请求。

当使用avg子句进行平均值的聚合时，可以在avg子句中指定聚合的字段。在默认情况下，查询将匹配所有文档，如果不需要返回匹配的文档信息，最好将返回的文档个数设置为0。这样既可以让结果看起来更整洁，又可以提高查询速度。下面的DSL将查询所有酒店的平均价格并且不返回匹配的文档信息。

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": {       //聚合名称 "avg": { "field": "price"     //计算文档的平均价格 } } } 
}  

在上面的DSL中，设定avg聚合的字段为price字段，并设置size参数的值为0。该DSL被执行后，ES的返回结果如下：

{ … "hits" : {       //命中的文档列表 "total" : { "value" : 5, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : {     //聚合结果 "my_agg" : {       //聚合名称 "value" : 514.0     //聚合指标值 } } 
} 

在上面的搜索结果中，索引中的5个文档全部命中，由于DSL设置size为0，所以命中文档的信息没有显示。在搜索结果的aggregations子句中存储着聚合结果，其中my_agg是聚合的名称，其对应的value值就是具体聚合结果，即酒店的平均价格。
如果聚合的指标字段不是ES的基本类型，例如object类型，则可以使用点运算符进行引用。下面的DSL演示了该用法：

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "avg": { //使用点运算符引用object类型字段的数据 "field": "comment_info.favourable_comment" } } } 
} 

与平均值类似，最大值、最小值及加和值分别使用max、min和sum子句进行聚合，这里不再赘述。

以下代码演示了在Java中使用聚合计算平均值的逻辑。

public void getAvgAggSearch() throws IOException{ //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String aggName="my_agg";                              //聚合的名称 //定义avg聚合，指定字段为price AvgAggregationBuilder aggregationBuilder = AggregationBuilders.avg 
(aggName).field("price"); searchSourceBuilder.aggregation(aggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);           //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Avg avg = aggregations.get(aggName);   //获取avg聚合返回的对象 String key=avg.getName();                              //获取聚合名称 double avgValue = avg.getValue();                     //获取聚合值 System.out.println("key="+key+",avgValue="+avgValue); //打印结果 
} 

为了避免多次请求，ES还提供了stats聚合。stats聚合可以将对应字段的最大值、最小值、平均值及加和值一起计算并返回计算结果。下面的DSL展示了stats的用法。

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "stats": {             //使用stats运算符计算多个指标 "field": "price" } } } 
}  

在上面的DSL中，对所有酒店进行了常用统计指标的聚合，查询结果如下：

{ "… "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : { "count" : 4,          //文档数量 "min" : 200.0,       //聚合的价格最小值 "max" : 800.0,       //聚合的价格最大值 "avg" : 514.0,       //聚合的价格平均值 "sum" : 2056.0       //聚合的价格加和值 } } 
}  

以下代码演示了在Java中使用stats聚合的逻辑。

public void getStatsAggSearch () throws IOException{ //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String aggName="my_agg";                           //聚合的名称 //定义stats聚合，指定字段为price StatsAggregationBuilder aggregationBuilder = AggregationBuilders.stats 
(aggName).field("price"); searchSourceBuilder.aggregation(aggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);        //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Stats stats = aggregations.get(aggName);  //获取stats聚合返回的对象 String key=stats.getName();                       //获取聚合名称 double sumVal =stats.getSum() ;                   //获取聚合加和值 double avgVal =stats.getAvg() ;                  //获取聚合平均值 long countVal =stats.getCount() ;                 //获取聚合文档数量值 double maxVal =stats.getMax() ;                   //获取聚合最大值 double minVal =stats.getMin() ;                   //获取聚合最小值 System.out.println("key="+key);                  //打印聚合名称 System.out.println("sumVal="+sumVal+",avgVal="+avgVal+",countVal= 
"+countVal+",maxVal="+maxVal+",minVal="+minVal);     //打印结果 
} 

2 空值处理

在索引中的一部分文档很可能其某些字段是缺失的，在介绍空值处理之前，首先介绍ES聚合查询提供的value_count聚合，该聚合用于统计字段非空值的个数。以下示例使用value_count聚合统计了price字段中非空值的个数。

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "value_count": {                //统计price字段中非空值的个数 "field": "price" } } } 
} 

执行上述DSL后，ES返回的结果如下：

{ .. "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : {                    //price字段中非空值的个数 "value" : 4 } } 
} 

通过上述结果可以看到，当前索引中price字段中的非空值有4个。
下面的代码演示了在Java中使用value_count对price字段进行聚合的逻辑。

public void getValueCountAggSearch () throws IOException{ //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String aggName="my_agg";       //聚合的名称 //定义value_count聚合，指定字段为price ValueCountAggregationBuilder aggregationBuilder = AggregationBuilders. 
count(aggName).field("price"); aggregationBuilder.missing("200"); searchSourceBuilder.aggregation(aggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);   //设置查询请求 //执行查询 SearchResponse searchResponse =client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); //获取value_count聚合返回的对象 ValueCount valueCount = aggregations.get(aggName); String key=valueCount.getName();                 //获取聚合名称 long count = valueCount.getValue();              //获取聚合值 System.out.println("key="+key+",count="+count);  //打印结果 
}  

需要指出的是，如果判断的字段是数组类型，则value_count统计的是符合条件的所有文档中该字段数组中非空元素个数的总和，而不是数组的个数总和。下面的DSL用于统计tags字段数组中非空元素个数的总和。

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "value_count": {              //统计tags字段数组中非空元素的个数 "field": "tags" } } } 
} 

在索引的5个文档中，除去文档003没有tags字段外，其他4个文档的tags字段数组中各有两个元素，因此聚合的值为2×4=8个。下面来看一下ES返回的内容：

{ …. "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : { "value" : 8                  //tags字段数组中非空元素的个数 } } 
} 

上面的结果中，aggregations.my_agg.value的值为8，这和前面计算的数值相等，验证了使用value_count对数组字段进行聚合时，ES返回的结果是所有数组元素的个数总和这一结论。

如果需要以空值字段的数据作为聚合指标对其进行聚合，可以在指标统计中通过missing参数指定填充值对空值进行填充。以下示例演示了对price字段进行聚合，并设定了当字段值为空值时使用100进行替代的查询请求。

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "sum": { "field": "price", "missing":100            //计算加和值时将price字段中的空值用100代替 } } } 
}  

在索引中，文档002的price字段为空，因此被填充为100，文档001、003、004和005的price字段分别为556、200、500和800，因此符合聚合的值应该是556+100+200+500+800=2156。ES返回的结果如下：

{ … "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : { "value" : 2156.0          //将price字段中的空值用100代替后的加和结果 } } 
}  

以下代码演示了在Java中当聚合指标为空值时指定填充值的逻辑。

public void getSumAggSearch () throws IOException{ //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String aggName="my_agg";                              //聚合的名称 //定义sum聚合，指定字段为price SumAggregationBuilder aggregationBuilder = AggregationBuilders.sum 
(aggName).field("price"); aggregationBuilder.missing("100"); searchSourceBuilder.aggregation(aggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);           //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Sum sum = aggregations.get(aggName);                  //获取sum聚合返回的对象 String key=sum.getName();                              //获取聚合名称 double sumVal = sum.getValue();                       //获取聚合值 System.out.println("key="+key+",count="+sumVal);      //打印结果 
}  

3 桶聚合

前面介绍的聚合指标是指符合条件的文档字段的聚合，有时还需要根据某些维度进行聚合。例如在搜索酒店时，按照城市、是否满房、标签和创建时间等维度统计酒店的平均价格。这些字段统称为“桶”，在同一维度内有一个或者多个桶。例如城市桶，有“北京”“天津”等，是否满房桶，有“满房”“非满房”。

1 单维度桶聚合

最简单的桶聚合是单维度桶聚合，指的是按照一个维度对文档进行分组聚合。在桶聚合时，聚合的桶也需要匹配，匹配的方式有terms、filter和ranges等。本节只介绍比较有代表性的terms查询和ranges查询，对其他匹配方式感兴趣读者可以阅读相关文档进行学习，这里不再赘述。

terms聚合是按照字段的实际完整值进行匹配和分组的，它使用的维度字段必须是keyword、bool、keyword数组等适合精确匹配的数据类型，因此不能对text字段直接使用terms聚合，如果对text字段有terms聚合的需求，则需要在创建索引时为该字段增加多字段功能。
以下的DSL描述的是按照城市进行聚合的查询：

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "terms": {                    //按照城市进行聚合 "field": "city" } } } 
} 

因为ES支持多桶聚合，所以每个桶聚合需要定义一个名字，此处定义了一个桶聚合，名字为my_agg。在这个桶聚合中使用了一个terms聚合，聚合字段选择了城市，目的是统计各个城市的酒店的文档个数。在聚合外面，因为不希望返回任何文档，所以指定查询返回的文档为0。执行该DSL后，ES返回的结果如下：

{ … "hits" : { … "hits" : [ ] }, "aggregations" : { "my_agg" : {                         //单维度聚合的名称 "doc_count_error_upper_bound" : 0, //可能被遗漏的文档数量的最大值 "sum_other_doc_count" : 0,         //除了返回给用户的文档外剩下的文档总数 "buckets" : [                       //聚合桶 { "key" : "北京", "doc_count" : 3                //该聚合桶下的文档数量 }, { "key" : "天津", "doc_count" : 2                //该聚合桶下的文档数量 } ] } } 
}  

在默认情况下，进行桶聚合时如果不指定指标，则ES默认聚合的是文档计数，该值以doc_count为key存储在每一个bucket子句中。在聚合结果的buckets的两个bucket中，key字段的值分别为“北京”“天津”，表示两个bucket的唯一标识；doc_count字段的值分别为3和2，表示两个bucket的文档计数。返回的doc_count是近似值，并不是一个准确数，因此在聚合外围，ES给出了两个参考值doc_count_error_upper_bound和sum_other__doc_count，doc_count_error_upper表示被遗漏的文档数量可能存在的最大值，sum_other_doc_count表示除了返回给用户的文档外剩下的文档总数。

以下DSL是按照满房状态进行聚合的查询，注意该字段是bool型：

GET /hotel/_search 
{ "size": 0,  "aggs": { "my_agg": { "terms": { "field": "full_room"            //按照满房状态进行聚合 } } } 
}   

执行DSL后，ES返回的结果如下：

{ … "hits" : { "total" : { "value" : 5, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [ { "key" : 1, "key_as_string" : "true",    //聚合桶的字符串形式 "doc_count" : 3 }, { "key" : 0, "key_as_string" : "false",   //聚合桶的字符串形式 "doc_count" : 2 } ] } } 
}  

从上述结果中可以看到，在满房和非满房的bucket结果中多出了一个字段，名称为key_as_string，其值分别是true和false。另外，这两个bucket的key值分别为1和0。这是因为，如果桶字段类型不是keyword类型，ES在聚合时会将桶字段转换为Lucene存储的实际值进行识别。true在Lucene中存储为1，false在Lucene中存储为0，这就是为什么满房和非满房的key字段分别为1和0的原因。这种情况给用户的使用带来了一些困惑，因为和原始值的差别比较大。针对这个问题，我们可以使用ES提供的key_as_string桶识别字段，它是原始值的字符串形式，和原始值的差别比较小。
以下代码演示了在Java中使用terms聚合进行单维度桶聚合的逻辑：

public void getBucketDocCountAggSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String termsAggName = "my_terms";                //指定聚合的名称 //定义terms聚合，指定字段为城市 TermsAggregationBuilder termsAggregationBuilder = AggregationBuilders. 
terms(termsAggName).field("full_room"); searchSourceBuilder.aggregation(termsAggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);       //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Terms terms = aggregations.get(termsAggName);     //获取聚合返回的对象 for (Terms.Bucket bucket : terms.getBuckets()) { String bucketKey = bucket.getKeyAsString();   //获取桶名称 long docCount = bucket.getDocCount();         //获取文档个数 System.out.println("termsKey=" + bucketKey + ",docCount=" + docCount); } 
}   

除了terms聚合，ranges聚合也是经常使用的一种聚合。它匹配的是数值字段，表示按照数值范围进行分组。用户可以在ranges中添加分组，每个分组用from和to表示分组的起止数值。注意该分组包含起始数值，不包含终止数值。以下DSL演示了使用ranges进行聚合的方法：

GET /hotel/_search 
{ "size": 0, "aggs": { "my_agg": { "range": { "field": "price", "ranges": [          //多个范围桶 { "to": 200        //不指定from，默认from为0 }, { "from": 200, "to": 500 }, { "from": 500      //不指定to，默认to为该字段最大值 } ] } } } 
}  

执行上述DSL后，ES返回的结果如下：

{ … "hits" : { … "hits" : [ ] }, "aggregations" : { "my_agg" : {           //range聚合名称 "buckets" : [        //范围聚合桶 { "key" : "*-200.0", "to" : 200.0, "doc_count" : 0 }, { "key" : "200.0-500.0", "from" : 200.0, "to" : 500.0, "doc_count" : 1 }, { "key" : "500.0-*", "from" : 500.0, "doc_count" : 3 } ] } } 
} 

在上面的分组划分中，第一个分组规则为price<200，没有文档与其匹配，因此其doc_count为0；第二个分组规则为200≤price<500，文档003与其匹配，因此其doc_count为1；第三个分组规则为price>500，文档001、004和005与其匹配，因此其doc_count值为3。

以下代码演示了在Java中使用ranges聚合的逻辑：

public void getRangeDocCountAggSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String rangeAggName = "my_range";          //聚合的名称 //定义ranges聚合，指定字段为price RangeAggregationBuilder rangeAgg = AggregationBuilders.range(rangeAggName). 
field("price"); rangeAgg.addRange(new RangeAggregator.Range(null,null,200d)); rangeAgg.addRange(new RangeAggregator.Range(null,200d,500d)); rangeAgg.addRange(new RangeAggregator.Range(null,500d,null)); searchSourceBuilder.aggregation(rangeAgg);  //添加ranges聚合 searchRequest.source(searchSourceBuilder);  //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Range range = aggregations.get(rangeAggName);//获取range聚合返回的对象 for (Range.Bucket bucket : range.getBuckets()) { String bucketKey = bucket.getKeyAsString(); //获取桶名称 long docCount = bucket.getDocCount();       //获取聚合文档个数 System.out.println("bucketKey=" + bucketKey + ",docCount=" + docCount); } 
}  

有时还需要对单维度桶指定聚合指标，聚合指标单独使用子aggs进行封装，该aggs子句的使用方式和上一节介绍的聚合指标相同。以下请求表示按照城市维度进行聚合，统计各个城市的平均酒店价格：

GET /hotel/_search 
{ "size": 0, "aggs": { "my_agg": {                    //单维度聚合名称 "terms": {                  //定义单维度桶 "field": "city" }, "aggs": {                    //用于封装单维度桶下的聚合指标 "my_sum": {               //聚合指标名称 "sum": {                //对price字段进行加和 "field": "price", "missing": 200 } } } } } 
}  

执行上述DSL后，ES返回的结果如下：

{ … "hits" : { … }, "aggregations" : { "my_agg" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [              //单维度桶列表 {                        //具体的单维度桶 "key" : "北京", "doc_count" : 3, "my_sum" : {           //聚合指标 "value" : 956.0 } }, {                        //具体的单维度桶 "key" : "天津", "doc_count" : 2, "my_sum" : {           //聚合指标 "value" : 1300.0 } } ] } } 
} 

在上面的结果中，聚合桶的维度是城市，当前索引中城市为“北京”的文档个数为3，城市为“天津”的文档个数为2。将这两组文档的聚合结果在buckets子句中进行了封装，可以根据key字段进行聚合桶的识别，每个聚合的组中既有文档个数又有价格的加和值。

以下代码演示了在Java中使用桶聚合和指标聚合的逻辑：

public void getBucketAggSearch () throws IOException{ //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String termsAggName="my_terms";      //聚合的名称 //定义terms聚合，指定字段为城市 TermsAggregationBuilder termsAggregationBuilder = AggregationBuilders. 
terms(termsAggName).field("city"); String sumAggName="my_sum";          //sum聚合的名称 //定义sum聚合，指定字段为价格 SumAggregationBuilder sumAggregationBuilder = AggregationBuilders. 
sum(sumAggName).field("price"); //定义聚合的父子关系 termsAggregationBuilder.subAggregation(sumAggregationBuilder); searchSourceBuilder.aggregation(termsAggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);    //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Terms terms = aggregations.get(termsAggName); //获取聚合返回的对象 for(Terms.Bucket bucket:terms.getBuckets()){ String termsKey=bucket.getKey().toString(); System.out.println("termsKey="+termsKey); Sum sum =bucket.getAggregations().get(sumAggName); String key=sum.getName();                         //获取聚合名称 double sumVal = sum.getValue();                  //获取聚合值 System.out.println("key="+key+",count="+sumVal); //打印结果 } 
} 

2 多维度桶嵌套聚合

在某些业务需求中，不仅需要一个维度的桶聚合，而且还可能有多维度桶嵌套聚合的需求。例如在搜索酒店时，可能需要统计各个城市的满房和非满房状态下的酒店平均价格。ES支持嵌套桶聚合，进行嵌套时，可以使用aggs子句进行子桶的继续嵌套，指标放在最里面的子桶内。以下DSL演示了多维度桶的使用方法：

GET /hotel/_search 
{ "size": 0, "aggs": { "group_city": {               //多维度桶名称 "terms": { "field": "city" }, "aggs": {                  //单维度桶 "group_full_room": { "terms": { "field": "full_room" }, "aggs": {             //聚合指标 "my_sum": { "avg": { "field": "price", "missing": 200 } } } } } } } 
}  

上述DSL被执行后，ES返回的结果如下：

{ … "hits" : {…}, "aggregations" : { "group_city" : {                              //多维度聚合名称 "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [                                 //第一层桶聚合列表 { "key" : "北京",                          //第一层桶的key "doc_count" : 3, "group_full_room" : {                    //第二层桶聚合 "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [                          //单维度聚合列表 { "key" : 1, "key_as_string" : "true", "doc_count" : 2, "my_sum" : {                       //聚合指标 "value" : 378.0 } }, { "key" : 0, "key_as_string" : "false", "doc_count" : 1, "my_sum" : { "value" : 200.0 } } ] } }, { "key" : "天津", "doc_count" : 2, "group_full_room" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [ { "key" : 0, "key_as_string" : "false", "doc_count" : 1, "my_sum" : { "value" : 500.0 } }, { "key" : 1, "key_as_string" : "true", "doc_count" : 1, "my_sum" : { "value" : 800.0 } } ] } } ] } } 
} 

结果中可以看到，第一层的分桶先按照城市分组分为“北京”“天津”；第二层在“北京”“天津”桶下面继续分桶，分为“满房”“非满房”桶，对应的聚合指标即价格的加和值存储在内部的my_sum字段中。

以下代码演示了在Java中使用多维度桶进行聚合的逻辑：

public void getExternalBucketAggSearch () throws IOException{ //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String aggNameCity="my_terms_city";           //按城市聚合的名称 //定义terms聚合，指定字段为城市 TermsAggregationBuilder termsAggCity = AggregationBuilders.terms 
(aggNameCity).field("city"); String aggNameFullRoom="my_terms_full_room";  //按满房状态聚合的名称 //定义terms聚合，指定字段为满房状态 TermsAggregationBuilder termsArrFullRoom = AggregationBuilders.terms 
(aggNameCity).field("full_room"); String sumAggName="my_sum";                    //sum聚合的名称 //定义sum聚合，指定字段为价格 SumAggregationBuilder sumAgg = AggregationBuilders.sum(sumAggName). 
field("price"); //定义聚合的父子关系 termsArrFullRoom.subAggregation(sumAgg); termsAggCity.subAggregation(termsArrFullRoom); searchSourceBuilder.aggregation(termsAggCity); //添加聚合 searchRequest.source(searchSourceBuilder);     //设置查询请求 //执行查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Terms terms = aggregations.get(aggNameCity); //获取聚合返回的对象 for(Terms.Bucket bucket:terms.getBuckets()){ //遍历第一层bucket //获取第一层bucket名称 String termsKeyCity=bucket.getKey().toString(); System.out.println("--------"+"termsKeyCity="+termsKeyCity+ 
"--------"); Terms termsFullRom   =bucket.getAggregations().get(aggNameCity); //遍历第二层bucket for(Terms.Bucket bucketFullRoom:termsFullRom.getBuckets()){ //获取第二层bucket名称 String termsKeyFullRoom=bucketFullRoom.getKeyAsString(); System.out.println("termsKeyFullRoom="+termsKeyFullRoom); //获取聚合指标 Sum sum =bucketFullRoom.getAggregations().get(sumAggName); String key=sum.getName();          //获取聚合指标名称 double sumVal = sum.getValue();    //获取聚合指标值 System.out.println("key="+key+",count="+sumVal);  //打印结果 } } 
} 

4 聚合方式

ES支持灵活的聚合方式，它不仅支持聚合和查询相结合，而且还可以使聚合的过滤条件不影响搜索条件，并且还支持在聚合后的结果中进行过滤筛选。本节将介绍这些聚合方式。

1 直接聚合

直接聚合指的是聚合时的DSL没有query子句，是直接对索引内的所有文档进行聚合。前面介绍的示例都属于直接聚合，这里不再进行演示。

2 先查询再聚合

与直接聚合相对应，这种查询方式需要增加query子句，query子句和普通的query查询没有区别，参加聚合的文档必须匹配query查询。下面的DSL演示了这种用法：

GET /hotel/_search 
{ "size": 0,  "query": {                     //指定查询query逻辑 "term": { "city": { "value": "北京" } } }, "aggs": {                     //指定聚合逻辑 "my_agg": { "avg": { "field": "price" } } } 
}  

以下代码演示了在Java中先查询再聚合的逻辑：

public void getQueryAggSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String avgAggName = "my_avg";                      //avg聚合的名称 //定义sum聚合，指定字段为价格 AvgAggregationBuilder avgAgg = AggregationBuilders.avg(avgAggName). 
field("price"); searchSourceBuilder.aggregation(avgAgg);           //添加聚合 //构建query查询 searchSourceBuilder.query(QueryBuilders.termQuery("city", "北京")); searchRequest.source(searchSourceBuilder);         //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                               //执行搜索 SearchHits searchHits = searchResponse.getHits();  //获取搜索结果集 System.out.println("---------------hit--------------"); for (SearchHit searchHit : searchHits) {           //遍历搜索结果集 String index = searchHit.getIndex();           //获取索引名称 String id = searchHit.getId();                 //获取文档_id Float score = searchHit.getScore();            //获取得分 String source = searchHit.getSourceAsString(); //获取文档内容 System.out.println("index=" + index + ",id=" + id + ",source=" +  
source);                                               //打印数据 } System.out.println("---------------agg--------------"); //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); ParsedAvg avg = aggregations.get(avgAggName);      //获取聚合返回的对象 String avgName = avg.getName();                    //获取聚合名称 double avgVal = avg.getValue();                    //获取聚合值 //打印结果 System.out.println("avgName=" + avgName + ",avgVal=" + avgVal); 
} 

3 前过滤器

有时需要对聚合条件进一步地过滤，但是又不能影响当前的查询条件。例如用户进行酒店搜索时的搜索条件是天津的酒店，但是聚合时需要将非满房的酒店平均价格进行聚合并展示给用户。此时不能变更用户的查询条件，需要在聚合子句中添加过滤条件。下面的DSL展示了在聚合时使用过滤条件的用法：

GET /hotel/_search 
{ "size": 0, "query": {                   //指定查询的query逻辑 "term": { "city": { "value": "天津" } } }, "aggs": { "my_agg": { "filter": {              //指定过滤器逻辑 "term": { "full_room": false } }, "aggs": {                //指定聚合逻辑 "my_avg": { "avg": { "field": "price" } } } } } 
} 

执行上述DSL后，ES返回的结果如下：

{ … "hits" : { "total" : { "value" : 2, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : { "doc_count" : 1,        //只有文档004没有被过滤 "my_avg" : { "value" : 500.0 } } } 
} 

通过上述结果可以知道，满足查询条件的文档个数为2，命中的文档为004和005，但是在聚合时要求匹配非满房的酒店，只有文档004满足聚合条件，因此酒店的平均值为文档004的price字段值。

以下代码演示了在Java中使用前过滤器的逻辑：

public void getFilterAggSearch() throws IOException {  //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String filterAggName = "my_terms";               //聚合的名称 TermQueryBuilder termQueryBuilder=QueryBuilders.termQuery("full_room", 
true); FilterAggregationBuilder filterAggregationBuilder=AggregationBuilders. 
filter(filterAggName,termQueryBuilder); String avgAggName = "my_avg";                    //avg聚合的名称 //定义聚合，指定字段为价格 AvgAggregationBuilder avgAgg= AggregationBuilders.avg(avgAggName). 
field("price"); //为filter聚合添加子聚合 filterAggregationBuilder.subAggregation(avgAgg); searchSourceBuilder.aggregation(filterAggregationBuilder); //添加聚合 //构建term查询 searchSourceBuilder.query(QueryBuilders.termQuery("city", "天津")); searchRequest.source(searchSourceBuilder);      //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                            //执行搜索 //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); //获取sum聚合返回的对象 ParsedFilter filter = aggregations.get(filterAggName); Avg avg =filter.getAggregations().get(avgAggName); String key = avg.getName();                   //获取聚合名称 double avgVal = avg.getValue();              //获取聚合值 System.out.println("key=" + key + ",avgVal=" + avgVal); //打印结果 
} 

4 后过滤器

在有些场景中，需要根据条件进行数据查询，但是聚合的结果集不受影响。例如在酒店搜索场景中，用户的查询词为“假日”，此时应该展现标题中带有“假日”的酒店。但是在该页面中，如果还希望给用户呈现出全国各个城市的酒店的平均价格，这时可以使用ES提供的后过滤器功能。该过滤器是在查询和聚合之后进行过滤的，因此它的过滤条件对聚合没有影响。以下的DSL展示了后过滤器的使用：

GET /hotel/_search 
{ "size": 0,  "query": {                      //指定查询的query逻辑 "match": { "title": "假日" } }, "post_filter": {                //指定后过滤器逻辑 "term": { "city": "北京" } },  "aggs": {                       //指定聚合逻辑 "my_agg": { "avg": { "field": "price", "missing":200 } } } 
}  

在上面的查询中，使用match匹配title中包含“假日”的酒店，并且查询出这些酒店的平均价格，最后使用post_filter设置后过滤器的条件，将酒店的城市锁定为“北京”，执行该DSL后，ES返回的结果如下：

{ … "hits" : { "total" : { "value" : 3, "relation" : "eq" }, "max_score" : null, "hits" : [ ] }, "aggregations" : { "my_agg" : {               //聚合时酒店的城市锁定为“北京” "value" : 364.0 } } 
}  

根据查询结果可知，match查询命中了4个文档，对这4个文档的price字段取平均值为364，最后通过post_filter将其中的文档004过滤掉，因此hits子句中的total数量为3。
以下代码演示了在Java中使用后过滤器的逻辑：

public void getPostFilterAggSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String avgAggName = "my_avg";                  //avg聚合的名称 //定义sum聚合，指定字段为价格 AvgAggregationBuilder avgAgg= AggregationBuilders.avg(avgAggName). 
field("price"); avgAgg.missing(200);                            //设置默认值为200 searchSourceBuilder.aggregation(avgAgg);       //添加聚合 //构建term查询 searchSourceBuilder.query(QueryBuilders.matchQuery("title", "假日")); TermQueryBuilder termQueryBuilder=QueryBuilders.termQuery("city","北京"); searchSourceBuilder.postFilter(termQueryBuilder); searchRequest.source(searchSourceBuilder);     //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                           //执行搜索 //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Avg avg =aggregations.get(avgAggName); String key = avg.getName();                     //获取聚合名称 double avgVal = avg.getValue();                //获取聚合值 System.out.println("key=" + key + ",avgVal=" + avgVal); //打印结果 
} 

5 聚合排序

根据前面的介绍可知，ES对于聚合结果的默认排序规则有时并非是我们期望的。可以使用ES提供的sort子句进行自定义排序，有多种排序方式供用户选择：可以按照聚合后的文档计数的大小进行排序；可以按照聚合后的某个指标进行排序；还可以按照每个组的名称进行排序。下面将介绍以上3种排序功能。

1 按文档计数排序

在聚合排序时，业务需求可能有按照每个组聚合后的文档数量进行排序的场景。此时可以使用_count来引用每组聚合的文档计数进行排序。以下DSL演示了按照城市的酒店平均价格进行聚合，并按照聚合后的文档计数进行升序排列的请求：

GET /hotel/_search 
{ "size": 0, "aggs": { "group_city": { "terms": { "field": "city", "order": {                     //按照文档计数进行升序排列 "_count": "asc" } }, "aggs": { "my_avg": { "avg": {                    //使用价格平均值作为聚合指标 "field": "price", "missing": 200 } } } } } 
}  

执行上述DSL后，ES返回的结果如下：

{ … "hits" : {…}, "aggregations" : { "group_city" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [                   //按照文档计数对桶聚合进行排序 { "key" : "天津", "doc_count" : 2, "my_avg" : { "value" : 650.0 } }, { "key" : "北京", "doc_count" : 3, "my_avg" : { "value" : 318.6666666666667 } } ] } } 
}  

以下代码演示了在Java中使用文档计数进行聚合排序的逻辑：

public void getAggDocCountOrderSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String termsAggName = "my_terms";                  //聚合的名称 //定义terms聚合，指定字段为城市 TermsAggregationBuilder termsAggregationBuilder = AggregationBuilders. 
terms(termsAggName).field("city"); BucketOrder bucketOrder=BucketOrder.count(true); termsAggregationBuilder.order(bucketOrder); String avgAggName = "my_avg";                      //avg聚合的名称 //定义sum聚合，指定字段为价格 SumAggregationBuilder avgAgg = AggregationBuilders.sum(avgAggName). 
field("price"); //定义聚合的父子关系 termsAggregationBuilder.subAggregation(avgAgg); searchSourceBuilder.aggregation(termsAggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);         //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                               //执行搜索 SearchHits searchHits = searchResponse.getHits();  //获取搜索结果集 //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Terms terms = aggregations.get(termsAggName);      //获取聚合返回的对象 for (Terms.Bucket bucket : terms.getBuckets()) { String bucketKey = bucket.getKey().toString(); System.out.println("termsKey=" + bucketKey); Sum sum = bucket.getAggregations().get(avgAggName); String key = sum.getName();                    //获取聚合名称 double sumVal = sum.getValue();                //获取聚合值 System.out.println("key=" + key + ",count=" + sumVal);  //打印结果 } 
}  

2 按聚合指标排序

在聚合排序时，业务需求可能有按照每个组聚合后的指标值进行排序的场景。此时可以使用指标的聚合名称来引用每组聚合的文档计数。以下DSL演示了按照城市的酒店平均价格进行聚合，并按照聚合后的平均价格进行升序排列的请求：

GET /hotel/_search 
{ "size": 0, "aggs": { "group_city": { "terms": { "field": "city", "order": {                   //按照聚合指标进行升序排列 "my_avg": "asc" } }, "aggs": { "my_avg": {                  //定义聚合指标 "avg": { "field": "price", "missing": 200 } } } } } 
} 

执行上述DSL后，ES返回的结果如下：

… "hits" : {…}, "aggregations" : { "group_city" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [                   //按照价格平均值对桶聚合升序排列 { "key" : "北京", "doc_count" : 3, "my_avg" : { "value" : 318.6666666666667 } }, { "key" : "天津", "doc_count" : 2, "my_avg" : { "value" : 650.0 } } ] } } 
} 

以下代码演示了在Java中按照聚合指标进行聚合排序的逻辑：

public void getAggMetricsOrderSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String termsAggName = "my_terms";   //聚合的名称 //定义terms聚合，指定字段为城市 String avgAggName = "my_avg";              //avg聚合的名称 TermsAggregationBuilder termsAggregationBuilder = AggregationBuilders. 
terms(termsAggName).field("city"); BucketOrder bucketOrder=BucketOrder.aggregation(avgAggName,true); termsAggregationBuilder.order(bucketOrder); //定义sum聚合，指定字段为价格 AvgAggregationBuilder avgAgg = AggregationBuilders.avg(avgAggName). 
field("price"); //定义聚合的父子关系 termsAggregationBuilder.subAggregation(avgAgg); searchSourceBuilder.aggregation(termsAggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);   //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                          //执行搜索 //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Terms terms = aggregations.get(termsAggName); //获取聚合返回的对象 for (Terms.Bucket bucket : terms.getBuckets()) { String bucketKey = bucket.getKey().toString(); System.out.println("termsKey=" + bucketKey); Avg avg = bucket.getAggregations().get(avgAggName); String key = avg.getName();                //获取聚合名称 double avgVal = avg.getValue();            //获取聚合值 System.out.println("key=" + key + ",avgVal=" + avgVal);//打印结果 } 
} 

3按分组key排序

在聚合排序时，业务需求可能有按照每个分组的组名称排序的场景。此时可以使用_key来引用分组名称。以下DSL演示了按照城市的酒店平均价格进行聚合，并按照聚合后的分组名称进行升序排列的请求：

GET /hotel/_search 
{ "size": 0, "aggs": { "group_city": { "terms": { "field": "city", "order": {                 //按照分组key的自然顺序升序排列 "_key": "asc" } }, "aggs": { "my_avg": {                //定义聚合指标 "avg": { "field": "price", "missing": 200 } } } } } 
}  

执行上述DSL后，ES返回的结果如下：

{ … "hits" : {…}, "aggregations" : { "group_city" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [                //按照分组key的自然顺序对桶聚合升序排列 { "key" : "北京", "doc_count" : 3, "my_avg" : { "value" : 318.6666666666667 } }, { "key" : "天津", "doc_count" : 2, "my_avg" : { "value" : 650.0 } } ] } } 
}   

以下代码演示了在Java中按照分组key进行聚合排序的逻辑：

public void getAggKeyOrderSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String termsAggName = "my_terms";       //聚合的名称 //定义terms聚合，指定字段为城市 String avgAggName = "my_avg";           //avg聚合的名称 TermsAggregationBuilder termsAggregationBuilder = AggregationBuilders. 
terms(termsAggName).field("city"); BucketOrder bucketOrder=BucketOrder.key(true); termsAggregationBuilder.order(bucketOrder); //定义sum聚合，指定字段为价格 SumAggregationBuilder avgAgg = AggregationBuilders.sum(avgAggName). 
field("price"); //定义聚合的父子关系 termsAggregationBuilder.subAggregation(avgAgg); searchSourceBuilder.aggregation(termsAggregationBuilder); //添加聚合 searchRequest.source(searchSourceBuilder);         //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                               //执行搜索 SearchHits searchHits = searchResponse.getHits();  //获取搜索结果集 //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); Terms terms = aggregations.get(termsAggName); //获取sum聚合返回的对象 for (Terms.Bucket bucket : terms.getBuckets()) { String bucketKey = bucket.getKey().toString(); System.out.println("termsKey=" + bucketKey); Sum sum = bucket.getAggregations().get(avgAggName); String key = sum.getName();         //获取聚合名称 double sumVal = sum.getValue();     //获取聚合值 System.out.println("key=" + key + ",count=" + sumVal);//打印结果 } 
}  

4 聚合分页

ES支持同时返回查询结果和聚合结果，前面介绍聚合查询时，查询结果和聚合结果各自封装在不同的子句中。但有时我们希望聚合的结果按照每组选出前N个文档的方式进行呈现，最常见的一个场景就是电商搜索，如搜索苹果手机6S，搜索结果应该展示苹果手机6S型号中的一款手机即可，而不论该型号手机的颜色有多少种。另外，当聚合结果和查询结果封装在一起时，还需要考虑对结果分页的问题，此时前面介绍的聚合查询就不能解决这些问题了。ES提供的Top hits聚合和Collapse聚合可以满足上述需求，但是这两种查询的分页方案是不同的。本节将介绍Top hits聚合和Collapse聚合，并分别给出这两种查询的分页方案。

1 Top hits聚合

顾名思义，Top hits聚合指的是聚合时在每个分组内部按照某个规则选出前N个文档进行展示。例如，搜索“金都”时，如果希望按照城市分组，每组按照匹配分数降序展示3条文档数据，DSL如下：

GET /hotel/_search 
{ "size": 0, "query": { "match": { "title": "金都" } },  "aggs": { "group_city": {                //按照城市进行桶聚合 "terms": { "field": "city" }, "aggs": { "my_avg": { "top_hits": {          //指定返回每个桶的前3个文档 "size": 3 } } } } } 
}  

执行上述查询后，ES返回的结果如下：

{ … "hits" : { … "hits" : [ ] }, "aggregations" : { "group_city" : { "doc_count_error_upper_bound" : 0, "sum_other_doc_count" : 0, "buckets" : [               //每个桶聚合中返回前3个文档 { "key" : "北京", "doc_count" : 2, "my_avg" : { "hits" : { … "hits" : [ { "_index" : "hotel", "_type" : "_doc", "_id" : "003", "_score" : 1.0928286, "_source" : { … } }, { "_index" : "hotel", "_type" : "_doc", "_id" : "002", "_score" : 0.96817136, "_source" : { … } ] } } }, { "key" : "天津", "doc_count" : 1, "my_avg" : { "hits" : { "total" : { "value" : 1, "relation" : "eq" }, "max_score" : 1.0928286, "hits" : [ { "_index" : "hotel", "_type" : "_doc", "_id" : "004", "_score" : 1.0928286, "_source" : { … } } ] } } } ] } } 
}  

可以看到，在索引中一共有3个文档命中match查询条件，在聚合结果中按照城市分成了两个组“北京”“天津”，在“北京”下面有两个文档命中，并且按照得分将展示文档进行了降序排列，“天津”只有一个文档命中。

以下代码演示了在Java中使用Top hits聚合的逻辑：

public void getAggTopHitsSearch() throws IOException { //创建搜索请求 SearchRequest searchRequest = new SearchRequest("hotel"); SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); String termsAggName = "my_terms";             //聚合的名称 TermsAggregationBuilder termsAggregationBuilder = AggregationBuilders. 
terms(termsAggName).field("city"); BucketOrder bucketOrder=BucketOrder.key(true); termsAggregationBuilder.order(bucketOrder); String topHitsAggName = "my_top";            //聚合的名称 TopHitsAggregationBuilder topHitsAgg=AggregationBuilders.topHits 
(topHitsAggName); topHitsAgg.size(3); //定义聚合的父子关系 termsAggregationBuilder.subAggregation(topHitsAgg); //添加聚合 searchSourceBuilder.aggregation(termsAggregationBuilder); searchSourceBuilder.query(QueryBuilders.matchQuery("title","金都")); searchRequest.source(searchSourceBuilder);          //设置查询请求 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                                    //执行搜索 //获取聚合结果 Aggregations aggregations = searchResponse.getAggregations(); //获取sum聚合返回的对象 Terms terms = aggregations.get(termsAggName); for (Terms.Bucket bucket : terms.getBuckets()) { String bucketKey = bucket.getKey().toString(); System.out.println("termsKey=" + bucketKey); TopHits topHits = bucket.getAggregations().get(topHitsAggName); SearchHit[] searchHits=topHits.getHits().getHits(); for(SearchHit searchHit:searchHits){ System.out.println(searchHit.getSourceAsString()); } } }  

Top hits聚合能满足“聚合的结果按照每组选出N个文档的方式进行呈现”的需求，但是很遗憾，它不能完成自动分页功能。如果在聚合中使用Top hits聚合并期望对数据进行分页，则要求聚合的结果一定不能太多，因为需要由客户端自行进行分页，此时对分页内存的存储能力是一个挑战。可以一次性获取聚合结果并将其存放在内存中或者Redis中，然后自行实现翻页逻辑，完成翻页。假设数据一次性存储到Redis的list结构中，以下示例代码演示了从Redis分页取数据的逻辑：

import org.springframework.stereotype.Service; 
import org.springframework.data.redis.core.StringRedisTemplate; 
import java.util.List; @Service 
public class CacheServiceImpl { @Resource private StringRedisTemplate stringRedisTemplate; //Redis客户端 public List<String> getRecommendData(String key, Integer pageNo,  
Integer pageSize) { long start = (pageNo - 1) * pageSize;         //计算分页的起始位置 long end = pageNo * pageSize - 1;             //计算分页的终止位置 //从Redis中取数据并将数据返回 return stringRedisTemplate.opsForList().range(key, start, end); } 
}

2 Collapse聚合

如前面所述，当在索引中有大量数据命中时，Top hits聚合存在效率问题，并且需要用户自行排序。针对上述问题，ES推出了Collapse聚合，即用户可以在collapse子句中指定分组字段，匹配query的结果按照该字段进行分组，并在每个分组中按照得分高低展示组内的文档。当用户在query子句外指定from和size时，将作用在Collapse聚合之后，即此时的分页是作用在分组之后的。以下DSL展示了Collapse聚合的用法：

GET /hotel/_search 
{ "from": 0,                      //指定分页的起始位置 "size": 5,                      //指定每页返回的数量 "query": {                      //指定查询的query逻辑 "match": { "title": "金都" } },  "collapse": {                   //指定按照城市进行Collapse聚合 "field": "city" } 
} 

执行上述DSL后，ES返回的结果如下：

{ … "hits" : { … "hits" : [ { … "_id" : "003", "_score" : 1.0928286, "_source" : { … }, "fields" : {             //按照城市进行Collapse聚合 "city" : [ "北京" ] } }, { … "_id" : "004", "_score" : 1.0928286, "_source" : { … }, "fields" : {             //按照城市进行Collapse聚合 "city" : [ "天津" ] } } ] } 
}  

从结果中可以看到，与Top hits聚合不同，Collapse聚合的结果是封装在hit中的。在索引中一共有3个文档命中match查询条件，在聚合结果中已经按照城市分成了两个组，即“北京”“天津”，在“北京”下面有两个文档命中，其中得分最高的文档为003，“天津”只有一个文档命中。上述结果不仅能按照得分进行排序，并且具备分页功能。
以下代码演示了在Java中使用Collapse聚合的逻辑：

public void getCollapseAggSearch() throws IOException{ //按照spu进行分组 //按照城市进行分组 CollapseBuilder collapseBuilder = new CollapseBuilder("city"); SearchRequest searchRequest = new SearchRequest();  //新建搜索请求 SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder(); //新建match查询 searchSourceBuilder.query(QueryBuilders.matchQuery("title", "金都")); searchSourceBuilder.collapse(collapseBuilder);      //设置Collapse聚合 searchRequest.source(searchSourceBuilder);          //设置查询 SearchResponse searchResponse = client.search(searchRequest,  
RequestOptions.DEFAULT);                                 //执行搜索 SearchHits searchHits = searchResponse.getHits();   //获取搜索结果集 for (SearchHit searchHit : searchHits) {            //遍历搜索结果集 String index = searchHit.getIndex();            //获取索引名称 String id = searchHit.getId();                  //获取文档_id Float score = searchHit.getScore();             //获取得分 String source = searchHit.getSourceAsString();  //获取文档内容 System.out.println("index=" + index + ",id=" + id + ",score=" + score  
+ ",source=" + source);                                  //打印数据 } 
}