NoSQL 与搜索 / 系统课时
指标聚合
指标聚合
本课使用一组订单数据演示六种常用指标聚合,完成最小值、最大值、合计、平均值、去重数量和综合统计,并说明字段类型、空值以及近似去重带来的边界。
学习目标
- 使用常用指标聚合计算业务数值
- 读懂单值指标与
stats多值结果 - 正确处理去重统计、空值和字段类型
常用指标如何选择
min、max、sum 和 avg 都针对数值字段计算,分别适合最低金额、最高金额、总交易额和客单价。stats 一次返回 count、min、max、avg、sum,适合页面或报表同时需要多项基础统计的场景。
cardinality 用于计算字段的去重数量,例如独立客户数或设备数。它采用近似算法控制内存开销,结果通常足够用于分析,但不应把它当作强一致的精确计数器。
| 聚合 | 结果形式 | 常见用途 |
|---|---|---|
min、max、sum、avg |
单个 value |
单项指标卡 |
stats |
五个统计值 | 汇总面板 |
cardinality |
去重后的 value |
独立用户数 |
完整指标示例
以下请求可直接在 Kibana Dev Tools 中执行。示例创建四条订单,其中客户 C001 出现两次,因此订单数为 4,独立客户数为 3。
DELETE sales_orders?ignore_unavailable=true
PUT sales_orders
{
"mappings": {
"properties": {
"customer_id": { "type": "keyword" },
"amount": { "type": "scaled_float", "scaling_factor": 100 }
}
}
}
POST _bulk?refresh=wait_for
{"index":{"_index":"sales_orders","_id":"1"}}
{"customer_id":"C001","amount":99.5}
{"index":{"_index":"sales_orders","_id":"2"}}
{"customer_id":"C002","amount":120}
{"index":{"_index":"sales_orders","_id":"3"}}
{"customer_id":"C001","amount":80}
{"index":{"_index":"sales_orders","_id":"4"}}
{"customer_id":"C003","amount":200}
GET sales_orders/_search
{
"size": 0,
"aggs": {
"min_amount": { "min": { "field": "amount" } },
"max_amount": { "max": { "field": "amount" } },
"total_amount": { "sum": { "field": "amount" } },
"avg_amount": { "avg": { "field": "amount" } },
"unique_customers": {
"cardinality": {
"field": "customer_id"
}
},
"amount_stats": {
"stats": {
"field": "amount"
}
}
}
}预期结果的 aggregations 部分如下。stats.count 统计参与该字段计算的文档数,不等同于整个索引的文档数;当某些文档缺少 amount 时,它们不会进入默认计算。
{
"min_amount": {
"value": 80.0
},
"max_amount": {
"value": 200.0
},
"total_amount": {
"value": 499.5
},
"avg_amount": {
"value": 124.875
},
"unique_customers": {
"value": 3
},
"amount_stats": {
"count": 4,
"min": 80.0,
"max": 200.0,
"avg": 124.875,
"sum": 499.5
}
}关键边界与验证
指标字段必须支持对应计算。金额通常映射为 double、scaled_float 或其他数值类型;客户编号应使用 keyword,避免对分词后的文本做去重统计。
字段缺失时,数值指标默认忽略该文档。业务上若要把缺失金额视为零,可以使用聚合的 missing 参数,但这会改变统计口径,必须与报表定义保持一致。
cardinality 的 precision_threshold 可用于在内存占用与准确度之间权衡。提高它可能让低基数数据更接近精确结果,但仍不保证所有数据规模下都完全精确。需要严格精确值时,应评估离线去重、预聚合或专用计数方案。
验证时不要只看最终数字。先执行一个带相同 query 的普通搜索,确认样本范围;再比较 stats.count、hits.total.value 和缺失字段数量,才能判断差异来自数据口径还是聚合配置。
本课总结
- 单项指标使用
min、max、sum、avg,多项基础统计可用stats一次返回 cardinality适合分析型去重计数,但结果具有近似统计边界- 字段类型、缺失值和查询范围都会直接影响最终指标
下一课预告
下一课将进入桶聚合,学习按状态、分类或时间区间对文档分组,并在每个桶内继续计算指标。