Bucket script 聚合是一个父管道（parent pipeline）聚合，它执行一个脚本，该脚本可以对父多桶聚合中的指定指标执行每个桶的计算。 指定的指标必须是数字，并且脚本必须返回一个数值。有关 pipeline 聚合的内容，你可以阅读文章 “Elasticsearch：pipeline aggregation 介绍”。
用法
单独的 bucket_script 聚合看起来像这样：
-
{
-
"bucket_script": {
-
"buckets_path": {
-
"my_var1":
"the_sum",
-
"my_var2":
"the_value_count"
-
},
-
"script":
"params.my_var1 / params.my_var2"
-
}
-
}
这里，my_var1 是要在脚本中使用的存储桶路径的变量名称，the_sum 是要用于该变量的指标的路径。
| 参数名称 | 描述 | 强制要求 | 默认值 |
|---|---|---|---|
| script | 为此聚合运行的脚本。 该脚本可以是内联的、文件的或索引的。 （有关详细信息，请参阅脚本） | 必须 | |
| buckets_path | 脚本变量的映射及其到我们希望用于变量的存储桶的关联路径（有关更多详细信息，请参见 buckets_path 语法） | 必须 | |
| gap_policy | 在数据中发现差距时应用的策略（有关详细信息，请参阅处理数据中的差距） | 可选 | skip |
| format | 输出值的 DecimalFormat 模式。 如果指定，则在聚合的 value_as_string 属性中返回格式化的值 | 可选 | null |
在以下的展示中，我使用 Elastic Stack 8.4.3 来进行展示。
示例
为了说明问题的方便，我们来使用一个示例来进行详细说明。我将使用 Kibana 自带的 eCommerce 索引进行展示。我们的目的是：找出每天销售的 Men's Clothing 这个类别的销售额在总体销售额中的比例。
在本练习中，我们使用 Kibana 自带的一个例子来进行展示：
这样我能就在 Elasticsearch 中创建了一个叫做 kibana_sample_data_ecommerce 的索引。这个一个 eCommerce 的数据。我们可以在 Discover 中进行查看：
如上所示，上面的数据展示的是从 10 月 20 号到 10 月 31 号的数据。
我们可以使用 Lens 来展示每天的文档数：
如上所示，每天都有一定数量的文档。上面的聚合相当于如下的命令：
-
GET kibana_sample_data_ecommerce/_search
-
{
-
"size": 0,
-
"aggs": {
-
"sales_per_day": {
-
"date_histogram": {
-
"field":
"order_date",
-
"calendar_interval":
"day"
-
}
-
}
-
}
-
}
上面的聚合返回如下的数据：
我们可以通过如下的命令来得到每天的总销售额：
-
GET kibana_sample_data_ecommerce/_search?filter_path=aggregations
-
{
-
"size": 0,
-
"aggs": {
-
"sales_per_day": {
-
"date_histogram": {
-
"field":
"order_date",
-
"calendar_interval":
"day"
-
},
-
"aggs": {
-
"total_sales": {
-
"sum": {
-
"field":
"products.base_price"
-
}
-
}
-
}
-
}
-
}
-
}
如上所示，我们求出了每天销售的总额。为了能够求出每天卖出的 Men's clothing 这个类别的总额，我们可以使用另外一个叫做 filter 的聚合：
-
GET kibana_sample_data_ecommerce/_search?filter_path=aggregations
-
{
-
"size": 0,
-
"aggs": {
-
"sales_per_day": {
-
"date_histogram": {
-
"field":
"order_date",
-
"calendar_interval":
"day"
-
},
-
"aggs": {
-
"total_sales": {
-
"sum": {
-
"field":
"products.base_price"
-
}
-
},
-
"man's_clothing": {
-
"filter": {
-
"term": {
-
"category.keyword":
"Men's Clothing"
-
}
-
},
-
"aggs": {
-
"sales": {
-
"sum": {
-
"field":
"products.base_price"
-
}
-
}
-
}
-
}
-
}
-
}
-
}
-
}
如上所示，我们至此求出了 Men's Clothing 这个类别的每天的销售总额。
我们接下来使用 bucket script 聚合来求出每天的 Men's Clothing 这个类别的总额和当天销售总额的百分比：
-
GET kibana_sample_data_ecommerce/_search?filter_path=aggregations
-
{
-
"size": 0,
-
"aggs": {
-
"sales_per_day": {
-
"date_histogram": {
-
"field":
"order_date",
-
"calendar_interval":
"day"
-
},
-
"aggs": {
-
"total_sales": {
-
"sum": {
-
"field":
"products.base_price"
-
}
-
},
-
"man's_clothing": {
-
"filter": {
-
"term": {
-
"category.keyword":
"Men's Clothing"
-
}
-
},
-
"aggs": {
-
"sales": {
-
"sum": {
-
"field":
"products.base_price"
-
}
-
}
-
}
-
}
-
},
-
"man's_clothing_percentage": {
-
"bucket_script": {
-
"buckets_path": {
-
"mans_clothing":
"man's_clothing>sales",
-
"total_sales":
"total_sales"
-
},
-
"script":
"params.mans_clothing / params.total_sales * 100"
-
}
-
}
-
}
-
}
-
}
在上面的 man's_clothing_percentage 聚合中，它使用了其它聚合的结果并算出新的聚合的值。这种聚合被称之为 pipeline 聚合。 特别需要指出的是 man's_clothing>sales 不是布尔比较大小的算式，而是引用聚合值的路径。
如上所示，我们可以看到每天的 Men's Clothing 的销售额的百分比。
转载：https://blog.csdn.net/UbuntuTouch/article/details/127608883