统计

最后，我们还有一个需求需要完成：可以让老板在职工目录中进行统计。Elasticsearch 把这项功能称作 汇总 (aggregations)，通过这个功能，我们可以针对你的数据进行复杂的统计。这个功能有些类似于 SQL 中的 GROUP BY，但是要比它更加强大。

例如，让我们找一下员工中最受欢迎的兴趣是什么：

  1. GET /megacorp/employee/_search
  2. {
  3.   "aggs": {
  4.     "all_interests": {
  5.       "terms": { "field": "interests" }
  6.     }
  7.   }
  8. }

请忽略语法，让我们先来看一下结果：

  1. {
  2.    ...
  3.    "hits": { ... },
  4.    "aggregations": {
  5.       "all_interests": {
  6.          "buckets": [
  7.             {
  8.                "key":       "music",
  9.                "doc_count": 2
  10.             },
  11.             {
  12.                "key":       "forestry",
  13.                "doc_count": 1
  14.             },
  15.             {
  16.                "key":       "sports",
  17.                "doc_count": 1
  18.             }
  19.          ]
  20.       }
  21.    }
  22. }

我们可以发现有两个员工喜欢音乐，还有一个喜欢森林，还有一个喜欢运动。这些数据并没有被预先计算好，它们是在文档被查询的同时实时计算得出的。如果你想要查询姓 Smith 的员工的兴趣汇总情况，你就可以执行如下查询：

  1. GET /megacorp/employee/_search
  2. {
  3.   "query": {
  4.     "match": {
  5.       "last_name": "smith"
  6.     }
  7.   },
  8.   "aggs": {
  9.     "all_interests": {
  10.       "terms": {
  11.         "field": "interests"
  12.       }
  13.     }
  14.   }
  15. }

这样，all_interests 的统计结果就只会包含满足查询的文档了：

  1.   ...
  2.   "all_interests": {
  3.      "buckets": [
  4.         {
  5.            "key": "music",
  6.            "doc_count": 2
  7.         },
  8.         {
  9.            "key": "sports",
  10.            "doc_count": 1
  11.         }
  12.      ]
  13.   }

汇总还允许多个层面的统计。比如我们还可以统计每一个兴趣下的平均年龄：

  1. GET /megacorp/employee/_search
  2. {
  3.     "aggs" : {
  4.         "all_interests" : {
  5.             "terms" : { "field" : "interests" },
  6.             "aggs" : {
  7.                 "avg_age" : {
  8.                     "avg" : { "field" : "age" }
  9.                 }
  10.             }
  11.         }
  12.     }
  13. }

虽然这次返回的汇总结果变得更加复杂了，但是它依旧很容易理解：

  1.   ...
  2.   "all_interests": {
  3.      "buckets": [
  4.         {
  5.            "key": "music",
  6.            "doc_count": 2,
  7.            "avg_age": {
  8.               "value": 28.5
  9.            }
  10.         },
  11.         {
  12.            "key": "forestry",
  13.            "doc_count": 1,
  14.            "avg_age": {
  15.               "value": 35
  16.            }
  17.         },
  18.         {
  19.            "key": "sports",
  20.            "doc_count": 1,
  21.            "avg_age": {
  22.               "value": 25
  23.            }
  24.         }
  25.      ]
  26.   }

在这个丰富的结果中，我们不但可以看到兴趣的统计数据，还能针对不同的兴趣来分析喜欢这个兴趣的平均年龄。

即使你现在还不能很好地理解语法，但是相信你还是能发现，用这个功能来实现如此复杂的统计工作是这样的简单。你的极限取决于你存入了什么样的数据哟！