Elasticsearch統計去重後的數量

elasticsearch 提供的首個近似聚合是cardinality（注：基數）度量。它提供乙個欄位的基數，即該字段的 distinct 或者 unique 值的數目。你可能會對 sql 形式比較熟悉：

select count(distinct color)
from cars

去重是乙個很常見的操作，可以回答很多基本的業務問題：

我們可以用cardinality度量確定經銷商銷售汽車顏色的數量：

get /cars/transactions/_search}}
}

返回的結果表明已經售賣了三種不同顏色的汽車：

...
"aggregations": 
}...

可以讓我們的例子變得更有用：每月有多少顏色的車被售出？為了得到這個度量，我們只需要將乙個cardinality度量嵌入乙個date_histogram：

get /cars/transactions/_search
, "aggs": }}
}}}

正如我們本章開頭提到的，cardinality度量是乙個近似演算法。它是基於 hyperloglog++ （hll）演算法的。 hll 會先對我們的輸入作雜湊運算，然後根據雜湊運算的結果中的 bits 做概率估算從而得到基數。

get /cars/transactions/_search}}
}

precision_threshold接受 0–40,000 之間的數字，更大的值還是會被當作 40,000 來處理。

示例會確保當欄位唯一值在 100 以內時會得到非常準確的結果。儘管演算法是無法保證這點的，但如果基數在閾值以下，幾乎總是 100% 正確的。高於閾值的基數會開始節省記憶體而犧牲準確度，同時也會對度量結果帶入誤差。

對於指定的閾值，hll 的資料結構會大概使用precision_threshold * 8位元組的記憶體，所以就必須在犧牲記憶體和獲得額外的準確度間做平衡。

在實際應用中，100的閾值可以在唯一值為百萬的情況下仍然將誤差維持 5% 以內。

如果想要獲得唯一值的數目，通常需要查詢整個資料集合（或幾乎所有資料）。所有基於所有資料的操作都必須迅速，原因是顯然的。 hyperloglog 的速度已經很快了，它只是簡單的對資料做雜湊以及一些位操作。

但如果速度對我們至關重要，可以做進一步的優化。因為 hll 只需要字段內容的雜湊值，我們可以在索引時就預先計算好。就能在查詢時跳過雜湊計算然後將雜湊值從 fielddata 直接載入出來。

預先計算雜湊值只對內容很長或者基數很高的字段有用，計算這些欄位的雜湊值的消耗在查詢時是無法忽略的。

儘管數值字段的雜湊計算是非常快速的，儲存它們的原始值通常需要同樣（或更少）的記憶體空間。這對低基數的字串字段同樣適用，elasticsearch 的內部優化能夠保證每個唯一值只計算一次雜湊。

基本上說，預先計算並不能保證所有的字段都更快，它只對那些具有高基數和/或者內容很長的字串欄位有作用。需要記住的是，預計算只是簡單的將查詢消耗的時間提前轉移到索引時，並非沒有任何代價，區別在於你可以選擇在什麼時候做這件事，要麼在索引時，要麼在查詢時。

要想這麼做，我們需要為資料增加乙個新的多值字段。我們先刪除索引，再增加乙個包括雜湊值字段的對映，然後重新索引：

delete /cars/
put /cars/}}
}}
}}post /cars/transactions/_bulk}}
}}}}
}}

多值字段的型別是murmur3，這是乙個雜湊函式。

現在當我們執行聚合時，我們使用color.hash欄位而不是color字段：

get /cars/transactions/_search}}
}

注意我們指定的是雜湊過的多值字段，而不是原始字段。

現在cardinality度量會讀取"color.hash"裡的值（預先計算的雜湊值），取代動態計算原始值的雜湊。

單個文件節省的時間是非常少的，但是如果你聚合一億資料，每個欄位多花費 10 納秒的時間，那麼在每次查詢時都會額外增加 1 秒，如果我們要在非常大量的資料裡面使用cardinality，我們可以權衡使用預計算的意義，是否需要提前計算 hash，從而在查詢時獲得更好的效能，做一些效能測試來檢驗預計算雜湊是否適用於你的應用場景。。

Elasticsearch統計去重後的數量

Elasticsearch 實現分組統計

Elasticsearch的查詢和統計

elasticsearch 7 聚合統計分組聚合

Elasticsearch統計去重後的數量

Elasticsearch 實現分組統計

Elasticsearch的查詢和統計

elasticsearch 7 聚合統計 分組聚合

相關推薦

elasticsearch 7 聚合統計分組聚合