存储桶相关性聚合
编辑存储桶相关性聚合编辑
一个兄弟管道聚合，它对配置的兄弟多存储桶聚合执行相关函数。
参数编辑
-
buckets_path - （必填，字符串）包含要关联的一组值的存储桶的路径。有关语法，请参阅
buckets_path语法。 -
function -
（必填，对象）要执行的相关函数。
function的属性-
count_correlation -
（必填*，对象）用于计算计数相关性的配置。此函数旨在确定术语值与给定指标之间的相关性。因此，它需要满足以下要求。
buckets_path必须指向_count指标。- 所有
bucket_path计数值的总数必须小于或等于indicator.doc_count。 - 使用此函数时，需要进行初始计算以收集所需的
indicator值。
count_correlation的属性-
indicator -
（必填，对象）用于与配置的
bucket_path值关联的指标。indicator的属性-
doc_count - （必填，整数）最初创建
expectations的文档总数。它必须大于或等于buckets_path中所有值的总和，因为这是与术语值相关的原始超集数据。 -
expectations - （必填，数组）用于与配置的
bucket_path值关联的数字数组。此值的长度必须始终等于bucket_path返回的存储桶数。 -
fractions - （可选，数组）在计算平均值和方差时使用的分数数组。如果预先计算的数据和
buckets_path存在已知差距，则应使用此选项。如果提供，则fractions的长度必须等于expectations。
-
-
语法编辑
一个 bucket_correlation 聚合在隔离时如下所示
示例编辑
以下代码段将字段 version 中的各个术语与 latency 指标相关联。未显示的是 latency 指标值的预先计算，这是使用 百分位数 聚合完成的。
此示例仅使用 10 秒的百分位数。
POST correlate_latency/_search?size=0&filter_path=aggregations
{
"aggs": {
"buckets": {
"terms": {
"field": "version",
"size": 2
},
"aggs": {
"latency_ranges": {
"range": {
"field": "latency",
"ranges": [
{ "to": 0.0 },
{ "from": 0, "to": 105 },
{ "from": 105, "to": 225 },
{ "from": 225, "to": 445 },
{ "from": 445, "to": 665 },
{ "from": 665, "to": 885 },
{ "from": 885, "to": 1115 },
{ "from": 1115, "to": 1335 },
{ "from": 1335, "to": 1555 },
{ "from": 1555, "to": 1775 },
{ "from": 1775 }
]
}
},
"bucket_correlation": {
"bucket_correlation": {
"buckets_path": "latency_ranges>_count",
"function": {
"count_correlation": {
"indicator": {
"expectations": [0, 52.5, 165, 335, 555, 775, 1000, 1225, 1445, 1665, 1775],
"doc_count": 200
}
}
}
}
}
}
}
}
}
|
包含范围聚合和存储桶相关性聚合的术语存储桶。两者都用于计算术语值与延迟的相关性。 |
|
|
延迟字段上的范围聚合。这些范围是参考延迟字段的百分位数创建的。 |
|
|
存储桶相关性聚合，用于计算每个范围内术语值的数量与先前计算的指标值之间的相关性。 |
以下可能是响应
{
"aggregations" : {
"buckets" : {
"doc_count_error_upper_bound" : 0,
"sum_other_doc_count" : 0,
"buckets" : [
{
"key" : "1.0",
"doc_count" : 100,
"latency_ranges" : {
"buckets" : [
{
"key" : "*-0.0",
"to" : 0.0,
"doc_count" : 0
},
{
"key" : "0.0-105.0",
"from" : 0.0,
"to" : 105.0,
"doc_count" : 1
},
{
"key" : "105.0-225.0",
"from" : 105.0,
"to" : 225.0,
"doc_count" : 9
},
{
"key" : "225.0-445.0",
"from" : 225.0,
"to" : 445.0,
"doc_count" : 0
},
{
"key" : "445.0-665.0",
"from" : 445.0,
"to" : 665.0,
"doc_count" : 0
},
{
"key" : "665.0-885.0",
"from" : 665.0,
"to" : 885.0,
"doc_count" : 0
},
{
"key" : "885.0-1115.0",
"from" : 885.0,
"to" : 1115.0,
"doc_count" : 10
},
{
"key" : "1115.0-1335.0",
"from" : 1115.0,
"to" : 1335.0,
"doc_count" : 20
},
{
"key" : "1335.0-1555.0",
"from" : 1335.0,
"to" : 1555.0,
"doc_count" : 20
},
{
"key" : "1555.0-1775.0",
"from" : 1555.0,
"to" : 1775.0,
"doc_count" : 20
},
{
"key" : "1775.0-*",
"from" : 1775.0,
"doc_count" : 20
}
]
},
"bucket_correlation" : {
"value" : 0.8402398981360937
}
},
{
"key" : "2.0",
"doc_count" : 100,
"latency_ranges" : {
"buckets" : [
{
"key" : "*-0.0",
"to" : 0.0,
"doc_count" : 0
},
{
"key" : "0.0-105.0",
"from" : 0.0,
"to" : 105.0,
"doc_count" : 19
},
{
"key" : "105.0-225.0",
"from" : 105.0,
"to" : 225.0,
"doc_count" : 11
},
{
"key" : "225.0-445.0",
"from" : 225.0,
"to" : 445.0,
"doc_count" : 20
},
{
"key" : "445.0-665.0",
"from" : 445.0,
"to" : 665.0,
"doc_count" : 20
},
{
"key" : "665.0-885.0",
"from" : 665.0,
"to" : 885.0,
"doc_count" : 20
},
{
"key" : "885.0-1115.0",
"from" : 885.0,
"to" : 1115.0,
"doc_count" : 10
},
{
"key" : "1115.0-1335.0",
"from" : 1115.0,
"to" : 1335.0,
"doc_count" : 0
},
{
"key" : "1335.0-1555.0",
"from" : 1335.0,
"to" : 1555.0,
"doc_count" : 0
},
{
"key" : "1555.0-1775.0",
"from" : 1555.0,
"to" : 1775.0,
"doc_count" : 0
},
{
"key" : "1775.0-*",
"from" : 1775.0,
"doc_count" : 0
}
]
},
"bucket_correlation" : {
"value" : -0.5759855613334943
}
}
]
}
}
}