› › ›

Avg 聚合

Avg 聚合编辑

一种 单值 指标聚合，用于计算从聚合文档中提取的数值的平均值。这些值可以从文档中的特定数值字段或直方图字段中提取。

假设数据由表示学生考试成绩（0 到 100 分之间）的文档组成，我们可以使用以下方法计算他们的平均分数

response = client.search(
  index: 'exams',
  size: 0,
  body: {
    aggregations: {
      avg_grade: {
        avg: {
          field: 'grade'
        }
      }
    }
  }
)
puts response

POST /exams/_search?size=0
{
  "aggs": {
    "avg_grade": { "avg": { "field": "grade" } }
  }
}

上述聚合计算所有文档的平均成绩。聚合类型为 avg，field 设置定义了将计算平均值的文档的数值字段。以上将返回以下内容

{
  ...
  "aggregations": {
    "avg_grade": {
      "value": 75.0
    }
  }
}

聚合的名称（上面的 avg_grade）也用作从返回的响应中检索聚合结果的键。

脚本编辑

假设考试非常难，您需要应用成绩修正。对运行时字段求平均值以获得修正后的平均值

response = client.search(
  index: 'exams',
  size: 0,
  body: {
    runtime_mappings: {
      'grade.corrected' => {
        type: 'double',
        script: {
          source: "emit(Math.min(100, doc['grade'].value * params.correction))",
          params: {
            correction: 1.2
          }
        }
      }
    },
    aggregations: {
      avg_corrected_grade: {
        avg: {
          field: 'grade.corrected'
        }
      }
    }
  }
)
puts response

POST /exams/_search?size=0
{
  "runtime_mappings": {
    "grade.corrected": {
      "type": "double",
      "script": {
        "source": "emit(Math.min(100, doc['grade'].value * params.correction))",
        "params": {
          "correction": 1.2
        }
      }
    }
  },
  "aggs": {
    "avg_corrected_grade": {
      "avg": {
        "field": "grade.corrected"
      }
    }
  }
}

缺失值编辑

missing 参数定义了如何处理缺少值的文档。默认情况下，它们将被忽略，但也可以将它们视为具有值。

response = client.search(
  index: 'exams',
  size: 0,
  body: {
    aggregations: {
      grade_avg: {
        avg: {
          field: 'grade',
          missing: 10
        }
      }
    }
  }
)
puts response

POST /exams/_search?size=0
{
  "aggs": {
    "grade_avg": {
      "avg": {
        "field": "grade",
        "missing": 10     
      }
    }
  }
}

grade 字段中没有值的文档将与值为 10 的文档归入同一个桶。

直方图字段编辑

当对直方图字段计算平均值时，聚合的结果是 values 数组中所有元素的加权平均值，并考虑了 counts 数组中相同位置的数字。

例如，对于以下索引，该索引存储了针对不同网络的具有延迟指标的预聚合直方图

response = client.index(
  index: 'metrics_index',
  id: 1,
  body: {
    'network.name' => 'net-1',
    latency_histo: {
      values: [
        0.1,
        0.2,
        0.3,
        0.4,
        0.5
      ],
      counts: [
        3,
        7,
        23,
        12,
        6
      ]
    }
  }
)
puts response

response = client.index(
  index: 'metrics_index',
  id: 2,
  body: {
    'network.name' => 'net-2',
    latency_histo: {
      values: [
        0.1,
        0.2,
        0.3,
        0.4,
        0.5
      ],
      counts: [
        8,
        17,
        8,
        7,
        6
      ]
    }
  }
)
puts response

response = client.search(
  index: 'metrics_index',
  size: 0,
  body: {
    aggregations: {
      avg_latency: {
        avg: {
          field: 'latency_histo'
        }
      }
    }
  }
)
puts response

PUT metrics_index/_doc/1
{
  "network.name" : "net-1",
  "latency_histo" : {
      "values" : [0.1, 0.2, 0.3, 0.4, 0.5], 
      "counts" : [3, 7, 23, 12, 6] 
   }
}

PUT metrics_index/_doc/2
{
  "network.name" : "net-2",
  "latency_histo" : {
      "values" :  [0.1, 0.2, 0.3, 0.4, 0.5], 
      "counts" : [8, 17, 8, 7, 6] 
   }
}

POST /metrics_index/_search?size=0
{
  "aggs": {
    "avg_latency":
      { "avg": { "field": "latency_histo" }
    }
  }
}

对于每个直方图字段，avg 聚合将 values 数组 <1> 中的每个数字与其在 counts 数组 <2> 中的关联计数相乘。最后，它将计算所有直方图的这些值的平均值，并返回以下结果

{
  ...
  "aggregations": {
    "avg_latency": {
      "value": 0.29690721649
    }
  }
}

« 指标聚合箱线图聚合 »