如何在Apache Solr中对结果数据集使用median中位数统计功能

基础说明 #

Solr没有单独的median专用函数，6.5及以上版本提供的percentile百分位聚合函数可直接实现中位数计算：中位数本质是第50百分位数值，传入参数50即可得到对应结果。

具体实现方案 #

方案1：对已获取的行级结果自行计算 #

如果已经拿到全量行级结果，无需再次调用Solr：

• 提取结果集中需要计算的数值字段的所有值，按大小排序
• 数据总数为奇数时，取排序后中间位置的数值即为中位数；数据总数为偶数时，取中间两个数值的平均值即为中位数

方案2：复用原查询条件调用Solr接口直接获取中位数（推荐） #

无需自行处理排序逻辑，直接复用你之前获取行级结果的查询条件，调整为聚合查询即可，两种常用实现方式如下：

方式A：使用JSON Facet实现

请求参数示例：

q=你的原查询主条件
fq=你的原过滤条件1&fq=你的原过滤条件2
rows=0 # 无需返回行级明细，仅返回聚合结果
json.facet={
  "target_median": "percentile(待计算的数值字段名,50)"
}

方式B：使用Stats组件实现

请求参数示例：

q=你的原查询主条件
fq=你的原过滤条件1&fq=你的原过滤条件2
stats=true
stats.field={!percentiles="50"}待计算的数值字段名
rows=0

调用后返回结果中会直接返回对应字段的50百分位值，即所求中位数。 #

注意事项 #

• 仅支持数值类型字段（int、long、float、double等），字符串、日期等非数值类型字段无法直接计算
• 大数据量场景下percentile默认返回近似值，若需要100%精确中位数，可添加参数percentileAccuracy=100，该配置会提升内存占用和查询耗时

内容的提问来源于stack exchange，提问作者PT15