如何在Elasticsearch中利用聚合值计算平均值并实现多操作查询

没问题，我来帮你搞定这个Elasticsearch的查询需求！咱们一步一步来实现你要的所有功能，用单个查询就能完成所有要求。

首先，先给你完整的查询示例，之后我会拆解每个部分的作用：

{
  "size": 0, // 不需要返回原始文档，只关注聚合结果
  "query": {
    "bool": {
      "filter": [
        {
          "range": {
            "createdDate": {
              "gte": "2019-10-31T00:00:00.000Z",
              "lte": "2019-10-31T23:59:59.999Z"
            }
          }
        },
        {
          "terms": {
            "responseCode": ["200", "300", "400"] // 替换成你要过滤的响应码集合
          }
        },
        {
          "terms": {
            "metricName": ["call", "email", "chat"] // 替换成你要过滤的指标名称集合
          }
        }
      ]
    }
  },
  "aggs": {
    "group_by_createdDate": {
      "terms": {
        "field": "createdDate",
        "format": "yyyy-MM-dd'T'HH:mm:ss.SSSZ"
      },
      "aggs": {
        "group_by_metricName": {
          "terms": {
            "field": "metricName"
          },
          "aggs": {
            "total_records": {
              "value_count": {
                "field": "_id" // 统计每个(日期+指标)分组的总记录数
              }
            },
            "specific_code_record_count": {
              "filter": {
                "term": {
                  "responseCode": "200" // 替换成你要统计的特定响应码
                }
              },
              "aggs": {
                "count": {
                  "value_count": {
                    "field": "_id"
                  }
                }
              }
            }
          }
        },
        "avg_specific_code_records": {
          "avg_bucket": {
            "buckets_path": "group_by_metricName>specific_code_record_count>count"
          }
        }
      }
    }
  }
}

各部分功能拆解 #

1. 过滤数据（需求1） #

我用了bool.filter来组合多个过滤条件，这种方式不会影响文档的评分，纯粹做数据筛选：

• range查询：精确匹配createdDate的时间范围，你可以根据需要调整gte和lte的值；
• terms查询：匹配你指定的responseCode和metricName集合，如果只需要单个值，把terms换成term即可。

2. 分组与统计数量（需求2、3） #

通过两层terms聚合实现分组，再用value_count统计数量：

• 第一层group_by_createdDate：按createdDate对数据分组；
• 第二层group_by_metricName：在每个日期分组内，再按metricName细分分组；
• total_records：用value_count统计每个(日期+指标)分组的总记录数，完全满足你要的“获取每个分组的记录数量”需求。

3. 计算特定响应码的平均值（需求4） #

这里用了嵌套聚合+avg_bucket来实现：

• 首先在每个(日期+指标)分组内，用filter聚合筛选出你关注的特定响应码（比如示例中的200），再统计这些记录的数量；
• 然后在日期分组下，用avg_bucket聚合遍历该日期下所有指标分组的特定响应码记录数，自动计算出平均值，这就是你要的“同一createdDate下包含特定responseCode的记录的平均值”。

扩展：基于聚合值计算其他平均值 #

如果你的需求是计算其他类型的平均值（比如特定响应码记录数占分组总记录数的比例的平均值），可以用bucket_script先计算单个分组的比例，再用avg_bucket求平均。比如：

在group_by_metricName的聚合里添加：

"specific_code_ratio": {
  "bucket_script": {
    "buckets_path": {
      "specificCount": "specific_code_record_count>count",
      "totalCount": "total_records"
    },
    "script": "params.specificCount / params.totalCount"
  }
}

然后在group_by_createdDate下添加：

"avg_specific_code_ratio": {
  "avg_bucket": {
    "buckets_path": "group_by_metricName>specific_code_ratio"
  }
}

这样就能得到同一日期下，各指标分组中特定响应码记录占比的平均值了。

内容的提问来源于stack exchange，提问作者Prince Leo