如何使用Elasticsearch聚合功能统计邮件域名的数量？

没问题，我来帮你搞定这个邮件域名统计的需求！要实现按邮箱域名分组计数，我们可以利用Elasticsearch的terms聚合结合脚本（script）来提取邮箱中的域名部分，具体方案如下：

完整查询DSL #

GET /your_index_name/_search
{
  "size": 0,  // 无需返回具体文档，只获取聚合结果
  "aggs": {
    "email_domain_counts": {
      "terms": {
        "script": {
          "source": "def email = doc['email'].value; return email.substring(email.indexOf('@'));"
        }
      }
    }
  }
}

关键部分解释 #

• size: 0：因为我们只关心聚合统计数据，不需要返回匹配的原始文档，设置为0可以减少不必要的数据传输，提升查询效率。
• aggs下的email_domain_counts是自定义的聚合名称，你可以根据需要修改成更贴合业务的名字。
• terms聚合：这是Elasticsearch最常用的分组统计聚合，会自动把相同域名的文档归为一组，并统计每组的文档数量。
• 脚本逻辑：先获取email字段的具体值，通过indexOf('@')定位到@符号的位置，再用substring截取从@开始到字符串末尾的部分，这就是我们需要统计的邮箱域名（比如@gmail.com）。

预期结果 #

执行上述查询后，你会得到类似这样的聚合结果，完全符合你想要的统计需求：

{
  "aggregations": {
    "email_domain_counts": {
      "buckets": [
        {
          "key": "@gmail.com",
          "doc_count": 2
        },
        {
          "key": "@elastic.com",
          "doc_count": 1
        },
        {
          "key": "@hotmail.com",
          "doc_count": 1
        }
      ]
    }
  }
}

如果你的Elasticsearch版本较新（7.x及以上），需要确保集群允许使用inline脚本（默认是开启的，若有问题可以检查script.allowed_types配置）。另外，如果你需要频繁做这类统计，也可以考虑在索引时就把邮箱域名单独存为一个字段，这样聚合时不需要实时脚本计算，性能会更好哦！

内容的提问来源于stack exchange，提问作者Rakesh Allampati