### 歡迎訪問我的GitHub
> 這裡分類和彙總了欣宸的全部原創(含配套原始碼)：[https://github.com/zq2599/blog_demos](https://github.com/zq2599/blog_demos)

### 本篇概覽
- 本文是《Elasticsearch聚合學習》系列的第四篇，在前面的實戰中，聚合的結果以桶(bucket)為單位，放在JSON陣列中返回，這些資料是沒有排序的，今天來學習如何給這些資料進行排序；

### 系列文章列表
1. [《Elasticsearch聚合學習之一：基本操作》](https://blog.csdn.net/boling_cavalry/article/details/89735952)；
2. [《Elasticsearch聚合學習之二：區間聚合》](https://xinchen.blog.csdn.net/article/details/89763684)；
3. [《Elasticsearch聚合學習之三：範圍限定》](https://xinchen.blog.csdn.net/article/details/89785223);
4. [《Elasticsearch聚合學習之四：結果排序》](https://xinchen.blog.csdn.net/article/details/89812169)；

### 環境資訊
- 以下是本次實戰的環境資訊，請確保您的Elasticsearch可以正常執行：

1. 作業系統：Ubuntu 18.04.2 LTS
2. JDK：1.8.0_191
3. Elasticsearch：6.7.1
4. Kibana：6.7.1

- 實戰用的資料依然是一些汽車銷售的記錄，在[第一章](https://blog.csdn.net/boling_cavalry/article/details/89735952)有詳細的匯入步驟，請參考操作，匯入後您的es中的資料如下圖：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190501174429748.jpg)

- 接下來一起實戰聚合排序吧；

### 預設排序
- 之前文章中的聚合查詢，我們都沒有做排序設定，此時es會用每個桶的doc_count欄位做降序，下圖是個terms桶聚合的示例，可見返回了三個bucket物件，是按照doc_count欄位降序排列的：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190504130901413.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

### 內建排序
- 除了自定義排序，es自身也內建了兩種排序引數，可以直接拿來使用：
- **_count**：這個引數對應的就是doc_count，以下請求的排序效果和預設的排序效果是一致的：

```shell
GET /cars/transactions/_search
{
  "size":0,
  "aggs":{
   "popular_colors":{
     "terms": {
       "field": "color",
       "order": {             ---表示要對聚合結果做排序
         "_count": "desc"     ---排序欄位是doc_count，順序是降序
       }
     }
   } 
  }
}
```

- **_key**：在區間聚合的時候(histogram或者date_histogram)，可以根據桶的key做排序：

```shell
GET /cars/transactions/_search
{
  "size": 0,
  "aggs": {
    "price": {
      "histogram": {           ---區間聚合
        "field": "price",      ---取price欄位的值
        "interval": 20000,     ---每個區間的大小是20000
        "order": {             ---表示要對聚合結果做排序
          "_key": "desc"       ---排序欄位是桶的key值，這裡是每個區間的起始值，順序是降序
        }
      }
    }
  }
}
```

- 返回結果如下，已經按照key的大小從大到小排序：

```shell
  ......
  "aggregations" : {
    "price" : {
      "buckets" : [
        {
          "key" : 80000.0,
          "doc_count" : 1
        },
        {
          "key" : 60000.0,
          "doc_count" : 0
        },
        {
          "key" : 40000.0,
          "doc_count" : 0
        },
        {
          "key" : 20000.0,
          "doc_count" : 4
        },
        {
          "key" : 0.0,
          "doc_count" : 3
        }
      ]
    }
  }
}
```

- [《Elasticsearch 權威指南》](https://www.elastic.co/guide/cn/elasticsearch/guide/current/_intrinsic_sorts.html)裡指出：**_key**只在 histogram 和 date_histogram 內使用，原文如下圖紅框所示：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/201905041420231.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

- 但是在實際操作中發現，6.7.1版本中，除了histogram 和 date_histogram，terms桶也可以用**_key**排序，如下圖，是按照key的字母降序：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/2019050414262752.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

- 把**desc**改為**asc**之後返回如下圖，變成了按照key的首字母升序排序：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190504143219182.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

- 另外[《Elasticsearch 權威指南》](https://www.elastic.co/guide/cn/elasticsearch/guide/current/_intrinsic_sorts.html)中還提到一種內建排序型別**_term**，但是[《Elasticsearch官方文件》](https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-terms-aggregation.html)中宣佈該型別在6.0之後已經廢棄，如下：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190504143704501.jpg)

- 也許是"手賤"的緣故，我還是用_term試了下，可以返回結果，但是會建議用_key替代_term，如下圖：
![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190504143943213.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

### 按照metrics排序(metrics結果只有一個值)
- 常見的metrics有累加和(sum)、最大值(max)、最小值(min)、平均值(avg)，這些metrics的特點是處理結果只有一個值，我們可以按照這個結果來排序，例如計算每個汽車品牌的銷售額，再按照銷售額排序：

```shell
GET /cars/transactions/_search
{
  "size": 0,
  "aggs": {
    "sales_rank": {
      "terms": {               ---桶型別是terms
        "field": "make",       ---按照make欄位聚合
        "order": {             ---要求排序
          "sales": "desc"      ---排序欄位是sales
        }
      },
      "aggs": {
        "sales": {            ---metrics處理後的結果儲存在名為sales的欄位中，排序已經指定了該欄位
          "sum": {            ---桶內的metrics處理，型別是累加
            "field": "price"  ---將price欄位的值累加
          }
        }
      }
    }
  }
}
```

- 下面是聚合結果，可見已按照每個品牌的銷售額大小做了降序的排序：

```shell
......
  "aggregations" : {                          ---聚合結果
    "sales_rank" : {                          ---桶名稱
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [                           ---這個JSON陣列內是按照品牌聚合而成的所有桶
        {
          "key" : "bmw",                      ---品牌為bmw的桶
          "doc_count" : 1,                    ---文件數量為1
          "sales" : {                         ---metrics處理結果
            "value" : 80000.0                 ---品牌為bmw的汽車銷售總額是80000
          }
        },
        {
          "key" : "ford",
          "doc_count" : 2,
          "sales" : {
            "value" : 55000.0
          }
        },
        {
          "key" : "honda",
          "doc_count" : 3,
          "sales" : {
            "value" : 50000.0
          }
        },
        {
          "key" : "toyota",
          "doc_count" : 2,
          "sales" : {
            "value" : 27000.0
          }
        }
      ]
    }
  }
}
```

### 按照metrics排序(metrics結果有多個值)
- 和sum、max這些只有一個結果的metrics不同，extended_stats的結果包含了數量、最大值、最小值、平均值、累加和等多種處理，此時必須要指定用其中的哪一項（否則會返回錯誤：Invalid aggregation order path [xxxx]. When ordering on a multi-value metrics aggregation a metric name must be specified）:

```shell
GET /cars/transactions/_search
{
  "size": 0,
  "aggs": {
    "sales_rank": {
      "terms": {                 ---桶型別是terms
        "field": "make",         ---按照make欄位聚合
        "order": {               ---要求排序
          "stat.avg": "asc"      ---排序欄位是metrics結果的一個子項(平均值)，升序
        }
      },
      "aggs": {
        "stat": {                ---metrics處理後的結果儲存在名為stat的欄位中，排序已經指定了該欄位的agv子項(平均值)
          "extended_stats": {    ---桶內的metrics處理，型別是計算數量、最大值、最小值、平均值等多個指標項
            "field": "price"     ---將price欄位的值拿來做metrics處理
          }
        }
      }
    }
  }
}
```

- 返回結果如下，可見已經按照metrics結果的avg子項做了升序排序：

```shell
......
"aggregations" : {
    "sales_rank" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "toyota",
          "doc_count" : 2,
          "stat" : {
            "count" : 2,
            "min" : 12000.0,
            "max" : 15000.0,
            "avg" : 13500.0,               ---排序欄位
            "sum" : 27000.0,
            "sum_of_squares" : 3.69E8,
            "variance" : 2250000.0,
            "std_deviation" : 1500.0,
            "std_deviation_bounds" : {
              "upper" : 16500.0,
              "lower" : 10500.0
            }
          }
        },
        {
          "key" : "honda",
          "doc_count" : 3,
          "stat" : {
            "count" : 3,
            "min" : 10000.0,
            "max" : 20000.0,
            "avg" : 16666.666666666668,    ---排序欄位
            "sum" : 50000.0,
            "sum_of_squares" : 9.0E8,
            "variance" : 2.222222222222221E7,
            "std_deviation" : 4714.045207910315,
            "std_deviation_bounds" : {
              "upper" : 26094.757082487296,
              "lower" : 7238.5762508460375
            }
          }
        },
        ......
```

### 巢狀桶排序
- 在聚合查詢中，經常對聚合的資料再次做聚合處理，例如統計每個汽車品牌下的每種顏色汽車的銷售額，這時候DSL中就有了多層aggs物件的巢狀，這就是巢狀桶（此名稱來自[《Elasticsearch 權威指南》](https://www.elastic.co/guide/cn/elasticsearch/guide/current/_buckets_inside_buckets.html))，如下圖所示：

![在這裡插入圖片描述](https://img-blog.csdnimg.cn/20190504203129657.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly94aW5jaGVuLmJsb2cuY3Nkbi5uZXQ=,size_16,color_FFFFFF,t_70)

- 巢狀桶的排序情況略為複雜，詳情請參考[《Elasticsearch聚合的巢狀桶如何排序》](https://xinchen.blog.csdn.net/article/details/89816240)；

- 至此，聚合返回結果排序的實戰已經完成了，後面的章節會深入學習es的聚合有關的關鍵知識點；

### 歡迎關注ITpub：程式設計師欣宸
> [學習路上，你不孤單，欣宸原創一路相伴...](http://blog.itpub.net/70017844/)

Elasticsearch聚合學習之四：結果排序

相關文章