探索数据的力量：Elasticsearch中指定链表字段的统计查询记录 ...

目次
一、根本的数据布局阐明
二、根本的统计记录
（一）统计当前索引中sellingProducts的所有类型
（二）检索指定文档中sellingProducts的数据总量
（三）检索指定文档中sellingProducts指定类型的数量统计
（四）统计所有文档中sellingProducts中所有元素的总数
（五）统计所有文档中sellingProducts中详细分类总数统计
三、总结

---

干货分享，感谢您的阅读！
在当今数据驱动的时代，企业和组织面临着海量数据的寻衅，如何有效地提取和分析这些数据已成为关键题目。Elasticsearch作为一种强大的搜索和分析引擎，提供了灵活而高效的数据检索能力，能够帮助我们快速获取所需信息。本篇文章将深入探究在Elasticsearch中对sellingProducts字段的统计操作。
通过详细的案例和查询示例，我们将展示如何从sell_product_order索引中提取出关键信息，包括产物类型的统计、产物数量的计算以及更复杂的聚合查询。无论是想要相识产物销售状况的市场分析师，还是希望提升数据处理能力的开发者，本文都将为你提供实用的参考和技能支持。
在接下来的部分中，我们将逐步先容根本的数据布局、关键的统计操作以及相应的Elasticsearch查询语法，帮助读者把握在实际应用中如何进行数据统计和分析。通过这次学习，我们希望读者能够更加熟悉Elasticsearch的利用，并在实际工作中充分利用这一强大的工具，发掘出数据背后的代价。

一、根本的数据布局阐明

对应ES索引：sell_product_order
针对假设ES文档的根本布局内容如下：

1.    {
2.         "id": "2024041801000115936701",
3.         "sellingProducts": [
4.             "FUND_20150718000230030000000000002549",
5.             "STOCK_656",
6.             "STOCK_4055",
7.             "STOCK_1720",
8.             "FUND_20180920000230030000000000015303"
9.         ]
10.     }

复制代码

我们针对内里的sellingProducts字段进行一些根本的统计操作，本次记录一下相关的根本操作。
二、根本的统计记录

（一）统计当前索引中sellingProducts的所有类型

从 sell_product_order 索引中检索数据，然后根据 sellingProducts 字段中的内容，聚合出售产物的类型信息，并返回前 10 个最频繁出现的产物类型。

1. GET /sell_product_order/_search
2. {
3.   "size": 0,
4.   "aggs": {
5.     "types": {
6.       "terms": {
7.         "script": {
8.           "source": """
9.             HashSet types = new HashSet();
10.             for (item in doc['sellingProducts']) {
11.               int delimiterIndex = item.indexOf('_');
12.               if (delimiterIndex > -1) {
13.                 types.add(item.substring(0, delimiterIndex));
14.               }
15.             }
16.             return types;
17.           """,
18.           "lang": "painless"
19.         },
20.         "size": 10
21.       }
22.     }
23.   }
24. }

复制代码

（二）检索指定文档中sellingProducts的数据总量

从索引为 sell_product_order 中检索数据，并返回指定 _id 的文档，并在结果中包罗一个名为 sellingProducts_count 的脚本字段，用于计算每个文档中 sellingProducts 字段的巨细。

1. GET /sell_product_order/_search
2. {
3.   "query": {
4.     "terms": {
5.       "_id": [
6.         "2024041801000115936701"  
7.       ]
8.     }
9.   },
10.   "script_fields": {
11.     "sellingProducts_count": {
12.       "script": {
13.         "lang": "painless",
14.         "source": "doc['sellingProducts'].size()"
15.       }
16.     }
17.   }
18. }

复制代码

（三）检索指定文档中sellingProducts指定类型的数量统计

从 sell_product_order 索引中检索具有指定 _id 的文档，并在结果中返回两个计算字段，分别是 fund_count 和 stock_count，它们分别表示文档中以 'FUND_' 和 'STOCK_' 开头的元素的数量。

1. GET /sell_product_order/_search
2. {
3.   "query": {
4.     "terms": {
5.       "_id": ["2024041801000115936701"]
6.     }
7.   },
8.   "script_fields": {
9.     "fund_count": {
10.       "script": {
11.         "lang": "painless",
12.         "source": "int fundCount = 0; for (String item : doc['sellingProducts']) { if (item.startsWith('FUND_')) { fundCount++; } } return fundCount;"
13.       }
14.     },
15.     "stock_count": {
16.       "script": {
17.         "lang": "painless",
18.         "source": "int stockCount = 0; for (String item : doc['sellingProducts']) { if (item.startsWith('STOCK_')) { stockCount++; } } return stockCount;"
19.       }
20.     }
21.   }
22. }

复制代码

（四）统计所有文档中sellingProducts中所有元素的总数

从 sell_product_order 索引中检索所有文档，并计算 sellingProducts 字段中所有元素的总数，将结果作为 total_sellingProducts_items 的值返回。

1. GET /sell_product_order/_search
2. {
3.   "size": 0,  
4.   "aggs": {
5.     "total_sellingProducts_items": {
6.       "sum": {
7.         "script": {
8.           "source": "doc['sellingProducts'].size()",
9.           "lang": "painless"
10.         }
11.       }
12.     }
13.   }
14. }

复制代码

（五）统计所有文档中sellingProducts中详细分类总数统计

计算 sellingProducts 字段中以 FUND_ 开头和以 STOCK_ 开头的元素数量，将结果以 fund_count 和 stock_count 的情势返回。

1. GET /sell_product_order/_search
2. {
3.   "size": 0,
4.   "aggs": {
5.     "totals": {
6.       "scripted_metric": {
7.         "init_script": "state.fund_count = 0; state.stock_count = 0;",
8.         "map_script": """
9.           if (doc.containsKey('sellingProducts')) {
10.             for (def item : doc['sellingProducts']) {
11.               if (item.startsWith('FUND_')) {
12.                 state.fund_count++;
13.               }
14.               if (item.startsWith('STOCK_')) {
15.                 state.stock_count++;
16.               }
17.             }
18.           }
19.         """,
20.         "combine_script": "return state",
21.         "reduce_script": """
22.             def total_fund_count = 0;
23.             def total_stock_count = 0;
24.             for (state in states) {
25.             total_fund_count += state.fund_count;
26.             total_stock_count += state.stock_count;
27.   }
28.   return ['fund_count': total_fund_count, 'stock_count': total_stock_count];
29. """
30.       }
31.     }
32.   }
33. }

复制代码

三、总结

在本文中，我们探究了如何在Elasticsearch中对sell_product_order索引中的sellingProducts字段进行根本的统计操作。通过详细的查询示例，我们展示了多种数据检索和聚合的本领，帮助我们从海量数据中提取出有代价的信息。
首先，我们先容了数据布局的根本概念，明白了如何定位目的字段。随后，我们演示了几种差别的统计方法，包括计算产物类型的出现频率、检索指定文档中产物数量、以及对产物类型进行细分统计。这些操作不仅为数据分析提供了基础支持，也为业务决策提供了有力的数据依据。
通过这些示例，读者可以看到Elasticsearch的强大灵活性，以及它在处理复杂数据查询时的高效性。这些本领不仅适用于特定的业务场景，也为进一步的深入分析和数据发掘奠定了基础。
在未来的应用中，我们鼓励读者继续探索Elasticsearch的更多功能，如更高级的聚合分析和数据可视化工具，以全面提升数据处理能力和决策支持结果。通过不断实践和学习，大家将能更好地把握这一工具，从而在日益复杂的数据环境中游刃有余。




免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。