ElasticSearch - 信息聚合系列之聚合过滤

摘要

聚合范围限定还有一个自然的扩展就是过滤。因为聚合是在查询结果范围内操作的，任何可以适用于查询的过滤器也可以应用在聚合上。

版本

elasticsearch版本: elasticsearch-2.x

内容

聚合范围限定还有一个自然的扩展就是过滤。因为聚合是在查询结果范围内操作的，任何可以适用于查询的过滤器也可以应用在聚合上。

Filtered 查询（Filtered Query）

如果我们想找到售价在 $10,000 美元之上的所有汽车同时也为这些车计算平均售价，可以简单地使用一个 filtered 查询：

  GET /cars/transactions/_search
  {
      "size" : 0,
      "query" : {
          "filtered": {
              "filter": {
                  "range": {
                      "price": {
                          "gte": 10000
                      }
                  }
              }
          }
      },
      "aggs" : {
          "single_avg_price": {
              "avg" : { "field" : "price" }
          }
      }
  }

这正如我们在前面章节中讨论过那样，从根本上讲，使用 filtered 查询和使用 match 查询没有任何区别。查询（包括了一个过滤器）返回一组文档的子集，聚合正是操作这些文档。

过滤桶（Filter Bucket）

但是如果我们只想对聚合结果过滤怎么办？假设我们正在创建一个可以搜索汽车经销商的页面，我们希望显示用户搜索的结果，但是我们同时也想在页面上提供更丰富的信息，包括（与搜索匹配的）上个月度汽车的平均售价

这里我们无法简单的做范围限定，因为有两个不同的条件。搜索结果必须是 ford，但是聚合结果必须满足 ford AND sold > now - 1M。

为了解决这个问题，我们可以用一种特殊的桶，叫做过滤桶。我们可以指定一个过滤桶，当文档满足过滤桶的条件时，我们将其加入到桶内。

查询结果如下：

  GET /cars/transactions/_search
  {
     "size" : 0,
     "query":{
        "match": {
           "make": "ford"
        }
     },
     "aggs":{
        "recent_sales": {
           "filter": { #1
              "range": {
                 "sold": {
                    "from": "now-1M"
                 }
              }
           },
           "aggs": {
              "average_price":{
                 "avg": {
                    "field": "price" #2
                 }
              }
           }
        }
     }
  }

#1 使用过滤桶在查询范围基础上应用过滤器。

#2 avg 度量只会对 ford 和 一月以内售出 的文档计算平均售价。

因为 filter 桶和其他桶的操作方式一样，所以可以随意将其他桶和度量嵌入其中。所有嵌套的组件都会 “继承” 这个过滤，这使我们可以按需针对聚合过滤出选择部分。

展示过滤器（Post Filter）

目前为止，我们可以同时对搜索结果和聚合结果进行过滤（一个 filtered 查询），以及针对聚合结果的一部分进行过滤（filter 桶）

我们可能会想，“有只对搜索结果进行过滤而不过滤聚合结果的方式吗？”答案是使用 post_filter。

它是顶层搜索请求元素接收一个过滤器。这个过滤器在查询之后执行（这正是该过滤器的名字的由来：它在查询之后（post）执行）。正因为它在查询之后执行，它对查询范围没有任何影响，所以对聚合也不会有任何影响。

我们可以利用这个行为对查询条件应用更多的过滤器，而不会影响其他的操作，就如 UI 上的各个分类面。让我们为汽车经销商设计另外一个搜索页面，这个页面允许用户搜索汽车同时可以根据颜色来过滤。颜色的选项是通过聚合获得的：

  GET /cars/transactions/_search
  {
      "size" : 0,
      "query": {
          "match": {
              "make": "ford"
          }
      },
      "post_filter": {    #1
          "term" : {
              "color" : "green"
          }
      },
      "aggs" : {
          "all_colors": {
              "terms" : { "field" : "color" }
          }
      }
  }

#1 post_filter 元素是顶层元素而且仅对命中结果进行过滤。

查询部分找到所有的 ford 汽车，然后用 terms 聚合创建一个颜色列表。因为聚合对查询范围进行操作，颜色列表与福特汽车有的颜色相对应。

最后，post_filter 会过滤搜索结果，只展示绿色福特汽车。这在查询执行过后发生，所以聚合不受影响。

这通常对 UI 的连贯一致性很重要，可以想象用户在界面商选择了一类颜色（比如：green 绿色），期望的是搜索结果已经被过滤了，而不是过滤界面上的选项。如果我们应用 filtered 查询，界面会马上变成只显示 green 作为选项，这不是用户想要的！

警告

性能考虑（Performance consideration）

只在我们需要区别过滤搜索结果和聚合结果时使用 post_filter，有时用户会在普通搜索使用 post_filter。

不要这么做！post_filter 的特性是在查询之后执行，所以任何过滤所带来的好处（比如缓存）都会完全失去。

post_filter 应该只在我们需要不同过滤时，只与聚合一起使用。

小结（Recap）

选择合适类型的过滤（如：搜索命中、聚合或两者兼有）通常和我们期望如何表现用户交互有关。选择合适的过滤器（或组合）取决于我们期望如何将结果呈现给用户。

• filtered 查询同时影响搜索结果和聚合结果。
• filter 桶影响聚合。
• post_filter 只影响搜索结果。

参考

elastic.co:
Filtering Queries and Aggregations