52.基于doc value正排索引的聚合内部原理

主要知识点：

本节没有太懂，以后复习时补上

 

 
 

聚合分析的内部原理是什么？？？？aggs，term，metric avg max，执行一个聚合操作的时候，内部原理是怎样的呢？用了什么样的数据结构去执行聚合？是不是用的倒排索引？

 
 

搜索+聚合，写个示例

 
 

GET /test_index/test_type/_search

{

"query": {

"match": {

"search_field": "test"

}

},

"aggs": {

"group_by_agg_field": {

"terms": {

"field": "agg_field"

}

}

}

}

 
 

纯用倒排索引来实现的弊端

 
 

es肯定不是纯用倒排索引来实现聚合+搜索的

 
 

search_field

 
 

doc1: hello world test1, test2

doc2: hello test

doc3: world        test

 
 

hello        doc1,doc2

world        doc1,doc3

test1        doc1

test2        doc1

test         doc2,doc3

 
 

"query": {

"match": {

"search_field": "test"

}

}

 
 

test --> doc2,doc3 --> search result, doc2,doc3

 
 

agg_field

 
 

doc2: agg1

doc3: agg2

 
 

 
 

100万个值

...

...

...

...

agg1        doc2

agg2        doc3

 
 

doc2, doc3, search result --> 实际上，要搜索到doc2的agg_field的值是多少，doc3的agg_field的值是多少

 
 

doc2和doc3的agg_field的值之后，就可以根据值进行分组，实现terms bucket操作

 
 

doc2的agg_field的值是多少，这个时候，如果你手上只有一个倒排索引，你该怎么办？？？你要扫描整个倒排索引，去一个一个的搜，拿到每个值，比如说agg1，看一下，它是不是doc2的值，拿到agg2,看一下，是不是doc2的值，直到找到doc2的agg_field的值，在倒排索引中

 
 

如果用纯倒排索引去实现聚合，现实不现实啊？？？性能是很低下的。。。搜索，search，搜倒排索引，搜那个term，就结束了。。。聚合，搜索出了1万个doc，每个doc都要在倒排索引中搜索出它的那个聚合field的值

 
 

倒排索引+正排索引（doc value）的原理和优势

doc value：正排索引

 
 

search_field

 
 

doc1: hello world test1, test2

doc2: hello test

doc3: world        test

 
 

hello        doc1,doc2

world        doc1,doc3

test1        doc1

test2        doc1

test         doc2,doc3

 
 

"query": {

"match": {

"search_field": "test"

}

}

 
 

test --> doc2,doc3 --> search result, doc2,doc3

 
 

doc value数据结构，正排索引

 
 

 
 

 
 

...

...

...

100万个

doc2: agg1

doc3: agg2

 
 

倒排索引的话，必须遍历完整个倒排索引才可以。。。。

 
 

因为可能你要聚合的那个field的值，是分词的，比如说hello world my name --> 一个doc的聚合field的值可能在倒排索引中对应多个value

 
 

所以说，当你在倒排索引中找到一个值，发现它是属于某个doc的时候，还不能停，必须遍历完整个倒排索引，才能说确保找到了每个doc对应的所有terms，然后进行分组聚合

 
 

...

...

...

100万个

doc2: agg1 hello world

doc3: agg2 test hello

 
 

我们有没有必要搜索完整个正排索引啊？？1万个doc --> 搜 -> 可能跟搜索到15000次，就搜索完了，就找到了1万个doc的聚合field的所有值了，然后就可以执行分组聚合操作了