ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

一、Index Template与Dynamic Template的概念

  1、Index Template:它是用来根据提前设定的Mappings和Settings,并按照一定的规则,自动匹配到新创建的索引上。

    1)模板仅是一个索引被创建时才会起作用,修改模板并不会影响已创建的索引;

    2)可以设定多个索引模板,这些设置会被merge在一起;

    3)通过指定order的数值,控制merge的过程;

  2、Index Template的工作方式如下:

    当一个索引被创建时,会执行如下操作:

    1)应用ElasticSearch默认的Mappings和Settings;

    2)应用order数值低的Index Template中的设定;

    3)应用order数值高的Index Template中的设定,之前的设定会被覆盖;

    4)创建索引时,用户此时进一步指定了索引的Mappings和Settings,那么覆盖之前模板中的设定;

  3、Dynamic Template:根据ElasticSearch识别的数据类型,结合字段名称,动态设定字段类型。

    1)例如:所有的字符串类型可以设定成keyword,或者关闭keyword字段;

    2)例如:凡是Is开头的字段都设置成Boolean;

    3)例如:凡是Long开头的都设置成Long;

    如下图所示:

    ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    Dynamic Template是定义在索引的Mappings中的,有一个模板名称,匹配规则是一个数组,同时可以将符合规则的字段进行Mapping。

二、Index Template与Dynamic Template使用

  1、Index Template

    1)通过创建一个dynamic mapping的索引,会发现日期类型推断成功,而数值类型被推断成text类型。

  ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    2)创建一个可以识别以test字符开头的索引模板,同时将日期识别设置为false,将数值识别设置为true。会发现日期会推断为text类型,数值类型推断正常。

  ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    3)在创建索引时,设置settings的值,会覆盖模板设置信息。

  ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

  2、Dynamic Template

   创建的索引进行mappings设置

  ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

  通过对mapping信息的读取可以发现,is开头的字段是boolean类型,duty字段是keyword类型,匹配name开头的字段,将信息可以copy_to到fullname字段中,不匹配middle后缀的字段信息。

  ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

  当对fullname字段搜索关于middle字段的信息时,搜索不到结果,当搜索first或者lastname时,可以搜索到结果。

  ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

三、聚合的说明(Aggregation)

  1、ElasticSearch聚合的优势

    1)ElasticSearch除了搜索外,还提供了针对ElasticSearch数据进行统计分析的功能;

    相对于Hadoop而言,ElasticSearch在这方面实时性高,比Hadoop的T+1更及时。

    2)通过聚合,会得到一个数据的概览,这样就可以分析和总结全套的数据,而不是仅仅能寻找单个文档;

    3)易用性,只需要一条语句,就可以从ElasticSearch中得到分析结果,从而避免在客户端实现分析逻辑;

  2、聚合的分类

    1)Bucket Aggregation:一些列满足特定条件的文档集合,其相当于SQL中的Group By;

    2)Metric Aggregation:一些数学运算,可以对文档字段进行统计分析;

      其相当于SQL中对于字段进行运算的函数,如Sum、Count等。它除了可以在字段上进行计算,还可以在脚本产生的结果上进行计算。

      大多数Metric是数学计算,输出一个值,如:min/max/sum/avg/cardinality。

      部分支持输出多个值,如:stats/percentiles/percentile_ranks。

    3)Pipeline Aggregation:对其他的聚合结果进行二次聚合;

    4)Matrix Aggregation:支持对多个字段的操作并提供一个结果矩阵;

  3、聚合的使用

    1)Bucket Aggregation

    ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    2)Metric Aggregation

    ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    注意:在做聚合分析时,应将aggs前面的size设置为0,否则会返回查询结果,而不是聚合结果。如果写成20,聚合结果也能统计出来,只是在查询结果的后面。

    大家可关注我的公众号

     ElasticStack学习(八):ElasticSearch索引模板与聚合分析初探

    知识学习来源:阮一鸣:《Elasticsearch核心技术与实战》

上一篇:mysql转ElasticSearch的分析 及JAVA API 初探


下一篇:ubuntu创建wifi热点(android可识别)亲测可用