1、聚合后分页应用场景
在常规检索的基础上，用户期望返回基于特定字段的聚合结果，且用户期望分页查看检索和聚合结果。
如下图所示：以2020东京奥运会热点新闻亚洲飞人"苏炳添”为例，用户期望查看有关“苏炳添”的新闻，同时期望查看相同标题的相似文章列表。
- 标题：如“9秒98！苏炳添百米决赛第六！铭记这个历史瞬间!"，隶属：新闻的标题。
- 相似文章数：如 26，需要借助：实时聚合实现。
- 翻页：向后翻页或随机翻页。
显然，传统的from + size 分页检索不支持聚合后分页，已不能满足需求。
在【Elasticsearch聚合后分页深入详解】博文中，我探讨过聚合后分页查询的实现，核心方法是：需要借助程序自己实现。
那是 2018 年的博文，3.5 年后的 2021年，有没有新的实现方式呢？
2、聚合后分页新的实现
实际在 Elasticsearch 6.1 版本（2017年12月13日 发布）就推出了：Composite 聚合方式，能实现聚合后分页查询。
2.0 认知前提——单桶聚合&多桶聚合
一图胜千言。以如下图示，代表聚合之前的原始数据，无需过多解释，大家一看就明白。
- name：product_0*: 产品名称；
- color：颜色；
- pt：发布时间；
- brand：品牌；
- price：价格。
数据建模如下：
PUT my-products
{
"mappings": {
"properties": {
"brand": {
"type": "keyword"
},
"pt": {
"type": "date"
},
"name": {
"type": "keyword"
},
"color": {
"type": "keyword"
},
"price":{
"type":"integer"
}
}
}
}
批量写入数据如下：
PUT my-products/_bulk
{"index":{"_id":1}}
{"brand":"nike","pt":"2021-01-01","name":"product_01","color":"red","price":600}
{"index":{"_id":2}}
{"brand":"grke","pt":"2021-02-01","name":"product_02","color":"red","price":200}
{"index":{"_id":3}}
{"brand":"lining","pt":"2021-03-01","name":"product_03","color":"green","price":300}
{"index":{"_id":4}}
{"brand":"lining","pt":"2021-02-01","name":"product_04","color":"green","price":450}
{"index":{"_id":5}}
{"brand":"grke","pt":"2021-04-01","name":"product_05","color":"blue","price":180}
{"index":{"_id":6}}
{"brand":"grke","pt":"2021-02-01","name":"product_06","color":"yellow","price":165}
{"index":{"_id":7}}
{"brand":"grke","pt":"2021-02-01","name":"product_07","color":"yellow":"price":190}
{"index":{"_id":8}}
{"brand":"lining","pt":"2021-04-01","name":"product_08","color":"blue","price":500}
{"index":{"_id":9}}
{"brand":"nike","pt":"2021-01-01","name":"product_09","color":"blue","price":1000}
2.0.1 单桶聚合
terms 单桶聚合结果如下：
- 以品牌类别聚合
实现如下：
POST my-products/_search
{
"size": 0,
"aggs": {
"brand_terms": {
"terms": {
"field": "brand",
"size": 10
}
}
}
}
按照颜色、日期实现方式一致，不再赘述。
- 以颜色聚合
- 以日期聚合
2.0.2 多桶聚合
Elastic search 支持 multi-terms 多桶聚合。
multi-terms 是 terms 聚合的引申，terms 支持 单个关键字的聚合，而multi-terms 顾名思义——多个关键字的聚合。
举例：multi-terms 按照品牌、颜色两个桶聚合如下：
多桶聚合实现如下：
GET my-products/_search
{
"size":0,
"aggs": {
"brands_and_colors_aggs": {
"multi_terms": {
"terms": [
{
"field": "brand"
},
{
"field": "color"
}
]
}
}
}
}
多桶聚合返回结果如下：
这时候，不免会有问题，如果想按照品牌和价格区间(histogram）或日期区间（date_histogram) 实现聚合统计分析，该如何实现呢？
显然，multi-terms 聚合只支持：多个 terms 聚合操作，是不能满足需求的。
而，Composite 组合聚合应运而生，巧妙的解决了如上组合聚合问题。
2.1 Composite 聚合介绍
2.1.1 Composite 聚合定义
Composite 是个六级词汇，含义：并合的，复合的，混成的，合成的，集成的。
Composite 聚合是一种多桶聚合，可从不同来源创建复合桶。
具体哪些不同源呢？主要支持的聚合方式如下：
- Terms 特定关键字聚合
- Histogram 区间聚合
- Date histogram 日期区间聚合
- GeoTile grid Geo地理位置聚合
与其他多桶聚合不同，使用 Composite 聚合有效地对多级聚合( multi-level )中的所有桶进行分页。Composite 聚合提供了一种流式传输特定聚合的所有桶的方法，类似于Scroll 检索（滚动检索，适用于全量查询数据的业务场景）的实现。
关于Scroll 检索推荐阅读：
干货 | 全方位深度解读 Elasticsearch 分页查询
Composite 聚合是根据为每个文档提取/创建的值的组合构建的，每个组合都被视为一个复合桶（2.1.3 会详细举例什么是复合桶）。
2.1.2 Composite 聚合的核心功能
Composite 聚合较其他聚合的核心不同点如下：
- 支持多类型组合桶聚合。打破传统多桶单类型聚合的壁垒，支持：Terms、Histogram、Data histogram、GeoTile grid Geo 聚合。
- 支持聚合后分页。类似：scroll 检索的，仅支持向后翻页，不支持随机翻页。
2.1.3 Composite 聚合语法
Composite 语法参考如下：
GET my-products/_search
{
"size": 0,
"aggs": {
"my_buckets": {
"composite": {
"size": 5,
"sources": [
{
"brand_terms": {
"terms": {
"field": "brand",
"order": "asc"
}
}
},
{
"prices_histogram": {
"histogram": {
"field": "price",
"interval": 50,
"order": "asc"
}
}
}
],
"after": {
"brand_terms": "lining",
"prices_histogram": 500
}
}
}
}
}
- sources：指定组合分桶里各个分桶检索语句，可以是一个或者多个（中括弧里面包含多个大括弧子分桶聚合语句）。
- size：每次返回的结果数。
- after：翻页使用，每一次检索都会有一个：“after_key”键值对组合，供下次检索使用。
- 复合桶：{ "brand_terms": "lining", "prices_histogram": 500 } 实则为：品牌和价格区间两者组成的复合桶。
- order：分桶内的排序方式。
3、Composite 聚合后分页实战演练
有了上面的分析，再来看Composite 聚合会非常轻松。
拿 2.0 小节的建模数据为示例。
假定需要实现：基于时间区间间隔一个月为单位，且基于品牌名称两个组合桶聚合，然后各个组合桶内实现聚合统计各个组合桶的平均价格。
拆解如下：
第一：组合桶。
- 分桶一：data_histogram 实现按照发布时间间隔周期（指定为1个月）的聚合。
- 分桶二：terms 品牌聚合。
第二：基于组合桶实现各个组合桶平均价格的统计。
通过组合指标聚合 avg aggregation 实现组合桶内求平均值的子聚合效果。
GET my-products/_search
{
"size": 0,
"aggs": {
"my_buckets": {
"composite": {
"size":5,
"sources": [
{
"date": {
"date_histogram": {
"field": "pt",
"calendar_interval": "1m",
"order": "desc",
"time_zone": "Asia/Shanghai"
}
}
},
{
"product": {
"terms": {
"field": "brand"
}
}
}
]
},
"aggregations": {
"the_avg": {
"avg": {
"field": "price"
}
}
}
}
}
}
返回结果如下：
说好的聚合后分页呢？
就是在上面语句的后面，执行下一页翻页的时候，加上上一页返回的“after_key”值（对应如下代表标红：“after”部分）即可。
GET my-products/_search
{
"size": 0,
"aggs": {
"my_buckets": {
"composite": {
"size": 5,
"sources": [
{
"date": {
"date_histogram": {
"field": "pt",
"calendar_interval": "1m",
"order": "desc",
"time_zone": "Asia/Shanghai"
}
}
},
{
"product": {
"terms": {
"field": "brand"
}
}
}
],
"after": {
"date": 1612137600000,
"product": "lining"
}
},
"aggregations": {
"the_avg": {
"avg": {
"field": "price"
}
}
}
}
}
}
在生产环境只需要将上述内容拼成java 或者 python 代码，实现向后翻页。
4、Composite 聚合注意事项
- Composite 聚合仅能实现向后翻页，不支持随机翻页。
- Composite 聚合目前与管道（pipeline）聚合（基于聚合结果的子聚合方式）不兼容，在大多数情况下也没有意义（会导致结果不准确）。
5、小结
本文重点讲述了聚合后分页的新实现方式——Composite 聚合，说新其实是较6.1 版本之前的自己实现的方式而言。
Composite 聚合的两大核心特点：组合桶（支持四种类型）聚合、聚合后分页。
您的实战环节有用到聚合后分页吗？如何实现的呢？欢迎留言交流细节。
参考
1. https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-multi-terms-aggregation.html
2. https://github.com/elastic/elasticsearch/pull/26800
3. https://ramyav.medium.com/composite-aggregation-using-java-api-38882cabc886
