elasticsearch - ElasticSearch-如何汇总几何平均值？

Question

我目前正在汇总记录，以获取返回记录中字段的平均值(算术平均值)。我的用例要求我掌握几何平均值:

The geometric mean is defined as the nth root of the product of n

我该如何获得这个值(value)？我什至不知道从哪里开始!

谢谢!

Answer 1

这不是小事，但是可以做到的。这个想法是使用日志的总和，然后应用第n个根:

pow(exp((sum of logs)), 1/n)

实际上，GeometricMean的Elasticsearch Index Termlist Plugin聚合正是这样做的。 (但是，这是一个第三方插件，我无法确定它是否足够稳定。)

映射和样本数据

假设我们具有以下映射:

PUT geom_mean
{
  "mappings": {
    "nums": {
      "properties": {
        "x": {
          "type": "double"
        }
      }
    }
  }
}

我们插入以下文件:

{"x":33}
{"x":324}
{"x":134}
{"x":0.1}

现在我们可以尝试查询。

ES查询

这是计算几何平均值的查询:

POST geom_mean/nums/_search
{
  "size": 0,
  "aggs": {
    "aggs_root": {
      "terms": {
        "script": "'Bazinga!'"
      },
      "aggs": {
        "sum_log_x": {
          "sum": {
            "script": {
              "inline": "Math.log(doc.x.getValue())"
            }
          }
        },
        "geom_mean": {
          "bucket_script": {
            "buckets_path": {
              "sum_log_x": "sum_log_x",
              "x_cnt": "_count"
            },
            "script": "Math.pow(Math.exp(params.sum_log_x), 1 / params.x_cnt)"
          }
        }
      }
    }
  }
}

返回值将是:

  "aggregations": {
    "aggs_root": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 0,
      "buckets": [
        {
          "key": "Bazinga!",
          "doc_count": 4,
          "sum_log_x": {
            "value": 11.872505784215674
          },
          "geom_mean": {
            "value": 19.455434622111177
          }
        }
      ]
    }
  }

现在有点解释。聚合sum_log_x计算x的总和。名为geom_mean的聚合是一种sibling pipeline aggregation，它应用于sum_log_x聚合(其同级)的结果。它使用特殊的存储桶路径_count来获取元素数。 (Here您可以阅读有关bucket_script聚合的更多信息。)

最终的技巧是用某种聚合来包装它们两者，因为如this issue中所述，bucket_script不能是顶级聚合。在这里，我对总是返回terms的脚本进行'Bazinga!'聚合

感谢anhzhi提出了此技巧。

重要注意事项

由于几何平均值是通过对数计算的，因此所有x值均应大于0。但是:

如果任何值小于0，则结果为"NaN"

如果所有值均为非负且小于"+Infinity"，但至少一个值为0，则结果为"-Infinity"

如果"+Infinity"和"-Infinity"都在值中，则结果为"NaN"。

这些查询已使用Elasticsearch 5.4进行了测试。尚未对大量文档的性能进行测试，您可以考虑将x及其日志一起插入以提高聚合效率。

希望有帮助!