elasticsearch 7.x 分組聚合查詢

多條件分組聚合查詢

import org.elasticsearch.search.aggregations.*;

SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
        searchSourceBuilder.query(QueryBuilders.boolQuery()
                .must(QueryBuilders.rangeQuery("timestamp")
                        .timeZone("GMT+8")
                        .gte(startTime)
                        .lte(endTime))
);

// 聚合條件,text類型的字段聚合需要利用keyword
TermsAggregationBuilder aggregation = AggregationBuilders.terms("by_clientip").field("clientip.keyword")
                .subAggregation(AggregationBuilders.terms("by_http_host").field("http_host.keyword")
                        .subAggregation(AggregationBuilders.terms("by_http_user_agent").field("http_user_agent.keyword")
                                .subAggregation(AggregationBuilders.max("by_timestamp").field("timestamp")
                                )));

searchSourceBuilder.aggregation(aggregation);

searchSourceBuilder.timeout(new TimeValue(60, TimeUnit.SECONDS));
searchSourceBuilder.sort(new FieldSortBuilder("timestamp").order(SortOrder.DESC));
searchRequest.source(searchSourceBuilder);
searchRequest.indicesOptions(IndicesOptions.lenientExpandOpen());
SearchResponse searchResponse = restHighLevelClient.search(searchRequest, RequestOptions.DEFAULT);

List<Map<String, Object>> mapList = new ArrayList<>();

Terms ipTerms = searchResponse.getAggregations().get("by_clientip");
for (Terms.Bucket ipBucket : ipTerms.getBuckets()) {
       String ip = ipBucket .getKeyAsString();
       Terms hostTerms = ipBucket.getAggregations().get("by_http_host");
       for (Terms.Bucket ob : hostTerms.getBuckets()) {
                String host= ob.getKeyAsString();
                Terms uaTerms = ob.getAggregations().get("by_http_user_agent");
                for (Terms.Bucket o : uaTerms.getBuckets()) {
                    String ua = ((Terms.Bucket) o).getKeyAsString();
                    Max timeTerms = o.getAggregations().get("by_timestamp");
                    Map<String, Object> map = new HashMap<>();
                    map.put("id", UUID.randomUUID().toString().replaceAll("-", ""));
                    map.put("clientIp", ip);
                    map.put("timestamp", timeTerms.getValue());
                    map.put("userAgent", ua);
                    mapList.add(map);
                }
        }
 }


最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末榕堰,一起剝皮案震驚了整個(gè)濱河市余境,隨后出現(xiàn)的幾起案子翰苫,更是在濱河造成了極大的恐慌,老刑警劉巖馍悟,帶你破解...
    沈念sama閱讀 206,839評(píng)論 6 482
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件糠悯,死亡現(xiàn)場(chǎng)離奇詭異,居然都是意外死亡踩身,警方通過查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 88,543評(píng)論 2 382
  • 文/潘曉璐 我一進(jìn)店門社露,熙熙樓的掌柜王于貴愁眉苦臉地迎上來挟阻,“玉大人,你說我怎么就攤上這事峭弟「礁耄” “怎么了?”我有些...
    開封第一講書人閱讀 153,116評(píng)論 0 344
  • 文/不壞的土叔 我叫張陵瞒瘸,是天一觀的道長(zhǎng)坷备。 經(jīng)常有香客問我,道長(zhǎng)情臭,這世上最難降的妖魔是什么省撑? 我笑而不...
    開封第一講書人閱讀 55,371評(píng)論 1 279
  • 正文 為了忘掉前任,我火速辦了婚禮俯在,結(jié)果婚禮上竟秫,老公的妹妹穿的比我還像新娘。我一直安慰自己跷乐,他們只是感情好肥败,可當(dāng)我...
    茶點(diǎn)故事閱讀 64,384評(píng)論 5 374
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著劈猿,像睡著了一般。 火紅的嫁衣襯著肌膚如雪潮孽。 梳的紋絲不亂的頭發(fā)上揪荣,一...
    開封第一講書人閱讀 49,111評(píng)論 1 285
  • 那天,我揣著相機(jī)與錄音往史,去河邊找鬼仗颈。 笑死,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的挨决。 我是一名探鬼主播请祖,決...
    沈念sama閱讀 38,416評(píng)論 3 400
  • 文/蒼蘭香墨 我猛地睜開眼,長(zhǎng)吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼脖祈!你這毒婦竟也來了肆捕?” 一聲冷哼從身側(cè)響起,我...
    開封第一講書人閱讀 37,053評(píng)論 0 259
  • 序言:老撾萬榮一對(duì)情侶失蹤盖高,失蹤者是張志新(化名)和其女友劉穎慎陵,沒想到半個(gè)月后,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體喻奥,經(jīng)...
    沈念sama閱讀 43,558評(píng)論 1 300
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡席纽,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,007評(píng)論 2 325
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了撞蚕。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片润梯。...
    茶點(diǎn)故事閱讀 38,117評(píng)論 1 334
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖甥厦,靈堂內(nèi)的尸體忽然破棺而出纺铭,到底是詐尸還是另有隱情,我是刑警寧澤矫渔,帶...
    沈念sama閱讀 33,756評(píng)論 4 324
  • 正文 年R本政府宣布彤蔽,位于F島的核電站,受9級(jí)特大地震影響庙洼,放射性物質(zhì)發(fā)生泄漏顿痪。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,324評(píng)論 3 307
  • 文/蒙蒙 一油够、第九天 我趴在偏房一處隱蔽的房頂上張望蚁袭。 院中可真熱鬧,春花似錦石咬、人聲如沸揩悄。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,315評(píng)論 0 19
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽删性。三九已至,卻和暖如春焕窝,著一層夾襖步出監(jiān)牢的瞬間蹬挺,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 31,539評(píng)論 1 262
  • 我被黑心中介騙來泰國(guó)打工它掂, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留巴帮,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 45,578評(píng)論 2 355
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像榕茧,于是被迫代替她去往敵國(guó)和親垃沦。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 42,877評(píng)論 2 345