ElasticSearch之Java Api聚合分组实战

最近有个日志收集监控的项目采用的技术栈是ELK+JAVA+Spring，客户端语言使用的是Java，以后有机会的话可以试一下JavaScript+Nodejs的方式，非常轻量级的组合，只不过不太适合服务化的工程，Kibana充当可视化层，功能虽然非常强大和灵活，但是需要业务人员懂Lucene的查询语法和Kibana的Dashboard仪表盘自定义功能才能玩的转，所以Kibana面向专业的开发人员和运维人员比较良好，但面向业务人员则稍微有点难度，我们这边就使用Java进行二次开发，然后前端定义几个业务人员关注的图表，然后把后端查询的数据，按照一定的维度放进去即可。

基础环境：
（1）ElasticSearch1.7.2
（2）Logstash2.2.2
（3）Kibana4.1.2
（3）JDK7
（4）Spring4.2


使用到的技术点：
（1）ElasticSearch的查询
（2）ElasticSearch的过滤
（3）ElasticSearch的日期聚合
（4）ElasticSearch的Terms聚合
（5）ElasticSearch的多级分组
（6）ElasticSearch+Logstash的时区问题

直接上代码：

package cn.bizbook.product.elk.dao.impl;

import cn.bizbook.product.elk.config.ESConf;
import cn.bizbook.product.elk.dao.ESDao;
import cn.bizbook.product.elk.utils.TimeTools;
import cn.bizbook.product.elk.vo.count.Condition;
import cn.bizbook.product.elk.vo.count.CountType;
import cn.bizbook.product.elk.vo.count.search.GroupCount;
import cn.bizbook.product.elk.vo.count.search.MonitorCount;
import org.apache.commons.lang.StringUtils;
import org.apache.lucene.queryparser.classic.QueryParserBase;
import org.elasticsearch.action.search.SearchRequestBuilder;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.Client;
import org.elasticsearch.index.query.FilterBuilders;
import org.elasticsearch.index.query.QueryBuilder;
import org.elasticsearch.index.query.QueryBuilders;
import org.elasticsearch.index.query.QueryStringQueryBuilder;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.Aggregations;
import org.elasticsearch.search.aggregations.bucket.histogram.DateHistogram;
import org.elasticsearch.search.aggregations.bucket.histogram.DateHistogramBuilder;
import org.elasticsearch.search.aggregations.bucket.histogram.Histogram;
import org.elasticsearch.search.aggregations.bucket.terms.StringTerms;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Repository;

import javax.annotation.Resource;
import java.util.ArrayList;
import java.util.List;

/**
 * Created by qindongliang on 2016/4/6.
 */
@Repository("esDaoImpl")
public class ESDaoImpl implements ESDao {

    private static Logger log= LoggerFactory.getLogger(ESDaoImpl.class);
    @Autowired
    private ESConf esConf;

    @Resource(name = "client")
    private  Client client;


    @Override
    public MonitorCount count() {
        MonitorCount count=new MonitorCount();
        //今天的数量
        count.setToday_count(customCount(false,"*:*"));
        //今天的入库量
        count.setToday_store_count(customCount(false,"-save:1"));
        //所有的总量
        count.setTotal_count(customCount(true,"*:*"));
        //所有的入库总量
        count.setTotal_store_count(customCount(true,"-save:1"));
        return count;
    }

    private long customCount(boolean isQueryAll, String queryString){
        try {
            //今天的开始时间 比如2016-04-01 00:00:00
            long today_start = TimeTools.getDayTimeStamp(0);
            //今天的结束时间 也就是明天的开始时间 比如2016-04-02 00:00:00
            //一闭区间一开区间即得到一天的统计量
            long today_end=TimeTools.getDayTimeStamp(1);
            StringBuffer fq = new StringBuffer();
                     fq.append("@timestamp:")
                    .append(" [ ")
                    .append(today_start)
                    .append(" TO  ")
                    .append(today_end)
                    .append(" } ");
            //构建查询请求，使用Lucene高级查询语法
            QueryBuilder query=QueryBuilders.queryStringQuery(queryString);
            //构建查询请求
            SearchRequestBuilder search = client.prepareSearch("crawl*").setTypes("logs");
            //非所有的情况下，设置日期过滤
            if(isQueryAll){
                search.setQuery(query);//查询所有
            }else {//加上日期过滤
                search.setQuery(QueryBuilders.filteredQuery(query, FilterBuilders.queryFilter(QueryBuilders.queryStringQuery(fq.toString()))));
            }
            SearchResponse r = search.get();//得到查询结果
            long hits = r.getHits().getTotalHits();//读取命中数量
            return hits;
        }catch (Exception e){
            log.error("统计日期数量出错！",e);
        }
        return 0;
    }


    @Override
    public List<GroupCount> query(Condition condition) {
        return grouyQuery(condition);
    }

    /***
     * @param c 查询的条件
     * @return 查询的结果
     */
    private List<GroupCount> grouyQuery(Condition c){
        //封装结果集
        List<GroupCount> datas=new ArrayList<>();
        //组装分组
        DateHistogramBuilder dateAgg = AggregationBuilders.dateHistogram("dateagg");
        //定义分组的日期字段
        dateAgg.field("@timestamp");
        //按天分组
        if(CountType.EACH_DAY==(c.getType())) {
            dateAgg.interval(DateHistogram.Interval.DAY);
            dateAgg.timeZone("+8:00");
            dateAgg.format("yyyy-MM-dd");
        //按小时分组
        }else if(CountType.EACH_HOUR==c.getType()){
            dateAgg.interval(DateHistogram.Interval.HOUR);
            //按小时分组，必须使用这个方法，不然得到的结果不正确
            dateAgg.postZone("+8:00");
            dateAgg.format("yyyy-MM-dd HH");
        //无效分组
        }else{
            throw new NullPointerException("无效的枚举类型");
        }
        //二级分组，统计入库的成功失败量 0 1 2 , 1为不成功
        dateAgg.subAggregation(AggregationBuilders.terms("success").field("save"));

        //查询过滤条件
        StringBuffer fq = new StringBuffer();
        //过滤时间字段
        fq.append(" +@timestamp:")
                .append(" [ ")
                .append(c.getStart().getTime())
                .append(" TO  ")
                .append(c.getEnd().getTime())
                .append(" } ");
        //过滤一级
        if(StringUtils.isNotEmpty(c.getT1())){
            fq.append(" +t1:").append(c.getT1());
        }
        //过滤二级
        if(StringUtils.isNotEmpty(c.getT2())){
            fq.append(" +t2:").append(c.getT2());
        }
        //过滤三级
        if(StringUtils.isNotEmpty(c.getT3())){
            fq.append(" +t3:").append(c.getT3());
        }
        //过滤url
        if(StringUtils.isNotEmpty(c.getSourceUrl())){
            //对url进行转义，防止查询出现错误
            fq.append(" +url:").append(QueryParserBase.escape(c.getSourceUrl()));
        }
        //过滤省份编码
        if(StringUtils.isNotEmpty(c.getProvinceCode())){
            fq.append(" +pcode:").append(c.getProvinceCode());
        }
        //过滤入库状态
        if(c.getSavaState()!=null){
            fq.append(" +save:").append(c.getSavaState().getCode());
        }
        //过滤http状态码
        if(c.getWebsiteState()!=null){
            if(!c.getWebsiteState().getCode().equals("-1")) {
                fq.append(" +httpcode:").append(c.getWebsiteState().getCode());
            }else{
                fq.append(" -httpcode:").append("(0 110 200)");
            }
        }
        //过滤配置configid
        if(StringUtils.isNotEmpty(c.getConfigId())){
            fq.append(" +cid:").append(c.getConfigId());
        }



        //查询索引
        SearchRequestBuilder search=client.prepareSearch("crawl*").setTypes("logs");
        //组装请求
        search.setQuery(QueryBuilders.filteredQuery(QueryBuilders.matchAllQuery(),
                FilterBuilders.queryFilter(QueryBuilders.queryStringQuery(fq.toString())
                        .defaultOperator(QueryStringQueryBuilder.Operator.AND)
                ))).addAggregation(dateAgg);
        //获取查询结果
        SearchResponse r = search.get();//得到查询结果
        //获取一级聚合数据
        Histogram h=r.getAggregations().get("dateagg");
        //得到一级聚合结果里面的分桶集合
        List<DateHistogram.Bucket> buckets = (List<DateHistogram.Bucket>) h.getBuckets();
        //遍历分桶集
        for(DateHistogram.Bucket b:buckets){
            //读取二级聚合数据集引用
            Aggregations sub = b.getAggregations();
            //获取二级聚合集合
            StringTerms count = sub.get("success");
            GroupCount groupCount=new GroupCount();
            //设置x轴分组日期
            groupCount.setGroupKey(b.getKey());
            //设置指定分组条件下入库总量
            groupCount.setTotal_count(b.getDocCount());
            //读取指定分组条件下不成功的数量
            long bad_count=count.getBucketByKey("1")==null?0:count.getBucketByKey("1").getDocCount();
            //设置指定分组条件下成功的入库量
            groupCount.setTotal_store_count(b.getDocCount()-bad_count);
            //计算成功率
            groupCount.setSuccess_rate(groupCount.getTotal_store_count()*1.0/groupCount.getTotal_count());
            //添加到集合里面
            datas.add(groupCount);
        }
        return datas;
    }



}

总结：
（1）关于时区的问题，目前发现在测试按小时，按天分组统计的时候，时区使用的方法不是一致的，而postZone这个方法，在1.5版本已经废弃，说是使用timeZone替代，但经测试发现在按小时分组的时候，使用timeZone加8个时区的并没生效，后续看下最新版本的ElasticSearch是否修复。
（2）使用Terms的聚合分组时，这个字段最好是没有分过词的，否则大量的元数据返回，有可能会发生OOM的异常
（3）在不需要评分排名查询的场景中，尽量使用filter查询，elasticsearch会缓存查询结果，从而能大幅提高检索性能

今天先总结这么多，后续有空再关注下
（1）elasticsearch中的Aggregations和Facet的区别以及对比Solr中的Group和Facet的区别
（2）在不同的聚合渠道中多级分组中是组内有序还是全局有序



有什么问题 可以扫码关注微信公众号：我是攻城师(woshigcs)，在后台留言咨询。
本公众号的内容是有关搜索和大数据技术和互联网等方面内容的分享，也是一个温馨的技术互动交流的小家园