通过elasticsearch-sql使用SQL语句聚合查询Elasticsearch获取各种metrics度量值

Elasticsearch的metrics（度量）包含count、sum、avg、max、min、percentiles(百分位数)、Unique count（基数 || 去重计数）、Median（中位数）、扩展度量（含方差、平方和、标准差、标准差界限）、Percentile ranks（百分位等级）

1.count（数量）：

SELECT count(log_date.d) AS Count FROM INDEX-2017-12

2.sum（和）：

SELECT sum(log_date.d) AS SUM FROM INDEX-2017-12

3.avg（平均数）：

SELECT avg(log_date.d) AS AVG FROM INDEX-2017-12

4.max（最大值）：

SELECT max(log_date.d) AS MAX FROM INDEX-2017-12

5.min（最小值）：

SELECT min(log_date.d) AS MIN FROM INDEX-2017-12

6.percentiles（百分位数）：

SELECT percentiles(log_date.d,1.0,15.0,31.0) AS Percentiles FROM INDEX-2017-12

7.Unique count（基数 || 去重计数，就是SQL中的distinct）：

SELECT count(distinct(log_date.d)) AS UniqueCount FROM INDEX-2017-12

8.Median（中位数）：

中位数没找到单独的获取方法，不过在Kibana中看到获取中位数时请求中的参数，其实就是获取的某个字段50的百分位数，所以可能有：中位数=50的百分位数

SELECT percentiles(log_date.d,50.0) AS percentiles FROM INDEX-2017-12

9.方差、平方和、标准差、标准差界限：

这几个度量没有单独方法去获取，都是用EXTENDED_STATS一个请求全部获取下来，然后从中取自己需要的结果

SELECT EXTENDED_STATS(log_date.d) AS EXTENDED_STATS FROM INDEX-2017-12

EXTENDED_STATS查询结果包含：方差、平方和、标准差、标准差界限以及最大值、平均数等基础度量，具体如下：

"aggregations": {
    "1": {
      "count": 15304326,
      "min": 1,
      "max": 31,
      "avg": 15.068216202399244,
      "sum": 230608893,
      "sum_of_squares": 4588588661,
      "variance": 72.7718426201877,
      "std_deviation": 8.530641395591992,
      "std_deviation_bounds": {
        "upper": 32.129498993583226,
        "lower": -1.9930665887847407
      }
    }
  }

10.Percentile ranks（百分位等级）

暂时没找到求百分位等级的SQL语句，只能用原生ES查询语句获取了；

ES原生查询语句如下：

{
  "size": 0,
  ......
  "aggs": {
    "1": {
      "percentile_ranks": {
        "field": "log_date.d",
        "values": [
          6,
          15,
          31
        ],
        "keyed": false
      }
    }
  }
}

附elasticsearch-sql的GitHub地址：https://github.com/NLPchina/elasticsearch-sql

Elasticsearch官方文档（中文版）地址：https://www.elastic.co/guide/cn/elasticsearch/guide/cn/aggregations.html