필터 추가하기

집계 절에 filter() 을 사용하여 결과를 필터링합니다. 예를 들어 이전 예제에서 별도로 제출한 것과 동일한 필터를 aggregation 절에 직접 지정할 수 있습니다.

{
  "aggregation": "filter(enriched_text.entities:(text::Gilroy,type::Location)).term(enriched_text.entities.type)"
}

이 경우 filter().term() 집계는 별도의 filter 및 aggregation 절을 사용한 이전 예제와 동일한 결과를 찾습니다. 그러나 filter 절을 사용하면 결과의 순위가 달라집니다. 다음 예제와 같이 filter() 절 내에 aggregation 절을 사용하여 일련의 표현식에서 결과를 필터링하면 이 차이를 활용할 수 있습니다.

중첩된 개체부터 시작하기

이전 예제에서 "matching_counts" 값은 필터 및 집계와 일치하는 문서 수를 나타냅니다. 쿼리 응답에 얼마나 많은 nested 객체가 있는지 계산하고 싶을 수 있습니다. nested() 집계를 사용하면 다른 집계 용어의 입력으로 사용되는 문서 집합을 변경할 수 있습니다.

예를 들어 다음 쿼리에서 nested() 세그먼트는 enriched_text.entities 중첩 개체를 모두 filter() 및 term() 세그먼트에서 사용하는 입력으로 선택합니다.

{
  "aggregation": "nested(enriched_text.entities).filter(enriched_text.entities.type::Organization).term(enriched_text.entities.text,count:3)"
}

쿼리는 다음과 같이 보이는 aggregations 개체를 반환합니다:

{
  "aggregations": [
    {
      "type": "nested",
      "path": "enriched_text.entities",
      "matching_results": 1993,
      "aggregations": [
        {
          "type": "filter",
          "match": "enriched_text.entities.type::Organization",
          "matching_results": 645,
          "aggregations": [
            {
              "type": "term",
              "field": "enriched_text.entities.text",
              "count": 3,
              "results": [
                {
                  "key": "IBM",
                  "matching_results": 36
                },
                {
                  "key": "Docker",
                  "matching_results": 12
                },
                {
                  "key": "OpenShift",
                  "matching_results": 12
                }
              ]
            }
          ]
        }
      ]
    }
  ]
}

쿼리의 nested() 세그먼트에서 1993개의 enriched_text.entities 중첩된 개체를 찾았습니다. 이러한 개체에 필터를 적용한 결과 enriched_text.entities 유형의 645개 Organization 가 발견되었습니다.

터미널 작업

대부분의 집계 유형에서 여러 집계 연산을 사용하여 쿼리를 구성하면 첫 번째 연산이 문서에 적용됩니다. 그런 다음 해당 작업의 출력이 다음 작업의 입력으로 사용됩니다. 그러나 집계 유형의 하위 집합은 터미널 작업입니다. 터미널 작업의 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 대신, 출력은 불연속형 그룹으로 반환됩니다.

집계 유형을 결합하고 터미널 연산을 수행하는 집계를 포함하는 요청의 예는 average 집계 유형에 대한 두 번째 예제 를 참조하세요.

구문

average(field)

예

average 집계 유형이 price 필드에 표 1에 표시된 값이 포함된 문서 집합에 적용되면 결과는 325 이 됩니다.

average(price)=325

이 집계 유형은 터미널 작업을 수행합니다. 다른 집계와 결합할 경우 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 출력은 불연속형 그룹으로 반환됩니다.

{
    "query":"brake",
    "aggregation": "term(field:STATE,count:3).average(field:VEH_SPEED).term(field:CITY,count:2)"
}

첫 번째 term 집계 작업에서 반환된 각 상태에 대해 응답은 인시던트 보고서에 지정된 평균 차량 속도를 표시합니다. 두 번째 term 집계는 term 집계가 아닌 첫 번째 average 집계의 출력을 입력으로 사용한다는 점에 유의하세요.

{
  "matching_results": 9064,
  "retrieval_details": {
    "document_retrieval_strategy": "untrained"
  },
  "aggregations": [
    {
      "type": "term",
      "field": "STATE",
      "count": 3,
      "results": [
        {
          "key": "CA",
          "matching_results": 1210,
          "aggregations": [
            {
              "type": "average",
              "field": "VEH_SPEED",
              "value": 26.239653512993264
            },
            {
              "type": "term",
              "field": "CITY",
              "count": 2,
              "results": [
                {
                  "key": "LOS ANGELES",
                  "matching_results": 77
                },
                {
                  "key": "SAN DIEGO",
                  "matching_results": 66
                }
              ]
            }
          ]
        }

구문

filter(field)

예

다음 예에서는 IBM 이 언급된 문서만 포함하도록 일치하는 문서 집합을 필터링합니다.

filter(enriched_text.entities.text:IBM)

다른 집계와 결합할 때 지정한 조건을 충족하는 문서만 포함하도록 설정된 일치하는 문서를 필터링합니다.

{
    "query":"brake",
    "aggregation": "filter(VEH_SPEED>50).term(field:STATE,count:3).term(field:CITY,count:2)"
}

쿼리 응답은 브레이크와 관련된 사고가 발생하고 차량 속도가 50을 초과하는 도시를 보여줍니다.

{
  "matching_results": 9064,
  "retrieval_details": {
    "document_retrieval_strategy": "untrained"
  },
  "aggregations": [
    {
      "type": "filter",
      "match": "VEH_SPEED>50",
      "matching_results": 1075,
      "aggregations": [
        {
          "type": "term",
          "field": "STATE",
          "count": 3,
          "results": [
            {
              "key": "CA",
              "matching_results": 176,
              "aggregations": [
                {
                  "type": "term",
                  "field": "CITY",
                  "count": 2,
                  "results": [
                    {
                      "key": "FONTANA",
                      "matching_results": 6
                    },
                    {
                      "key": "ALTA LOMA",
                      "matching_results": 5
                    }
                  ]
                }
              ]
            }

구문

group_by(condition:[(condition 1),(condition 2)...])

각 조건은 괄호로 묶인 유효한 검색 쿼리 언어 표현식으로 지정해야 합니다. 예를 들어, (age<20) 또는 (flavor:chocolate)입니다. 정의할 수 있는 조건의 최대 개수는 50개입니다.

선택적으로 relevancy 매개 변수를 포함하고 true 로 설정하여 지정된 조건을 충족하는 문서 집합의 관련성 값을 반환할 수 있습니다. true 을 사용하면 결과가 관련성별로 정렬됩니다. false 인 경우 결과가 가장 많은 matching_results 를 기준으로 정렬됩니다.

예

다음 요청은 engine 이라는 용어가 언급된 문서를 찾아서 자동차 제조 연도별로 그룹화합니다. 문서는 2000년 이전에 제조된 차량과 관련된 교통 사고 보고서, 2000년 이후에 제조된 차량, 2000년 이후에 제조된 차량의 3개 그룹으로 분류되어 있습니다.

{
    "query":"engine",
    "aggregation": "group_by(condition:[(YEARTXT<2000),(YEARTXT=2000),(YEARTXT>2000)],relevancy:true)"
}

결과는 다음과 같습니다:

{
  "type": "group_by",
  "results": [
    {
    "key": "YEARTXT<2000",
      "matching_results": 2034,
      "relevancy": 1.0,
      "total_matching_documents": 2034,
      "estimated_matching_results": 2034
    },
    {
      "key": "YEARTXT=2000",
      "matching_results": 1738,
      "relevancy": 1.0,
      "total_matching_documents": 1738,
      "estimated_matching_results": 1738
    },
    {
      "key": "YEARTXT>2000",
      "matching_results": 32708,
      "relevancy": 1.0,
      "total_matching_documents": 32708,
      "estimated_matching_results": 32708
    }
  ]
}

구문

histogram({field},{interval})

카테고리를 설명하기 위해 단일 숫자 필드에서 필드 값을 사용합니다. 히스토그램을 만드는 데 사용되는 필드에는 숫자 데이터 유형(예: integer, float, double 또는 date)이 있어야 합니다.

string 와 같은 숫자가 아닌 유형은 지원되지 않습니다. 예를 들어, "price": 1.30 는 숫자 값으로 작동하지만, "price": "1.30" 는 문자열이므로 작동하지 않습니다.

interval 인수를 사용하여 결과를 분할할 섹션의 크기를 정의합니다. 간격 값은 음수가 아닌 정수여야 합니다. 필드에서 일반적인 값을 세분화하는 데 적합한 값을 선택합니다.

히스토그램은 필드에 지정된 십진수 값을 처리할 수 있지만 간격은 정수여야 합니다.

선택적으로 name 매개변수를 포함하여 사용자 지정 이름을 포함할 수 있습니다.

예

예를 들어, 여러 항목의 가격이 포함된 데이터 세트( “price”: 1.30, “price”: 1.99, “price”: 2.99 )가 있다면, 1 간격으로 설정하면, 1 - 2, 2, 3 범위 안에 있는 모든 항목을 볼 수 있습니다. 모든 데이터가 동일한 세그먼트에서 끝나므로 100 의 간격을 사용하지 않으려는 것입니다.

histogram(product_price,interval:1)

구문

max(field)

예

max 집계 유형이 price 필드에 표 2에 표시된 값이 포함된 문서 집합에 적용되면 결과는 450 이 됩니다.

max(price)=450

이 집계 유형은 터미널 작업을 수행합니다. 다른 집계와 결합할 경우 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 출력은 불연속형 그룹으로 반환됩니다.

구문

min(field)

예

min 집계 유형이 price 필드에 표 3에 표시된 값이 포함된 문서 집합에 적용되면 결과는 200 이 됩니다.

min(price)=200

이 집계 유형은 터미널 작업을 수행합니다. 다른 집계와 결합할 경우 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 출력은 불연속형 그룹으로 반환됩니다.

구문

pair(first:{aggregation},second:{aggregation})

첫 번째 및 두 번째 {aggregation} 값은 다음 집계 유형 중 하나여야 합니다:

• term
• group_by
• histogram
• timeslice

term 또는 group_by 집계에서 relevancy 매개 변수는 무시됩니다. pair 집계 유형은 두 집계 결과에서 문서 세트의 조합을 사용하여 관련성 값을 계산합니다.

쿼리 요청당 하나의 쌍 집계만 사용할 수 있으며 다른 집계와 결합할 수 없습니다.

예

예를 들어 첫 번째 집계는 term(model_name) 로 지정하고 두 번째 집계는 term(component_name) 로 지정할 수 있습니다. 각 집계는 집계된 문서 집합의 키로 다음 값을 반환합니다:

• term(모델_이름): 어코드, CR-V
• term(component_name): 엔진, 브레이크, 라디에이터

각 문서 세트의 조합에 대해 계산된 연관성 값은 다음과 같이 보일 수 있습니다:

• 어코드 X 엔진
• 어코드 X 브레이크
• 어코드 X 라디에이터
• CR-V x 엔진
• CR-V x 브레이크
• CR-V x 라디에이터

응답은 집계 결과의 2차원 배열을 정의하며, 테이블로 표현할 수 있습니다.

테이블의 각 열 및 행 배열은 첫 번째 및 두 번째 집계 결과와 동일한 순서로 정렬됩니다. 예를 들어 term 집계를 첫 번째 인수로 지정하면 결과 열 배열은 용어의 빈도별로 정렬됩니다. timeslice 집계를 두 번째 인수로 사용하는 경우 행 배열은 날짜 또는 시간별로 정렬됩니다.

구문

sum(field)

예

sum 집계 유형이 price 필드에 표 6에 표시된 값이 포함된 문서 집합에 적용되면 결과는 975 이 됩니다.

sum(price)=975

이 집계 유형은 터미널 작업을 수행합니다. 다른 집계와 결합할 경우 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 출력은 불연속형 그룹으로 반환됩니다.

구문

term(field:{field_name})

다음과 같은 매개 변수를 선택적으로 지정할 수 있습니다:

• count: 반환할 최대 용어 수를 지정합니다.

• name: 선택적으로 사용자 지정 이름을 포함할 수 있습니다. 요청에 관련성 정보가 포함된 경우 반환되지 않습니다.

• relevancy: 결과에 연관성 정보를 포함할지 여부를 나타내는 부울 값입니다. 연관성을 사용하여 쿼리에서 용어와 키워드 간의 연관성 수준을 나타내는 점수를 얻을 수 있습니다. 이 매개변수는 기본적으로 false 로 설정되어 있습니다. true로 설정하면 다음 필드도 반환됩니다:

  • total_matching_documents: 컬렉션에서 지정된 필드에 해당 용어가 언급된 문서 수입니다.
  • estimated_matching_results: 쿼리에서 반환되는 문서 집합에서 지정된 필드에 해당 용어가 있는 것으로 추정되는 문서 수입니다.

예

다음 예는 문서에서 인식된 엔티티의 텍스트를 반환하고 최대 10개의 용어를 반환하도록 지정합니다.

예를 들어,

term(enriched_text.entities.text,count:10)

relevancy 을 true 로 설정하면 결과에 관련성 점수가 표시됩니다. 관련성은 쿼리와 일치하는 다른 문서와 비교하여 빈도 수의 고유성 수준을 측정합니다. 관련성이 2.0으로 표시되면 두 데이터 포인트가 교차하는 횟수가 예상보다 2배 더 많다는 의미입니다.

더 많은 예제는 문서 그룹화하기 및 집계 유형 결합하기 를 참조하세요.

구문

구문은 timeslice({field},{interval},{time_zone}) 입니다.

• 지정하는 필드에는 date 데이터 유형이 있어야 합니다. 날짜 필드에 대한 자세한 내용은 날짜가 처리되는 방식 를 참조하세요.
• 유효한 간격 값은 1second 또는 {n}seconds, 1minute 또는 {n}minutes, 1hour 또는 {n}hours, 1day 또는 {n}days 입니다, 1week 또는 {n}weeks, 1month 또는 {n}months, 1year 또는 {n}years 여기서 {n}은 숫자입니다.
• 선택적으로 name 매개변수를 포함하여 사용자 지정 이름을 포함할 수 있습니다.

예

다음 예는 각 일 값에 대한 일치 횟수를 보여줍니다.

timeslice(field:DATEA,interval:1day)

결과는 다음과 같습니다.

"aggregations": [
  {
    "type": "timeslice",
    "field": "DATEA",
    "interval": "1d",
    "results": [
        {
    "key": 1262304000000,
    "key_as_string": "2010-01-01T00:00:00.000Z",
    "matching_results": 5
        },
        {
    "key": 1262390400000,
    "key_as_string": "2010-01-02T00:00:00.000Z",
    "matching_results": 18
        },
        {
    "key": 1262476800000,
    "key_as_string": "2010-01-03T00:00:00.000Z",
    "matching_results": 38
        },
        {
    "key": 1262563200000,
    "key_as_string": "2010-01-04T00:00:00.000Z",
    "matching_results": 66
        }

구문

{aggregation}.top_hits({n})

예

다음 예는 도시별로 halt 이라는 용어에 대한 상위 히트 수를 반환합니다.

{
  "query":"halt",
  "aggregation": "term(CITY).top_hits(1)"
}

응답에는 해당 용어가 가장 많이 언급된 문서에 언급된 도시별로 그룹화된 halt 이라는 용어의 상위 쿼리 결과가 포함되어 있습니다. 기본적으로 10개의 결과가 반환됩니다. 10개 도시 각각에 대해 최고 점수를 받은 문서가 hit 개체로 반환됩니다. hit 배열의 각 hits 콘텐츠는 result 배열의 각 results 콘텐츠와 일치합니다. 결과의 순서만 다릅니다.

"aggregations": [
  {
    "type": "term",
    "field": "CITY",
    "results": [
      {
        "key": "LOS ALTOS",
        "matching_results": 3,
        "aggregations": [
          {
            "type": "top_hits",
            "size": 1,
            "hits": {
              "matching_results": 3,
              "hits": [
                {
                  "document_id": "2bed19a9069442fd82542827ebe260d5_7015",
                  ...
                }
              ]
            }
          }
        ]
      },
      {
        "key": "ANDOVER",
        "matching_results": 2,
        "aggregations": [
          {
            "type": "top_hits",
            "size": 1,
            "hits": {
              "matching_results": 2,
              "hits": [
                {
                  "document_id": "2bed19a9069442fd82542827ebe260d5_18329",
                  ...
                }
              ]
            }
          }
        ]
      },
      ...
      {
        "key":"ACTON",
        "maatching_results": 1,
        "aggregations": []
      }
      ...

이 집계 유형은 터미널 작업을 수행합니다. 다른 집계와 결합할 경우 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 출력은 불연속형 그룹으로 반환됩니다.

Sytnax

trend(facet:{aggregation},time_segments:{aggregation})

첫 번째(facet) 집계는 다음 유형의 집계 중 하나여야 합니다:

• term
• group_by

term 또는 group_by 집계에서 relevancy 매개 변수는 무시됩니다.

두 번째(time_segments) 집계는 timeslice 형식의 집계여야 합니다.

또는 다음 매개변수를 포함할 수도 있습니다:

• show_estimated_matching_results:true: 결과에 estimated_matching_results 정보를 포함할지 여부를 나타냅니다. 이 필드에는 쿼리에서 반환되는 문서 집합에서 지정된 시간 간격 동안 지정된 필드에 해당 용어가 있거나 지정된 집계에서 조건을 충족하는 것으로 추정되는 문서 수가 포함되어 있습니다.
• show_total_matching_documents:true: 결과에 total_matching_documents 정보를 포함할지 여부를 나타냅니다. 이 필드에는 지정된 필드에 해당 용어가 언급되어 있거나 조건이 충족되는 컬렉션의 문서 수가 포함됩니다.

쿼리 요청당 하나의 트렌드 집계만 사용할 수 있으며 다른 집계와 결합할 수 없습니다.

예

다음 예는 다음 집계 결과의 조합을 사용하여 트렌드 지표 또는 트렌드 인덱스를 계산하는 예입니다:

• 용어(맛): 바닐라, 초콜릿, 민트
• timeslice(date, 1month): 2020년 1월, 2020년 2월, 2020년 3월, 2020년 4월, 2020년 5월, 2020년 6월

trend( facet: aggregation(<parameter>...), time_segments: timeslice(<parameter>...)),
show_estimated_matching_results: <true_or_false>, show_total_matching_documents: <true_or_false> )

결과 행렬은 표로 표현할 수 있습니다.

다음 샘플 응답에서 핵심 정보는 trend_indicator 값입니다. 추세 지표는 예상 평균 빈도와 비교하여 지정된 시간 간격 동안 지정된 패싯 값의 빈도 증가 비율을 측정합니다. 제외된 평균 빈도는 가중 산술 평균을 사용하여 주어진 패싯 값의 과거 시간 간격 빈도 변화를 기반으로 계산됩니다.

표준화된 잔차 값이 -2보다 작으면 관측된 주파수가 예상 주파수보다 작다는 의미입니다. 2보다 크면 관측된 주파수가 예상 주파수보다 크다는 뜻입니다. 표준화된 잔여가 예상 빈도보다 3 이상 크거나 작으면 비정상적인 일이 발생하고 있으며 조사할 가치가 있는 이상 징후가 있을 수 있음을 의미합니다.

예를 들어 5월에 vanilla 맛에 대한 예상 피드백 제출 수는 이전에(1월부터 4월까지) 받은 피드백 제출 수에서 계산됩니다. 결과는 5.341 입니다. 5월의 실제 피드백 제출 건수는 10 입니다. 그 결과 바닐라 맛의 피드백 제출 건수가 예상보다 약 2배 더 많은 것으로 나타났습니다. 표준화된 잔여값은 2.016 로 예상보다 크지만 비정상적인 수준은 아닙니다.

{
"aggregations": [
  {
    "type": "trend",
    "facet": "term(flavor),",
    "time_segments": "timeslice(date, 1month)",
    "show_estimated_matching_results": true,
    "show_total_matching_documents": true,
    "results": [
      {
        "aggregations": [
          {
            "type": "term",
            "field": "flavor",
            "results": [
              {
                "key": "vanilla",
                "matching_results": 36,
                "aggregations": [
                  {
                    "type": "timeslice",
                    "field": "date",
                    "results": [
                      {
                        "key": 1577836800000,
                        "key_as_string": "2020-01-01T00:00:00.000Z",
                        "matching_results": 4,
                        "trend_indicator": 0.0,
                        "total_matching_documents": 7,
                        "estimated_matching_results": 0.0
                      },
                      {
                        "key": 1588291200000,
                        "key_as_string": "2020-05-01T00:00:00.000Z",
                        "matching_results": 10,
                        "trend_indicator": 2.016106745,
                        "total_matching_documents": 12,
                        "estimated_matching_results": 5.340760209
                      },
                      {
                        "key": 1590969600000,
                        "key_as_string": "2020-06-01T00:00:00.000Z",
                        "matching_results": 5,
                        "trend_indicator": -0.763212711,
                        "total_matching_documents": 11,
                        "estimated_matching_results": 7.022515985
                      }
                    ]
                  }
                ]
              },
              {
                "key": "chocolate",
                "matching_results": 10,
                "aggregations": [...]
              },
              {
                "key": "mint",
                "matching_results": 25,
                "aggregations": [...]
...
}  

구문

topic(facet:{aggregation},time_segments:{aggregation})

첫 번째(facet) 집계는 다음 유형의 집계 중 하나여야 합니다:

• term
• group_by

term 또는 group_by 집계에서 relevancy 매개 변수는 무시됩니다.

두 번째(time_segments) 집계는 timeslice 형식의 집계여야 합니다.

또는 다음 매개변수를 포함할 수도 있습니다:

• show_estimated_matching_results:true: 결과에 estimated_matching_results 정보를 포함할지 여부를 나타냅니다. 이 필드에는 쿼리에서 반환되는 문서 집합에서 지정된 시간 간격 동안 지정된 필드에 해당 용어가 있거나 지정된 집계에서 조건을 충족하는 것으로 추정되는 문서 수가 포함되어 있습니다.
• show_total_matching_documents:true: 결과에 total_matching_documents 정보를 포함할지 여부를 나타냅니다. 이 필드에는 지정된 필드에 해당 용어가 언급되어 있거나 조건이 충족되는 컬렉션의 문서 수가 포함됩니다.

쿼리 요청당 하나의 토픽 집계만 사용할 수 있으며 다른 어떤 집계와도 결합할 수 없습니다.

예

{
    "query: like",
    "aggregation": "topic( facet: term(flavor), time_segments: timeslice(date, 1month), show_estimated_matching_results: true, show_total_matching_documents: true )"
}

용어 집계 예제에 사용된 것과 동일한 데이터 세트 및 집계를 사용하면 결과는 다음과 같이 표시될 수 있습니다.

topic_indicator 값이 trend_indicator 집계에서 반환되는 trend 값과 다르다는 것을 알 수 있습니다. 둘 다 실제 주파수와 예상 주파수로 계산되지만, 예상 주파수가 다르게 계산되기 때문에 차이가 있습니다. trend 집계에서 5월에 바닐라 맛 아이스크림에 대한 예상 피드백 제출 빈도는 이전(1월부터 4월까지) 바닐라 맛에 대해 받은 피드백 제출 수와 5월에 모든 맛에 대해 받은 총 피드백 제출 수로 계산됩니다. 그러나 topic 집계에서 5월에 바닐라 맛 아이스크림에 대한 예상 피드백 제출 빈도는 바닐라 맛에 대해 접수된 피드백 제출 수와 5월에 모든 맛에 대해 접수된 총 피드백 제출 수로 계산됩니다. 이 예에서 예상 빈도 결과는 12.169, 실제 빈도는 10, topic_indicator 은 -0.621777032 입니다.

{
"aggregations": [
  {
    "type": "topic",
    "facet": "term(flavor)",
    "time_segments": "timeslice(date, 1month)",
    "show_estimated_matching_results": true,
    "show_total_matching_documents": true,
    "results": [
      {
        "aggregations": [
          {
            "type": "term",
            "field": "flavor",
            "results": [
              {
                "key": "vanilla",
                "matching_results": 36,
                "aggregations": [
                  {
                    "type": "timeslice",
                    "field": "date",
                    "results": [
                      {
                        "key": 1577836800000,
                        "key_as_string": "2020-01-01T00:00:00.000Z",
                        "matching_results": 4,
                        "topic_indicator": -0.027972712,
                        "total_matching_documents": 7,
                        "estimated_matching_results": 4.056338028
                      },
                      {
                        "key": 1588291200000,
                        "key_as_string": "2020-05-01T00:00:00.000Z",
                        "matching_results": 10,
                        "topic_indicator": -0.621777032,
                        "total_matching_documents": 12,
                        "estimated_matching_results": 12.16901408
                      },
                      {
                        "key": 1590969600000,
                        "key_as_string": "2020-06-01T00:00:00.000Z",
                        "matching_results": 5,
                        "topic_indicator": -0.787665504,
                        "total_matching_documents": 11,
                        "estimated_matching_results": 7.098591549
                      }
                    ]
                  }
                ]
              },
              {
                "key": "chocolate",
                ...
              },
              {
                "key": "mint",
                ...
              }
}

구문

unique_count(field)

예

다음 집계는 쿼리에서 인식되는 고유한 보강 유형 수를 요청합니다.

unique_count(enriched_text.keyword.type)

결과는 17개의 일치하는 결과가 있음을 나타냅니다. 17개 문서에는 14개의 엔티티 유형이 언급되어 있습니다.

{
  "matching_results": 17,
  "retrieval_details": {
    "document_retrieval_strategy": "untrained"
  },
  "aggregations": [
    {
      "type": "unique_count",
      "field": "enriched_text.entities.type",
      "value": 14.0
    }
  ],
  "results": []
}

이 집계 유형은 터미널 작업을 수행합니다. 다른 집계와 결합할 경우 출력은 다음 집계를 위한 입력으로 사용되지 않습니다. 출력은 불연속형 그룹으로 반환됩니다.

다음 예제에서 집계 매개변수는 가장 자주 언급된 처음 45개의 엔티티를 표시하도록 결과를 요청합니다. 엔터티별로 해당 용어가 언급된 문서 수와 해당 용어가 총 몇 번 나오는지를 나타냅니다.

term(enriched_text.entities.text,count:45).unique_count(enriched_text.entities.type)

결과에는 용어에 대한 다음 그룹 PostgreSQL 과 같은 여러 집계가 포함됩니다. 집계 결과 이 용어는 4개의 문서에 등장하며 12번 언급된 것으로 나타났습니다.

{
  "key": "PostgreSQL",
  "matching_results": 4,
  "aggregations": [
    {
      "type": "unique_count",
      "field": "enriched_text.entities.type",
      "value": 12.0
    }
  ]
}