4-05. Scoping Aggregations

With all of the aggregation examples given so far, you may have noticed that we omitted a queryfrom the search request. The entire request was simply an aggregation.

지금까지의 aggregation 예제에서는, 검색 request에서 query 가 생략되었다. 전체 request는 단순한 aggregation였다.

Aggregations can be run at the same time as search requests, but you need to understand a new concept: scope. By default, aggregations operate in the same scope as the query. Put another way, aggregations are calculated on the set of documents that match your query.

aggregation은 검색 request와 동시에 실행될 수 있다. 이를 위해, 새로운 개념인 scope(범위) 를 이해해야 한다. 기본적으로, aggregation은 query와 동일한 범위에서 동작한다. 즉, aggregation은 query에 일치하는 document의 집합에서 계산된다.

Let’s look at one of our first aggregation examples:

첫 번째 aggregation 예제 중 하나를 살펴 보자.

GET /cars/transactions/_search
{
    "size" : 0,
    "aggs" : {
        "colors" : {
            "terms" : {
              "field" : "color"
            }
        }
    }
}

COPY AS CURLVIEW IN SENSE 

You can see that the aggregation is in isolation. In reality, Elasticsearch assumes "no query specified" is equivalent to "query all documents." The preceding query is internally translated as follows:

aggregation은 독립적임을 알 수 있다. 실제로, Elasticsearch는 "어떤 query도 지정되지 않았다" 를 "모든 document를 query했다" 와 동등하다고 가정한다. 위의 query는 내부적으로 아래와 같이 변경된다.

GET /cars/transactions/_search
{
    "size" : 0,
    "query" : {
        "match_all" : {}
    },
    "aggs" : {
        "colors" : {
            "terms" : {
              "field" : "color"
            }
        }
    }
}

COPY AS CURLVIEW IN SENSE 

The aggregation always operates in the scope of the query, so an isolated aggregation really operates in the scope of a match_all query—that is to say, all documents.

aggregation은 언제나 query의 범위 내에서 동작한다. 따라서, 독립된 aggregation은 실제로 match_allquery의 범위(즉, 모든 document) 내에서 동작한다.

Once armed with the knowledge of scoping, we can start to customize aggregations even further. All of our previous examples calculated statistics about all of the data: top-selling cars, average price of all cars, most sales per month, and so forth.

범위를 이해했다면, 사용자 정의 aggregation을 시작할 수 있다. 이전의 예제 모두는, _모든_ 데이터에 대한 통계(가장 많이 팔린 자동차, 모든 자동차의 평균 가격, 월별로 가장 많이 팔린 자동차 등)를 계산하였다.

With scope, we can ask questions such as "How many colors are Ford cars available in?" We do this by simply adding a query to the request (in this case a match query):

범위를 이용하면, "나와 있는 Ford 자동차 중에 얼마나 많은 색상이 있나요?" 같은 질문을 할 수 있다. 간단하게, request에 query(이 경우에는 match query)를 추가하면 된다.

GET /cars/transactions/_search
{
    "query" : {
        "match" : {
            "make" : "ford"
        }
    },
    "aggs" : {
        "colors" : {
            "terms" : {
              "field" : "color"
            }
        }
    }
}

COPY AS CURLVIEW IN SENSE 

Since we aren’t specifying "size" : 0, both the search results and the aggregation results are returned:

이 때 "size" : 0 을 명시하지 않았기 때문에, 검색 결과와 aggregation 결과 모두를 볼 수 있다.

{
...
   "hits": {
      "total": 2,
      "max_score": 1.6931472,
      "hits": [
         {
            "_source": {
               "price": 25000,
               "color": "blue",
               "make": "ford",
               "sold": "2014-02-12"
            }
         },
         {
            "_source": {
               "price": 30000,
               "color": "green",
               "make": "ford",
               "sold": "2014-05-18"
            }
         }
      ]
   },
   "aggregations": {
      "colors": {
         "buckets": [
            {
               "key": "blue",
               "doc_count": 1
            },
            {
               "key": "green",
               "doc_count": 1
            }
         ]
      }
   }
}

This may seem trivial, but it is the key to advanced and powerful dashboards. You can transform any static dashboard into a real-time data exploration device by adding a search bar. This allows the user to search for terms and see all of the graphs (which are powered by aggregations, and thus scoped to the query) update in real time. Try that with Hadoop!

이것은 사소해 보일 수도 있지만, 고급스럽고 강력한 대시보드의 핵심이다. 검색 창을 추가하여, 정적 대시보드를 실시간 데이터 탐색 장치로 변환할 수 있다. 이것은 사용자가 단어를 검색하고, 실시간으로 업데이트되는 graph(aggregation으로 강력해지고, query로 범위를 지정한)를 모두 볼 수 있도록 한다. Hoodop을 시도해보자!

Global Bucketedit

You’ll often want your aggregation to be scoped to your query. But sometimes you’ll want to search for a subset of data, but aggregate across all of your data.

query에 범위를 지정한 aggregation을 원하는 경우도 있다. 하지만 가끔, 데이터의 일부를 검색하면서, 데이터 전체 에 대한 aggregation이 필요한 경우가 있다.

For example, say you want to know the average price of Ford cars compared to the average price of all cars. We can use a regular aggregation (scoped to the query) to get the first piece of information. The second piece of information can be obtained by using a global bucket.

예를 들어, Ford 자동차의 평균 가격과 전체 자동차의 평균 가격을 비교하려 한다고 가정해 보자. 첫 번째 가격 정보를 얻기 위해, 일반적인 aggregation(query로 범위를 지정한)를 사용할 수 있다. 두 번째 가격 정보는 global bucket을 사용하여 얻을 수 있다.

The global bucket will contain all of your documents, regardless of the query scope; it bypasses the scope completely. Because it is a bucket, you can nest aggregations inside it as usual:

global bucket은 query 범위에 관계없이(범위를 완전히 무시), document 모두 를 포함한다. 그것은 bucket이기 때문에, 다른 것과 마찬가지로, 그 안에 aggregation을 중첩할 수 있다.

GET /cars/transactions/_search
{
    "size" : 0,
    "query" : {
        "match" : {
            "make" : "ford"
        }
    },
    "aggs" : {
        "single_avg_price": {
            "avg" : { "field" : "price" } 
        },
        "all": {
            "global" : {}, 
            "aggs" : {
                "avg_price": {
                    "avg" : { "field" : "price" } 
                }

            }
        }
    }
}

COPY AS CURLVIEW IN SENSE 

	이 aggregation은 query의 범위 내(예: ford 에 일치하는 모든 document)에서 동작한다.
	global bucket은 매개변수를 가지지 않는다.
	이 aggregation은, 제조업체에 관계없이, 모든 document에 대해 동작한다.

The single_avg_price metric calculation is based on all documents that fall under the query scope—all ford cars. The avg_price metric is nested under a global bucket, which means it ignores scoping entirely and calculates on all the documents. The average returned for that aggregation represents the average price of all cars.

single_avg_price metric은 query 범위(모든 ford 자동차)내 모든 document를 기반으로 계산한다.avg_price metric은 global bucket 아래에 중첩된다. 즉, 범위를 완전히 무시하고, 모든 document를 계산한다. 해당 aggregation에 대해 반환되는 평균은 모든 자동차의 평균을 나타낸다.

If you’ve made it this far in the book, you’ll recognize the mantra: use a filter wherever you can. The same applies to aggregations, and in the next chapter we show you how to filter an aggregation instead of just limiting the query scope.

지금까지 이 책을 읽어오면서, 가능한 한 모든 곳에서 filter를 사용하자 라는 문구를 기억할 것이다. aggregation에서도 마찬가지이다. 다음 장에서, 단순히 query의 범위를 제한하는 대신에, aggregation에 filter를 적용하는 방법에 대해 이야기할 것이다.