テーマ

「日本のさくら名所100選を都道府県別に集計する」

使用データ

http://linkdata.org/work/rdf1s544i?key=#work_information

環境

MacBook Pro (Retina, 15-inch, Mid 2014)
2.2 GHz Intel Core i7
16 GB 1600 MHz DDR3
OS X El Capitan 10.11（15A284）
Elasticsearch2.0.0

準備

bulk indexingが可能なjson形式に加工（詳細略）
index作成

curl -s -H 'Content-Type: application/json' -XPUT localhost:9200/100_cherry -d '{
  "settings": {
    "index": {
      "number_of_replicas": 0, // 1台構成クラスタなので
      "number_of_shards": 1,
      "refresh_interval": -1 // これは個人的な好み
    }
  }
}'

mapping設定

curl -X PUT 'localhost:9200/100_cherry/_mapping/doc' -d '{
  "properties": {
    "wikipedia_url": {
      "type": "string",
      "index": "not_analyzed" 
    },
    "location": {
      "type": "string",
      "index": "not_analyzed" 
    },
    "pref": {
      "type": "string",
      "index": "not_analyzed" 
    },
    "geo_point": {
      "type" : "geo_point"
    }
  }
}'

Query

query.json

curl -XGET "http://localhost:9200/100_cherry/_search?search_type=count" -d'
{
  "query": {
    "match_all": {} // 全ドキュメント取得
  },
  "aggs": {
    "pref": {
      "terms": {
        "field": "pref", // 都道府県ごとに名所の件数を集計
        "size": 5 // 5つのbucketを返す
      }
    },
    "max": {
      "max_bucket": { // 最大
        "buckets_path": "pref._count"
      }
    },
    "min": {
      "min_bucket": { // 最小
        "buckets_path": "pref._count"
      }
    },
    "ave": {
      "avg_bucket": { // 平均
        "buckets_path": "pref._count"
      }
    },
    "sum": {
      "sum_bucket": { // 合計
        "buckets_path": "pref._count"
      }
    }
  }
}'

結果

response.json

{
  "took": 1,
  "timed_out": false,
  "_shards": {
    "total": 1,
    "successful": 1,
    "failed": 0
  },
  "hits": {
    "total": 100,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "pref": {
      "doc_count_error_upper_bound": 0,
      "sum_other_doc_count": 81, // sizeで指定した数のbucketに含まれないドキュメント
      "buckets": [
        {
          "key": "東京都",
          "doc_count": 5
        },
        {
          "key": "京都府",
          "doc_count": 4
        },
        {
          "key": "愛知県",
          "doc_count": 4
        },
        {
          "key": "兵庫県",
          "doc_count": 3
        },
        {
          "key": "千葉県",
          "doc_count": 3
        }
      ]
    },
    "max": {
      "value": 5,
      "keys": [
        "東京都"
      ]
    },
    "min": {
      "value": 3,
      "keys": [
        "兵庫県",
        "千葉県"
      ]
    },
    "ave": {
      "value": 3.8
    },
    "sum": {
      "value": 19
    }
  }
}

まとめと感想

上位のaggでsizeを指定するとその数のbucketの中で最大・最小・平均・合計を出す
クエリも機能もわかりやすく想像通りの動きをしてくれる
オープンデータを使ってみた

参考