1. 引言

在日常的数据处理场景中，我们会遇到大量需要统计分析的场景——比如电商平台的商品销售额分组统计、日志系统中的错误类型分类统计等。Elasticsearch作为当前最流行的分布式搜索引擎，其强大的聚合（Aggregation）功能正是解决这类问题的利器。而作为.NET开发者，通过NEST库与Elasticsearch交互，能充分发挥C#强类型语言的优势。本文将手把手教你如何用NEST实现各种聚合查询。

2. 环境准备

技术栈说明

本文全程使用以下技术组合：

  • C# 10.0
  • NEST 7.17.5
  • Elasticsearch 7.17.5

初始化连接

var settings = new ConnectionSettings(new Uri("http://localhost:9200"))
    .DefaultIndex("sales_records"); // 默认索引名称

var client = new ElasticClient(settings);

3. 基础聚合查询实战

3.1 按商品类别分组统计（Terms Aggregation）

最常用的分组统计场景，假设我们有以下销售记录结构：

public class SalesRecord
{
    public string ProductId { get; set; }
    public string Category { get; set; } // 商品类别
    public double Amount { get; set; }    // 销售额
    public DateTime SaleTime { get; set; }
}

执行分组统计：

var searchResponse = await client.SearchAsync<SalesRecord>(s => s
    .Size(0) // 不返回原始数据
    .Aggregations(a => a
        .Terms("category_stats", t => t
            .Field(f => f.Category.Suffix("keyword")) // 精确匹配需使用keyword类型
            .Size(10) // 返回前10个分组
        )
    )
);

// 提取聚合结果
var buckets = searchResponse.Aggregations.Terms("category_stats").Buckets;
foreach (var bucket in buckets)
{
    Console.WriteLine($"类别: {bucket.Key}  数量: {bucket.DocCount}  销售额总和: {bucket.Sum}");
}

3.2 数值统计聚合（Metrics Aggregation）

统计某类商品的销售指标：

var response = await client.SearchAsync<SalesRecord>(s => s
    .Query(q => q
        .Term(t => t.Category, "electronics") // 限定电子类商品
    )
    .Aggregations(a => a
        .Average("avg_amount", avg => avg.Field(f => f.Amount))
        .Max("max_amount", max => max.Field(f => f.Amount))
        .Sum("total_amount", sum => sum.Field(f => f.Amount))
    )
);

var avg = response.Aggregations.Average("avg_amount").Value;
var max = response.Aggregations.Max("max_amount").Value;
var total = response.Aggregations.Sum("total_amount").Value;

4. 进阶：组合嵌套聚合

4.1 分层钻取分析

按省份和城市两级分组统计：

var response = await client.SearchAsync<SalesRecord>(s => s
    .Aggregations(a => a
        .Terms("by_province", t => t
            .Field(f => f.Province.Suffix("keyword"))
            .Aggregations(aa => aa
                .Terms("by_city", tt => tt
                    .Field(f => f.City.Suffix("keyword"))
                )
            )
        )
    )
);

var provinces = response.Aggregations.Terms("by_province");
foreach (var province in provinces.Buckets)
{
    Console.WriteLine($"省份: {province.Key}");
    var cities = province.Terms("by_city");
    foreach (var city in cities.Buckets)
    {
        Console.WriteLine($"   城市: {city.Key}  订单量: {city.DocCount}");
    }
}

4.2 日期直方图统计

按月份统计销售额趋势：

var response = await client.SearchAsync<SalesRecord>(s => s
    .Aggregations(a => a
        .DateHistogram("monthly_sales", d => d
            .Field(f => f.SaleTime)
            .CalendarInterval(DateInterval.Month)
            .Aggregations(aa => aa
                .Sum("total", sa => sa.Field(f => f.Amount))
            )
        )
    )
);

var monthlyBuckets = response.Aggregations.DateHistogram("monthly_sales").Buckets;
foreach (var bucket in monthlyBuckets)
{
    Console.WriteLine($"{bucket.Date:yyyy-MM} 销售额：{bucket.Sum("total").Value}");
}

5. 关联技术对比

5.1 NEST vs Elasticsearch.Net

虽然两者都是Elastic官方的.NET客户端，但NEST提供了更高级的抽象：

  • 查询构造器：支持强类型lambda表达式
  • 自动映射：自动推断字段类型
  • 聚合链式语法：更直观的嵌套构建

6. 应用场景分析

典型使用场景

  1. 电商数据分析：按商品类目统计销售额Top10
  2. 日志监控系统：统计每分钟的HTTP 500错误次数
  3. 物联网数据统计：分析传感器数据的数值分布区间

7. 技术优缺点剖析

7.1 优势亮点

  • 强类型安全：编译时检查字段名和类型
  • LINQ风格语法：对.NET开发者友好
  • 灵活的分页支持：结合Composite Aggregation实现深度分页

7.2 潜在限制

  • 学习曲线：需要同时理解ES聚合机制和NEST语法
  • 性能消耗：复杂聚合可能影响查询速度

8. 注意事项

8.1 字段映射陷阱

确保keyword字段正确映射：

// 在索引创建时明确定义映射
client.Indices.Create("my_index", c => c
    .Map<SalesRecord>(m => m
        .Properties(p => p
            .Keyword(k => k.Name(n => n.Category))
        )
    )
);

8.2 查询性能优化

  • 优先使用FilterContext过滤数据
  • 对分页需求使用Composite Aggregation
  • 合理设置size参数避免内存溢出

9. 总结

通过本文的实战演示，我们可以看到NEST在构建复杂聚合查询时的强大表现力。从基础的Terms聚合到嵌套的多层分析，配合C#的强类型特性，能够显著提升开发效率和代码可维护性。值得注意的是，在生产环境中要特别注意字段映射的正确性和查询性能优化策略。