面试题：ElasticSearch聚合助力电商用户购买行为深度分析

Question

在电商平台，ElasticSearch存储了用户购买记录，每个文档包含用户ID、购买商品ID、购买时间等信息。要求通过聚合操作，找出在过去一个月内，购买商品种类最多的前10个用户，并计算出这些用户购买商品种类的平均数。请详细阐述实现思路及相关的ElasticSearch聚合语句。

Answer 1

实现思路

1. 时间范围筛选：利用Elasticsearch的日期范围查询，获取过去一个月内的购买记录。
2. 用户维度聚合：按用户ID进行聚合，统计每个用户购买商品的种类。
3. 排序取前10：对聚合结果按商品种类数进行降序排序，取前10个用户。
4. 计算平均数：对这前10个用户购买商品种类数求和并计算平均数。

ElasticSearch聚合语句

假设索引名为ecommerce_purchases，文档结构如下：

{
    "user_id": "12345",
    "product_id": "prod_123",
    "purchase_time": "2024-10-01T12:00:00Z"
}

聚合查询如下：

{
    "query": {
        "range": {
            "purchase_time": {
                "gte": "now-1M/M",
                "lt": "now/M"
            }
        }
    },
    "aggs": {
        "top_users": {
            "terms": {
                "field": "user_id",
                "size": 10,
                "order": {
                    "unique_product_count": "desc"
                }
            },
            "aggs": {
                "unique_product_count": {
                    "cardinality": {
                        "field": "product_id"
                    }
                }
            }
        }
    }
}

查询结果会包含前10个购买商品种类最多的用户及其购买商品种类数。

计算平均数可在应用程序层面处理，例如用Python：

from elasticsearch import Elasticsearch

es = Elasticsearch("http://localhost:9200")
response = es.search(index="ecommerce_purchases", body={
    "query": {
        "range": {
            "purchase_time": {
                "gte": "now-1M/M",
                "lt": "now/M"
            }
        }
    },
    "aggs": {
        "top_users": {
            "terms": {
                "field": "user_id",
                "size": 10,
                "order": {
                    "unique_product_count": "desc"
                }
            },
            "aggs": {
                "unique_product_count": {
                    "cardinality": {
                        "field": "product_id"
                    }
                }
            }
        }
    }
})

total_count = 0
for bucket in response['aggregations']['top_users']['buckets']:
    total_count += bucket['unique_product_count']['value']
average = total_count / len(response['aggregations']['top_users']['buckets']) if response['aggregations']['top_users']['buckets'] else 0
print(f"平均数: {average}")