面试题：ElasticSearch地理范围聚合：复杂场景处理

Question

现有一个ElasticSearch索引，其中存储了全球各个城市的商业店铺信息，每个文档包含店铺的地理位置（经纬度）、类别、营业额等字段。要求通过地理范围聚合，获取距离指定中心点100公里内不同类别店铺的平均营业额，并且要考虑到不同地区店铺分布密度不同可能导致的偏差，你会如何设计查询？

Answer 1

1. 使用geo_distance聚合来筛选距离指定中心点100公里内的店铺：
   • 在Elasticsearch查询中，使用aggs（聚合）部分来定义地理距离聚合。假设索引名为shops_index，文档类型为shop，指定中心点的经纬度为lon和lat。

   {
       "aggs": {
           "shops_within_100km": {
               "geo_distance": {
                   "field": "地理位置",
                   "origin": {
                       "lat": lat,
                       "lon": lon
                   },
                   "distance": "100km"
               },
               "aggs": {
                   "by_category": {
                       "terms": {
                           "field": "类别"
                       },
                       "aggs": {
                           "avg_revenue": {
                               "avg": {
                                   "field": "营业额"
                               }
                           }
                       }
                   }
               }
           }
       }
   }
   

2. 考虑不同地区店铺分布密度不同导致的偏差：
   • 使用采样：可以在查询中添加size参数来限制返回的文档数量，进行采样。例如设置size: 1000，这样可以避免因数据量过大导致计算资源耗尽，同时也能在一定程度上代表整体数据。

   {
       "size": 1000,
       "aggs": {
           "shops_within_100km": {
               "geo_distance": {
                   "field": "地理位置",
                   "origin": {
                       "lat": lat,
                       "lon": lon
                   },
                   "distance": "100km"
               },
               "aggs": {
                   "by_category": {
                       "terms": {
                           "field": "类别"
                       },
                       "aggs": {
                           "avg_revenue": {
                               "avg": {
                                   "field": "营业额"
                               }
                           }
                       }
                   }
               }
           }
       }
   }
   

   • 加权平均：如果有关于店铺分布密度的额外信息，比如某个区域的权重，可以在计算平均营业额时使用加权平均。可以在文档中新增一个表示权重的字段weight，然后使用weighted_avg聚合。

   {
       "aggs": {
           "shops_within_100km": {
               "geo_distance": {
                   "field": "地理位置",
                   "origin": {
                       "lat": lat,
                       "lon": lon
                   },
                   "distance": "100km"
               },
               "aggs": {
                   "by_category": {
                       "terms": {
                           "field": "类别"
                       },
                       "aggs": {
                           "weighted_avg_revenue": {
                               "weighted_avg": {
                                   "value": {
                                       "field": "营业额"
                                   },
                                   "weight": {
                                       "field": "weight"
                                   }
                               }
                           }
                       }
                   }
               }
           }
       }
   }