• 分组
分组搜索结果通常有助于获取每个组的匹配计数或其他聚合信息。例如，这对于创建显示每月匹配博客文章数量的图表，或者按网站对网页搜索结果进行分组、按作者对论坛帖子进行分组等非常有用。
Manticore 支持按单列、多列或计算表达式对搜索结果进行分组。结果可以：
在组内排序
返回每个组中超过一行的结果
对组进行过滤
对组进行排序
使用 聚合函数 进行聚合
通用语法：
通用语法：
SELECT {* | SELECT_expr [, SELECT_expr ...]}
...
GROUP BY {field_name | alias } [, ...]
[HAVING where_condition]
[WITHIN GROUP ORDER BY field_name {ASC | DESC} [, ...]]
...
SELECT_expr: { field_name | function_name(...) }
where_condition: {aggregation expression alias | COUNT(*)}JSON 查询格式目前支持基本的分组功能，能够检索聚合值及其 count(*)。
标准查询输出返回未分组的结果集，可以通过使用 limit（或 size）来隐藏它。要进行聚合，需要为组的结果集设置一个 size。
仅分组
分组非常简单——只需在 SELECT 查询末尾添加 "GROUP BY smth"。该分组依据可以是：
表中的任何非全文字段：整数、浮点数、字符串、MVA（多值属性）
或者，如果在
SELECT列表中使用了别名，也可以按此别名进行分组
您可以省略 SELECT 列表中的任何聚合函数，查询仍然能够正常运行。
示例:
不过，在大多数情况下，您可能希望为每个组获取一些聚合数据，例如：
COUNT(*)用于获取每个组中的元素数量或者
AVG(field)用于计算组内该字段的平均值
示例:
对组进行排序
默认情况下，组没有排序，接下来您通常希望根据某些内容对它们进行排序，比如按您分组的字段进行排序：
示例：
或者，您可以按聚合结果进行排序：
按
count(*)排序，以首先显示包含最多元素的组按
avg(rental_rate)排序，以首先显示评分最高的电影。请注意，在示例中，这是通过别名完成的：avg(rental_rate)首先在SELECT列表中映射为avg，然后我们简单地执行ORDER BY avg
示例：
同时按多个字段分组
在某些情况下，您可能希望不仅按一个字段分组，还可以同时按多个字段分组，例如按电影的类别和年份：
示例：
返回 N 行
有时查看每组中的多个元素而不仅仅是一个是很有用的。可以通过使用 GROUP N BY 来轻松实现。例如，在以下情况下，我们为每个年份返回两部电影，而不是仅通过 GROUP BY release_year 返回的一部。
示例：
在组内排序
另一个关键的分析需求是对组内的元素进行排序。要实现此功能，可以使用 WITHIN GROUP ORDER BY ... {ASC|DESC} 子句。例如，我们可以获取每年评分最高的电影。需要注意的是，它与 ORDER BY 并行工作：
WITHIN GROUP ORDER BY对 组内 的结果进行排序而
GROUP BY则对 组本身 进行排序
这两者是完全独立运行的。
示例：
过滤组
HAVING expression 是一个用于过滤组的有用子句。WHERE 在分组之前应用，而 HAVING 则用于处理分组后的结果。例如，我们可以保留那些电影年均租赁费率高于 3 的年份。结果只返回了四个年份：
示例：
请注意，HAVING 不会影响 查询元信息中的 total_found。
GROUPBY()
GROUPBY() 是一个返回当前组键的函数，在许多情况下非常有用，尤其是在您按 MVA（多值属性）分组或按JSON 值分组时。
它也可以在 HAVING 中使用，例如，仅保留年份为 2000 和 2002 的组。
请注意，当您同时按多个字段分组时，不建议使用 GROUPBY()。尽管它仍然可以工作，但由于此时组键是字段值的复合体，可能不会按您预期的方式显示。
示例：
按 MVA（多值属性）分组
Manticore 支持按 MVA 分组。为了演示其工作原理，我们可以创建一个包含 MVA 字段 "sizes" 的表 "shoes"，并向其中插入一些文档：
因此，我们有以下数据：
现在如果我们按 "sizes" 进行分组，它将处理所有的多值属性，并为每个值返回一个聚合结果，在这个例子中仅返回计数：
示例：
按 JSON 节点分组
如果您有一个 JSON 类型的字段，您可以按其中的任何节点进行分组。为了演示这一点，我们可以创建一个表 "products"，并插入几个文档，每个文档在 "meta" JSON 字段中都有一个颜色信息：
这会生成以下结果：
要按颜色对产品进行分组，只需使用 GROUP BY meta.color，并在 SELECT 列表中使用 GROUPBY() 显示相应的分组键：
示例：
聚合函数
除了 COUNT(*) 返回每个组中的元素数量之外，您还可以使用其他各种聚合函数：
COUNT(DISTINCT field)
COUNT(*) 返回组中所有元素的数量，而 COUNT(DISTINCT field) 返回组中特定字段的唯一值数量，这可能与总数完全不同。例如，组中可能有 100 个元素，但某个字段的值相同。COUNT(DISTINCT field) 有助于确定这一点。为了演示这一点，我们创建一个包含学生姓名、年龄和专业的 "students" 表：
我们有以下数据：
在这个例子中，您可以看到如果我们按 major 分组并显示 COUNT(*) 和 COUNT(DISTINCT age)，就可以发现专业为 "cs" 的两名学生有两个不同的年龄，而专业为 "arts" 的两名学生只有一个唯一的年龄。
每个查询最多只能有一个 COUNT(DISTINCT)。
默认情况下，计数是近似的
实际上，某些计数是精确的，而另一些是近似的。下面会详细说明。
Manticore 支持两种算法来计算唯一值的计数。一种是传统算法，使用大量内存，通常较慢。它收集 {group; value} 对，将其排序，并定期丢弃重复项。这种方法的好处是可以在普通表中保证精确计数。您可以通过将 distinct_precision_threshold 选项设置为 0 来启用此算法。
另一种算法（默认启用）将计数加载到哈希表中并返回其大小。如果哈希表变得过大，其内容会转移到 HyperLogLog 中。此时，计数变为近似值，因为 HyperLogLog 是一种概率算法。它的优势在于每组的最大内存使用是固定的，并且取决于 HyperLogLog 的精度设置。
distinct_precision_threshold 选项设置了确保计数精确的阈值。HyperLogLog 的精度设置以及从哈希表转换为 HyperLogLog 的阈值取决于此设置。谨慎使用此选项，因为将其值加倍将使计算计数所需的最大内存加倍。最大内存使用可以使用以下公式大致估算：64 * max_matches * distinct_precision_threshold。请注意，这只是最坏情况下的估算，在大多数情况下，计算计数会使用显著更少的内存。
在包含多个磁盘块的实时表或分布式表中，COUNT(DISTINCT) 的结果可能不准确，但对于由具有相同架构的本地普通表或实时表组成的分布式表，结果应是准确的。
示例：
GROUP_CONCAT(field)
通常，您可能希望更好地了解每个组的内容。可以使用 GROUP N BY，但这会返回您可能不希望在输出中显示的其他行。GROUP_CONCAT() 可以通过将特定字段的值连接在一起来丰富您的分组。例如，使用之前的例子，可以显示每个组中的所有年龄。
GROUP_CONCAT(field) 以逗号分隔的形式返回字段值列表。
示例：
SUM(), MIN(), MAX(), AVG()
当然，您还可以获得组内的总和、平均值、最小值和最大值。
示例：
分组精度
分组在固定内存中进行，内存的使用取决于 max_matches 设置。如果 max_matches 允许存储所有找到的组，结果将是 100% 准确的。然而，如果 max_matches 的值较低，结果的准确性将降低。
当涉及并行处理时，情况可能会变得更加复杂。当启用了 pseudo_sharding 和/或使用包含多个磁盘块的实时表时，每个块或伪分片的结果集不会超过 max_matches。这可能会导致合并不同线程的结果集时聚合和组计数不准确。为了解决这个问题，可以使用更大的 max_matches 值，或者禁用并行处理。
如果 Manticore 检测到 groupby 可能返回不准确的结果，它会尝试将 max_matches 增加到 max_matches_increase_threshold。该检测基于从辅助索引中获取的 groupby 属性的唯一值数量（如果存在）。
要确保使用实时表或 pseudo_sharding 时的精确聚合和/或组计数，可以启用 accurate_aggregation。这将尝试将 max_matches 增加到阈值，如果阈值不够高，Manticore 将禁用该查询的并行处理。
示例：
最后更新于