1、单值聚合

　　Sum求和,dsl参考如下：

{  "size": 0,  "aggs": {    "return_balance": {      "sum": {        "field": "balance"      }    }  }}

返回balance之和，其中size=0 表示不需要返回参与查询的文档。

Min求最小值

{  "size": 0,  "aggs": {    "return_min_balance": {      "min": {        "field": "balance"      }    }  }}

返回结果

Max求最大值

{  "size": 0,  "aggs": {    "return_max_balance": {      "max": {        "field": "balance"      }    }  }}

返回结果：

AVG求平均值

{  "size": 0,  "aggs": {    "return_avg_balance": {      "avg": {        "field": "balance"      }    }  }}

返回结果：

Cardinality 求基数（如下示例，查找性别的基数 M、F，共两个）

{  "size": 0,  "aggs": {    "return_cardinality": {      "cardinality": {        "field": "gender"      }    }  }}

结果为：

2、多值聚合

percentiles 求百分比

查看官方文档时候，没看懂，下面是自己测试时的例子，按照性别（F，M）查看工资范围的百分比

{  "size": 0,  "aggs": {    "states": {      "terms": {        "field": "gender"      },      "aggs": {        "banlances": {          "percentile_ranks": {            "field": "balance",            "values": [              20000,              40000            ]          }        }      }    }  }

结果：

stats 统计

查看balance的统计情况：

{  "size": 0,  "aggs": {    "balance_stats": {      "stats": {        "field": "balance"      }    }  }}

返回结果：

extended_stats 扩展统计

{  "size": 0,  "aggs": {    "balance_stats": {      "extended_stats": {        "field": "balance"      }    }  }}

结果：

更加复杂的查询，后续慢慢在实践中道来。

Terms聚合

记录有多少F，多少M

{  "size": 0,  "aggs": {    "genders": {      "terms": {        "field": "gender"      }    }  }}

 返回结果如下：m记录507条，f记录493条

数据的不确定性

使用terms聚合，结果可能带有一定的偏差与错误性。

比如：

我们想要获取name字段中出现频率最高的前5个。

此时，客户端向ES发送聚合请求，主节点接收到请求后，会向每个独立的分片发送该请求。
分片独立的计算自己分片上的前5个name，然后返回。当所有的分片结果都返回后，在主节点进行结果的合并，再求出频率最高的前5个，返回给客户端。

这样就会造成一定的误差，比如最后返回的前5个中，有一个叫A的，有50个文档；B有49。 但是由于每个分片独立的保存信息，信息的分布也是不确定的。 有可能第一个分片中B的信息有2个，但是没有排到前5，所以没有在最后合并的结果中出现。 这就导致B的总数少计算了2，本来可能排到第一位，却排到了A的后面。

size与shard_size

为了改善上面的问题，就可以使用size和shard_size参数。

• size参数规定了最后返回的term个数(默认是10个)
• shard_size参数规定了每个分片上返回的个数
• 如果shard_size小于size，那么分片也会按照size指定的个数计算

通过这两个参数，如果我们想要返回前5个，size=5;shard_size可以设置大于5，这样每个分片返回的词条信息就会增多，相应的误差几率也会减小。

order排序

order指定了最后返回结果的排序方式，默认是按照doc_count排序。

{    "aggs" : {        "genders" : {            "terms" : {                "field" : "gender",                "order" : { "_count" : "asc" }            }        }    }}

也可以按照字典方式排序:

{    "aggs" : {        "genders" : {            "terms" : {                "field" : "gender",                "order" : { "_term" : "asc" }            }        }    }}

当然也可以通过order指定一个单值聚合，来排序。

{    "aggs" : {        "genders" : {            "terms" : {                "field" : "gender",                "order" : { "avg_balance" : "desc" }            },            "aggs" : {                "avg_balance" : { "avg" : { "field" : "balance" } }            }        }    }}

同时也支持多值聚合，不过要指定使用的多值字段：

{    "aggs" : {        "genders" : {            "terms" : {                "field" : "gender",                "order" : { "balance_stats.avg" : "desc" }            },            "aggs" : {                "balance_stats" : { "stats" : { "field" : "balance" } }            }        }    }}

返回结果：

min_doc_count与shard_min_doc_count

聚合的字段可能存在一些频率很低的词条，如果这些词条数目比例很大，那么就会造成很多不必要的计算。
因此可以通过设置min_doc_count和shard_min_doc_count来规定最小的文档数目，只有满足这个参数要求的个数的词条才会被记录返回。

通过名字就可以看出：

• min_doc_count：规定了最终结果的筛选
• shard_min_doc_count：规定了分片中计算返回时的筛选

script

桶聚合也支持脚本的使用：

{    "aggs" : {        "genders" : {            "terms" : {                "script" : "doc[‘gender‘].value"            }        }    }} 

以及外部脚本文件：

{    "aggs" : {        "genders" : {            "terms" : {                "script" : {                    "file": "my_script",                    "params": {                        "field": "gender"                    }                }            }        }    }} 

filter

filter字段提供了过滤的功能，使用两种方式：include可以匹配出包含该值的文档，exclude则排除包含该值的文档。
例如：

{    "aggs" : {        "tags" : {            "terms" : {                "field" : "tags",                "include" : ".*sport.*",                "exclude" : "water_.*"            }        }    }}

上面的例子中，最后的结果应该包含sport并且不包含water。
也支持数组的方式，定义包含与排除的信息：

{    "aggs" : {        "JapaneseCars" : {             "terms" : {                 "field" : "make",                 "include" : ["mazda", "honda"]             }         },        "ActiveCarManufacturers" : {             "terms" : {                 "field" : "make",                 "exclude" : ["rover", "jensen"]             }         }    }}

多字段聚合

通常情况，terms聚合都是仅针对于一个字段的聚合。因为该聚合是需要把词条放入一个哈希表中，如果多个字段就会造成n^2的内存消耗。

不过，对于多字段，ES也提供了下面两种方式：

• 1 使用脚本合并字段
• 2 使用copy_to方法，合并两个字段，创建出一个新的字段，对新字段执行单个字段的聚合。

collect模式

对于子聚合的计算，有两种方式：

• depth_first 直接进行子聚合的计算
• breadth_first 先计算出当前聚合的结果，针对这个结果在对子聚合进行计算。

默认情况下ES会使用深度优先，不过可以手动设置成广度优先，比如：

{    "aggs" : {        "actors" : {             "terms" : {                 "field" : "actors",                 "size" : 10,                 "collect_mode" : "breadth_first"             },            "aggs" : {                "costars" : {                     "terms" : {                         "field" : "actors",                         "size" : 5                     }                 }            }         }    }}

缺省值Missing value

缺省值指定了缺省的字段的处理方式：

{    "aggs" : {        "tags" : {             "terms" : {                 "field" : "tags",                 "missing": "N/A"              }         }    }}

ES之五：ElasticSearch聚合