类似于SQL语言中的group by，avg，sum等函数
但Aggregations API还提供了更加复杂的统计分析接口。

聚合方式 解释
Bucket Aggregation 一些满足特定条件的文档的集合
相当于SQL中的group by
Metric Aggregation 一些数学计算，可以对文档字段统计分析
基于Buckets的基础上进行统计分析，相当于SQL中的count,avg,sum等
Pipeline Aggregation 对其他的聚合结果进行二次聚合
Metrix Aggregation 支持对多个字段的操作并提供一个结果矩阵

bucket分组聚合

term分组+过滤

  1. GET employee/_search
  2. {
  3.   "size": 0, 
  4.   "aggs": {
  5.     "job_analysis": {
  6.       "terms": {
  7.         "field": "job"
  8.       },
  9.       "aggs": {
  10.         "age_top_1": {
  11.           "top_hits": {
  12.             "size": 1,
  13.             "sort": [
  14.               {
  15.                 "age": {
  16.                   "order": "desc"
  17.                 }
  18.               }  
  19.             ]
  20.           }
  21.         }
  22.       }
  23.     }
  24.   }
  25. }

过滤后分组

  1. {
  2.     "size":10,
  3.     "query":{
  4.         "bool":{
  5.             "filter":[
  6.                 {
  7.                     "term":{
  8.                         "classid":187010
  9.                     }
  10.                 }
  11.             ]
  12.         }
  13.     },
  14.     "aggs":{
  15.         "lesson_aggs":{
  16.             "terms":{
  17.                 "field":"lessonstatus"
  18.             }
  19.         }
  20.     }
  21. }

range

  1. GET employee/_search
  2. {
  3.   "size": 0, 
  4.   "aggs": {
  5.     "sal_range_info": {
  6.       "range": {
  7.         "field": "sal",
  8.         "ranges": [
  9.           {
  10.             "to": 5000
  11.           },
  12.           {
  13.             "from": 5001,
  14.             "to": 8000
  15.           },
  16.           {
  17.             "from": 8000
  18.           }
  19.         ]
  20.       }
  21.     }
  22.   }
  23. }

根据脚本分组

  1. GET /community_user_bigtable/_doc/_search?
  2. {
  3.     "size":0,
  4.     "_source":false,
  5.     "query":{
  6.         "bool":{
  7.             "filter":[
  8.                 {
  9.                     "term":{
  10.                         "classid":187010
  11.                     }
  12.                 }
  13.             ]
  14.         }
  15.     },
  16.     "aggs":{
  17.         "class_aggs":{
  18.             "terms":{
  19.                 "script":"doc['lessonstatus'].value/10==2"
  20.             },
  21.             "aggs":{
  22.                 "test":{
  24.                   "terms":{
  25.                       "script":"doc['lessonstatus'].value%10"
  26.                   }
  27.                 }
  28.             }
  29.         }
  30.     }
  31. }

根据filter分组

  1. GET /community_user_bigtable/_doc/_search?
  2. {
  3.     "size":0,
  4.     "_source":false,
  5.     "aggs":{
  6.         "class_aggs":{
  7.             "terms":{
  8.                 "field":"classid",
  9.                 "order": [{"isFillPaperSum":"desc"} ]
  10.             },
  11.             "aggs":{
  12.                 "isFillPaperSum":{
  13.                     "sum":{
  14.                         "field":"isfillpaper"
  15.                     }
  16.                 },
  17.                 "loginFilter":{
  18.                     "filter":{
  19.                         "range": {
  20.                           "data_logintime": {
  21.                             "gte": 0
  22.                           }
  23.                         }
  24.                     }
  25.                 },
  26.                 "lessonStatusFilter":{
  27.                     "filter":{
  28.                         "range": {
  29.                           "lessonstatus": {
  30.                             "lte": 60,
  31.                             "gte": 50
  32.                           }
  33.                         }
  34.                     }
  35.                 }
  36.             }
  37.         }
  38.     }
  39. }

order分组后排序

  1. {
  2.     "aggs" : {
  3.         "genders" : {
  4.             "terms" : {
  5.                 "field" : "gender",
  6.                 "order" : { "_count" : "asc" }
  7.             }
  8.         }
  9.     }
  10. }

也可以根据子聚合排序

  1. {
  2.     "aggs" : {
  3.         "genders" : {
  4.             "terms" : {
  5.                 "field" : "gender",
  6.                 "order" : { "avg_balance" : "desc" }
  7.             },
  8.             "aggs" : {
  9.                 "avg_balance" : { "avg" : { "field" : "balance" } }
  10.             }
  11.         }
  12.     }
  13. }

子聚合内字段排序

  1. {
  2.     "aggs" : {
  3.         "genders" : {
  4.             "terms" : {
  5.                 "field" : "gender",
  6.                 "order" : { "balance_stats.avg" : "desc" }
  7.             },
  8.             "aggs" : {
  9.                 "balance_stats" : { "stats" : { "field" : "balance" } }
  10.             }
  11.         }
  12.     }
  13. }

histogram aggregation 支持 sort 但是并不支持 size 

  1. {
  2.   "aggs": {
  3.     "ipo_year_range": {
  4.       "aggs": {
  5.         "max_market_cap": {
  6.           "max": {
  7.             "field": "market_cap"
  8.           }
  9.         }
  10.       }, 
  11.       "histogram": {
  12.         "field": "ipo_year", 
  13.         "interval": 10, 
  14.         "order": {
  15.           "_key": "asc"
  16.         }
  17.       }
  18.     }
  19.   }, 
  20.   "size": 0
  21. }

Metric聚合(max/min/avg/sum)

stats统计

  1. GET employee/_search
  2. {
  3.   "size": 0, 
  4.   "aggs": {
  5.     "job_and_salary_info": {
  6.       "terms": {
  7.         "field": "job"
  8.       },
  9.       "aggs": {
  10.         "sal_info": {
  11.           "stats": {// 换avg/sum
  12.             "field": "sal"
  13.           }
  14.         }
  15.       }
  16.     }
  17.   }
  18. }

直接sum/avg…某个字段

  1. curl  'http://10.202.11.117:9200/testindex/orders/_search?pretty' -d '
  2.  {
  3.    "size": 0,
  4.    "aggs": {
  5.      "return_expires_in": {
  6.        "sum": { // min
  7.          "field": "expires_in"
  8.        }
  9.      }
  10.    }
  11.  }'

分组后求百分比

  1. {
  2.   "size": 0,
  3.   "aggs": {
  4.     "states": {
  5.       "terms": {
  6.         "field": "gender"
  7.       },
  8.       "aggs": {
  9.         "banlances": {
  10.           "percentile_ranks": {
  11.             "field": "balance",
  12.             "values": [
  13.               20000,
  14.               40000
  15.             ]
  16.           }
  17.         }
  18.       }
  19.     }
  20.   }

filter nested后聚合

  1. {
  2.     "size":0,
  3.     "query":{
  4.         "filtered":{
  5.     　　　　"filter":{
  6.         　　　　"nested":{
  7.             　　　　"path":"nna_risks",
  8.             　　　　"filter":{
  9.                 　　　　"exists":{
  10.                     　　　　"field":"nna_risks.ina_id"
  11.                 　　　　}
  12.             　　　　}
  13.         　　 　　}
  14.     　　　　}
  15.     　　}　　},
  16.     "aggs":{
  17.         "level0":{
  18.             "terms":{
  19.                 "script":"doc['inp_type'].value"
  20.             }
  21.         }
  22.     }
  23. }

对聚合结果过滤

  1. {
  2.   "aggs": {
  3.     "t_shirts": {
  4.       "filter": { "term": { "SOURCETYPE": "0" } },
  5.       "aggs": {
  6.         "term": { "avg": { "field": "TITLE.KEYWORD" } }
  7.       }
  8.     }
  9.   }
  10. }
  1. {
  2.   "size": 0,
  3.   "aggs" : {
  4.     "messages" : {
  5.       "filters" : {
  6.         "filters" : {
  7.           "errors" :   { "match" : { "SOURCETYPE" : "0"   }},
  8.           "warnings" : { "match" : { "SOURCETYPE" : "1" }}
  9.         }
  10.       }
  11.     }
  12.   }
  13. }

返回值解析

1、ES某些聚合统计会存在损失精准度的问题
2、损失精准度的原因是分片处理中间结果，汇总引起的误差，是ES实时性和精准度的权衡
3、可以通过调大shard_size等方法增加精准度

1）、doc_count_error_upper_bound：表示没有在这次聚合中返回，但是可能存在的潜在聚合结果。

2）、sum_other_doc_count：表示这次聚合中没有统计到的文档数。这个好理解，因为ES统计的时候默认只会根据count显示排名前十的分桶。如果分类（这里是目的地）比较多，自然会有文档没有被统计到。

其他参考

https://www.cnblogs.com/duanxz/p/6528161.html
https://www.jianshu.com/p/1b430a637971