终于到了最后一个业务需求：支持管理者对员工目录做分析。Elasticsearch有一个功能叫做聚合（aggregations），允许我们基于数据生成一些精细的分析结果。聚合与SQL 中的GROUP BY类似但更强大。

    举个例子，挖掘出员工中最受欢迎的兴趣爱好：

    1. GET /megacorp/employee/_search
    2. {
    3.   "aggs": {
    4.     "all_interests": {
    5.       "terms": { "field": "interests" }
    6.     }
    7.   }
    8. }

    暂时忽略掉语法,直接看看结果:

    {
   ...
   "hits": { ... },
   "aggregations": {
      "all_interests": {
         "buckets": [
            {
               "key":       "music",
               "doc_count": 2
            },
            {
               "key":       "forestry",
               "doc_count": 1
            },
            {
               "key":       "sports",
               "doc_count": 1
            }
         ]
      }
   }
}

    可以看到,两位员工对音乐感兴趣,一位对林业感兴趣,一位对运动感兴趣.这些聚合的结果数据并非预先同级，而是根据匹配当前查询的文档即使生成的。如果想知道叫Smith的员工中最受欢迎的兴趣爱好，可以直接构造一个组合查询：

    GET /megacorp/employee/_search
{
  "query": {
    "match": {
      "last_name": "smith"
    }
  },
  "aggs": {
    "all_interests": {
      "terms": {
        "field": "interests"
      }
    }
  }
}

    all_interests 聚合已经变为只包含匹配查询的文档：

     ...
  "all_interests": {
     "buckets": [
        {
           "key": "music",
           "doc_count": 2
        },
        {
           "key": "sports",
           "doc_count": 1
        }
     ]
  }

    聚合还支持分级汇总。比如，查询特定兴趣爱好员工的平均年龄：

    GET /megacorp/employee/_search
{
    "aggs" : {
        "all_interests" : {
            "terms" : { "field" : "interests" },
            "aggs" : {
                "avg_age" : {
                    "avg" : { "field" : "age" }
                }
            }
        }
    }
}

    得到的聚合结果有点儿复杂，但理解起来还是很简单的：

     ...
  "all_interests": {
     "buckets": [
        {
           "key": "music",
           "doc_count": 2,
           "avg_age": {
              "value": 28.5
           }
        },
        {
           "key": "forestry",
           "doc_count": 1,
           "avg_age": {
              "value": 35
           }
        },
        {
           "key": "sports",
           "doc_count": 1,
           "avg_age": {
              "value": 25
           }
        }
     ]
  }

    输出基本是第一次聚合的加强版。依然有一个兴趣及数量的列表，只不过每个兴趣都有了一个附加的avg_age 属性，代表有这个兴趣爱好的所有员工的平均年龄。

    即使现在不太理解这些语法也没有关系，依然很容易了解到复杂聚合及分组通过Elasticsearch特性实现的很完美，能够提取的数据类型也没有任何限制。