aggregation 详解3（bucket aggregation）
概述
桶分聚合不进行权值的计算，他们对文档根据聚合请求中提供的判断条件（比如：{"from":0, "to":100}）来进行分组（桶分）。
桶分聚合还会额外返回每一个桶内文档的个数。
桶分聚合可以包含子聚合——sub-aggregations（权值聚合不能包含子聚合，可以作为子聚合），子聚合操作将会应用到由父（parent）聚合产生的每一个桶上。
桶分聚合根据聚合条件，可以只定义输出一个桶；也可以输出多个；还可以在根据聚合条件动态确定桶个数（比如：terms aggregation）。
Histogram Aggregation(multi-bucket)
直方图聚合——基于文档中的某个【数值类型】字段，通过计算来动态的分桶。
一个文档属于某个桶，计算过程大致如下：
rem = value % interval if (rem < 0) { rem += interval } bucket_key = value - rem
配置参数
- field：字段，必须为数值类型
- interval：分桶间距
- min_doc_count：最少文档数桶过滤，只有不少于这么多文档的桶才会返回
- extended_bounds：范围扩展
- order：对桶排序，如果 histogram 聚合有一个权值聚合类型的"直接"子聚合，那么排序可以使用子聚合中的结果
- offset：桶边界位移，默认从0开始
- keyed：hash结构返回，默认以数组形式返回每一个桶
- missing：配置缺省默认值
{ "aggs" : { "prices" : { "histogram" : { "field" : "price", "interval" : 50, "min_doc_count" : 1, "extended_bounds" : { "min" : 0, "max" : 500 }, "order" : { "_count" : "desc" }, "keyed":true, "missing":0 } } } }
Data Histogram Aggregation(multi-bucket)
日期直方图聚合——基于日期类型，以【日期间隔】来桶分聚合。
可用的时间间隔类型为：year、quarter、month、week、day、hour、minute、second，其中，除了year、quarter 和 month，其余可用小数形式。
配置参数
- field：
- interval：
- format：定义日期的格式，配置后会返回一个 key_as_string 的字符串类型日期（默认只有key）
- time_zone：定义时区，用作时间值的调整
- offset：
- missing：
{ "aggs" : { "articles_over_time" : { "date_histogram" : { "field" : "date", "interval" : "month", "format" : "yyyy-MM-dd", "time_zone": "+08:00" } } } }
Range Aggregation(multi-bucket)
范围聚合——基于某个值（可以是 field 或 script），以【字段范围】来桶分聚合。
范围聚合包括 from 值，不包括 to 值（区间前闭后开）。
配置参数
- ranges：配置区间，数组，每一个元素是一个区间。例如：[{from:0}, {from:50, to:100}, {to:200}]
- keyed：以一个关联的唯一字符串作为键，以 HASH 形式返回，而不是默认的数组
- script：利用 script 执行结果替代普通的 field 值进行聚合。script可以用file给出，还可以对其它 field 进行求值计算。
{ "aggs" : { "price_ranges" : { "range" : { "field" : "price", "ranges" : [ //包含 3 个桶 { "to" : 50 }, { "from" : 50, "to" : 100 }, { "from" : 100 } ], "keyed" : true } } } }
Date Range Aggregation(multi-bucket)
日期范围聚合——基于日期类型的值，以【日期范围】来桶分聚合。
日期范围可以用各种 Date Math 表达式。
同样的，包括 from 的值，不包括 to 的值。
配置参数
- format：定义日期格式，配置后会返回一个 [to/from]_as_string 的字符串类型日期，默认是 to/from 的数值表示
{ "aggs": { "range": { "date_range": { "field": "date", "format": "MM-yyy", "ranges": [ //包含 3 个桶 { "to": "now-10M/M" }, { "from": "now-10M/M" }, {"from":"1970-1-1", "to":"2000-1-1"} ] } } } }
Terms Aggregation(multi-bucket)
词元聚合——基于某个field，该 field 内的每一个【唯一词元】为一个桶，并计算每个桶内文档个数。
默认返回顺序是按照文档个数多少排序。
当不返回所有 buckets 的情况，文档个数可能不准确。
配置参数
- size：size用来定义需要返回多个 buckets（防止太多），默认会全部返回。（注意，如果只返回部分buckets，统计的文档个数不一定准确（每个分片各自的top size个）。size 越大，count 会越精确。）
- order：排序方式
- min_doc_count：只返回文档个数不小于该值的 buckets
- script：用基本来生成词元
- include：包含过滤
- exclude：排除过滤
- execution_hint：
- collect_mode：
- missing：
{ "aggs" : { "genders" : { "terms" : { "field" : "gender", "size" : 5, "order" : { "_count" : "asc" }, "min_doc_count": 10, "include" : ".*sport.*", "exclude" : "water_.*", "missing": "N/A" } } } }
Filters Aggregation(multi-bucket)
多过滤聚合——基于多个过滤条件，来对当前文档进行【过滤】的聚合，每个过滤都包含所有满足它的文档（多个bucket中可能重复）。
配置参数
- filters： 配置过滤条件，支持 HASH 或 数组格式
- other_bucket： 是否计算不满足任何匹配条件的文档
- other_bucket_key： 作为不匹配所有过滤条件的文档的 bucket 名称
{ "aggs" : { "messages" : { "filters" : { "other_bucket_key": "other_messages", //不在过滤条件范围内的文档都归属于 other_messages 桶 "filters" : { //过滤条件 "errors" : { "term" : { "body" : "error" }}, "warnings" : { "term" : { "body" : "warning" }} } }, "aggs" : { "monthly" : { "histogram" : { "field" : "timestamp", "interval" : "1M" } } } } } }
Filter Aggregation(single-bucket)
过滤聚合——基于一个条件，来对当前的文档进行过滤的聚合。
{ "aggs" : { "red_products" : { "filter" : { "term": { "color": "red" } }, "aggs" : { "avg_price" : { "avg" : { "field" : "price" } } } } } }
IPv4 Range Aggregation(multi-bucket)
IP4聚合——基于一个 IPv4 字段，对文档进行【IPv4范围】的桶分聚合。
和 Range Aggregation 类似，只是应用字段必须是 IPv4 数据类型。
{ "aggs" : { "ip_ranges" : { "ip_range" : { "field" : "ip", "ranges" : [ //包含 3 个桶，各个桶之间可能有文档重复 { "to" : "10.0.0.5" }, { "from" : "10.0.0.5" }, { "from":"1.1.1.1", "to" : "10.0.0.5" }, ] } } } }
Nested Aggregation(single-bucket)
嵌套类型聚合——基于嵌套（nested）数据类型，把该【嵌套类型的信息】聚合到单个桶里，然后就可以对嵌套类型做进一步的聚合操作。
// resellers 是一个嵌套类型 { ... "product" : { "properties" : { "resellers" : { "type" : "nested", "properties" : { "name" : { "type" : "string" }, "price" : { "type" : "double" } } } } } } // 对 nested 对象里面的信息做其它聚合操作 { "query" : { "match" : { "name" : "led tv" } }, "aggs" : { "resellers" : { "nested" : { //"嵌套类型聚合"把所有嵌套信息都包含在单一的桶里，以供进一步处理 "path" : "resellers" }, "aggs" : { "min_price" : { "min" : { "field" : "resellers.price" } } //对嵌套类型聚合输出的桶做进一步处理，这里是计算其 price 的 average } } } }
