主要內(nèi)容：聚合分析的平均值、最大值、數(shù)量、求和、histogram以及date histogram實戰(zhàn)

1、_bucket嵌套實現(xiàn)多層下鉆分析

1.1、avg求平均值

比如說：

紅色電視中的3臺長虹的平均價格是多少？
紅色電視中的1臺小米的平均價格是多少？

下鉆的意思是，已經(jīng)分了一個組了，比如說顏色的分組，然后還要繼續(xù)對這個分組內(nèi)的數(shù)據(jù)，再分組，比如一個顏色內(nèi)，還可以分成多個不同的品牌的組，最后對每個最小粒度的分組執(zhí)行聚合分析操作，這就叫做下鉆分析

es，下鉆分析，就要對bucket進行多層嵌套，多次分組

bucket，分組操作，histogram，按照某個值指定的interval，劃分一個一個的bucket

按照多個維度（顏色+品牌）多層下鉆分析，而且學會了每個下鉆維度（顏色，顏色+品牌），都可以對每個維度分別執(zhí)行一次metric聚合操作

GET /tvs/_search 
{
  "size": 0,
  "aggs": {
    "group_by_color": {
      "terms": {
        "field": "color"
      },
      "aggs": {
        "color_avg_price": {
          "avg": {
            "field": "price"
          }
        },
        "group_by_brand": {
          "terms": {
            "field": "brand"
          },
          "aggs": {
            "brand_avg_price": {
              "avg": {
                "field": "price"
              }
            }
          }
        }
      }
    }
  }
}

1.2、max,min,count,sum

count：bucket，terms，自動就會有一個doc_count，就相當于是count
max：求一個bucket內(nèi)，指定field值最大的那個數(shù)據(jù)
min：求一個bucket內(nèi)，指定field值最小的那個數(shù)據(jù)
sum：求一個bucket內(nèi)，指定field值的總和
求總和，就可以拿到一個顏色下的所有電視的銷售總額

GET /tvs/_search
{
  "size": 0,
  "aggs": {
    "colors": {
      "terms": {
        "field": "color"
      },
      "aggs": {
        "avg_price": {
          "avg": {
            "field": "price"
          }
        },
        "min_price": {
          "min": {
            "field": "price"
          }
        },
        "max_price": {
          "max": {
            "field": "price"
          }
        },
        "sum_price": {
          "sum": {
            "field": "price"
          }
        }
      }
    }
  }
}

1.3、histogram分組操作

histogram：類似于terms，也是進行bucket分組操作，接收一個field，按照這個field的值的各個范圍區(qū)間，進行bucket分組操作

"histogram":{ 
  "field": "price",
  "interval": 2000
},

interval：2000，劃分范圍，0_2000，20004000，4000_6000，60008000，8000~10000，buckets

去根據(jù)price的值，比如2500，看落在哪個區(qū)間內(nèi)，比如2000_{4000，此時就會將這條數(shù)據(jù)放入2000}4000對應的那個bucket中

bucket有了之后，一樣的，去對每個bucket執(zhí)行avg，count，sum，max，min，等各種metric操作，聚合分析

GET /tvs/_search
{
  "size": 0,
  "aggs": {
    "price": {
      "histogram": {
        "field": "price",
        "interval": 2000
      },
      "aggs": {
        "revenue": {
          "sum": {
            "field": "price"
          }
        }
      }
    }
  }
}

1.4、date histogram

date histogram：按照我們指定的某個date類型的日期field，以及日期interval，按照一定的日期間隔，去劃分bucket

date interval = 1m，

2017-01-01~2017-01-31，就是一個bucket
2017-02-01~2017-02-28，就是一個bucket

然后會去掃描每個數(shù)據(jù)的date field，判斷date落在哪個bucket中，就將其放入那個bucket

2017-01-05，就將其放入2017-01-01~2017-01-31，就是一個bucket

min_doc_count：即使某個日期interval，2017-01-01~2017-01-31中，一條數(shù)據(jù)都沒有，那么這個區(qū)間也是要返回的，不然默認是會過濾掉這個區(qū)間的
extended_bounds，min，max：劃分bucket的時候，會限定在這個起始日期，和截止日期內(nèi)

[fixed_interval] or [calendar_interval]

GET /tvs/_search
{
   "size" : 0,
   "aggs": {
      "sales": {
         "date_histogram": {
            "field": "sold_date",
            "calendar_interval": "month",
            "format": "yyyy-MM-dd",
            "min_doc_count" : 0, 
            "extended_bounds" : { 
                "min" : "2016-01-01",
                "max" : "2017-12-31"
            }
         }
      }
   }
}