• 什么是聚合分析？
  聚合分析，英文为Aggregation，是ES除搜索功能外提供的针对ES数据做统计分析的功能。功能丰富，提供Bucket，Metric，Pipeline等多种分析方式，可以满足大部分的分析需求。实时性高，所有的计算结果都是即时返回的。
  聚合分析作为search的一部分，api如下图所示：
  聚合分析
  为了便于理解，ES将聚合分析主要分为如下4类：
    - Bucket：分桶类型。类似SQl中的GROUP BY 语法
    - Metric：指标分析类型，如计算最大值、最小值、平均值等等
    - Pipeline：管道分析类型，基于上一级的聚合分析结果进行再分析
    - Matrix：矩阵分析类型
• Metric
  主要分如下两类：
    - 单值分析，只输出一个分析结果
      - min，max，avg，sum
      - cardinality
    - 多值分析
      - stats，extended，stats
      - percentile，percentile rank
      - top hits
    - Min，返回数值类的最小值
  
  Min
  max，avg，sum 用法与min的用法类似
• 一次返回多个聚合结果，api及响应如下所示:
  返回多个结果
    - Cardinality，意为集合的势，或者基数，是指不同数值的个数，类似SQL中的distinct count概念，api及响应如下:
  Cardinality
  - Stats，返回一系列的数值类型的统计，包括min，max，avg，sum 和 count，api及响应如下：
  stats
  - Extended Stats，对stats的扩展，包含了更多的统计数据，如方差，标准差等，api及响应如下:
  Extended Stats
  - Percentile / Percentile Rank，百分位数统计，api及响应如下:
  Percentile
  Percentile Rank
  - Top Hits，一般用于分桶后获取该桶内的最匹配的顶部文档列表，即详情数据，api及响应如下:
  Top Hits
• Bucket
    - bucket，意为桶，即按照一定规则将文档分配到不同桶中，达到分类的目的。
  Bucket
  
    - 按照Bucket的分桶策略，常见的Bucket聚合分析如下：
      - Terms：该分桶策略最简单，直接按照 term 来分桶，如果是 text 类型，则按照分词后的结果分桶
  Terms 分桶
      - Range：通过指定数值的范围来设定分桶规则
  Range 分桶
      - Date Range：通过指定日期范围来设定分桶规则
  Date Range 分桶
      - Histogram：直方图，以固定间隔的策略来分割数据
  Histogram分桶
      - Date Histogram：针对日期的我直方图或者柱状图，是时序数据分析中常用的聚合分析类型
  Date Histogram 分桶
• Bucket + Metric 聚合分析
  Bucket聚合分析允许通过添加子分析来进一步进行分析，该子分析可以是Bucket也可以是Metric。这也使得es的聚合分析能力变得异常强大
    - 分桶后再分桶
  Bucket + Bucket
    - 分桶后再进行聚合分析
  Bucket + Metric
• Pipeline 聚合分析
• Pipeline,针对聚合分析的结果再次进行聚合分析，而且支持支链调用。 Pipeline的分析结果会输出到原结果中，根据输出位置的不同，分为以下两类：
    - Parent 结果内嵌到现有的聚合分析结果中
     - Derivative (求导)
     - Moving Average（移动平均值）
     - Cumulative Sum（累计求和）
    - Sibling 结果与现有的聚合分析同级
     - Max /Min / Avg/ Sum Bucket
     - Stats / Extended Stats Bucket
     - Percentiles Bucket

Min Bucket，如下例，找出所有Bucket中值最小的Bucket的名称和值

Min Bucke

Stats

Derivative

image.png