这篇文档就简单记录哈ES中的聚合分析，包括指、、。其实就是数据库中的各类分析函数，比如、、、y、g等等。主要应用在一些统计分析业务中。
查询建筑最高的楼层：
如果某个文档中缺少 floor1字段，则设置该字段的值为 6。
也可以通过脚本来查询最大值：
使用脚本时，可以先通过 去判断文档是否有对应的属性。
统计最小值，用法和 Max Aggregation 基本一致：
脚本：
统计平均值：
求和：
cardinality aggregation 用于基数统计。类似于 SQL 中的 distinct count(0)。
text 类型是分析型类型，默认是不允许进行聚合操作的，如果相对 text 类型进行聚合操作，需要设置其 fielddata 属性为 true，这种方式虽然可以使 text 类型进行聚合操作，但是无法满足精准聚合，如果需要精准聚合，可以设置字段的子域为 keyword。
- 1、方式一：
定义 books 索引：
重新插入数据，然后查询出版社的总数量：
- 2、方式二
基本统计，一次性返回 count、max、min、avg、sum：
高级统计，比 stats 多出来：平方和、方差、标准差、平均值加减两个标准差的区间：
百分位统计：
可以按照字段统计文档数量（包含指定字段的文档数量）：
Terms Aggregation 用于分组聚合，例如，统计各个出版社出版的图书总数量:
统计不同出版社所出版的图书的平均价格：
过滤器聚合。可以将符合过滤器中条件的文档分到一个桶中，然后可以求其平均值。
例如查询书名中包含 java 的图书的平均价格：
多过滤器聚合。过滤条件可以有多个。
例如查询书名中包含 java 或者 office 的图书的平均价格：
按照范围聚合，在某一个范围内的文档数统计。
例如统计图书价格在 0-50、50-100、100-150、150以上的图书数量：
Range Aggregation 也可以用来统计日期，但是也可以使用 Date Range Aggregation，后者的优势在于可以使用日期表达式。
构造数据：
统计一年前到一年后的博客数量：
：
1、12M/M 表示 12 个月。
2、1y/y 表示 1年。
3、d 表示天。
时间直方图聚合。
例如统计各个月份的博客数量：
空值聚合。
统计所有没有 price 字段的文档：
可以根据父子文档关系进行分桶。
查询子类型为 student 的文档数量：
对地理位置数据做统计。
例如查询(34.288991865037524,108.9404296875)坐标方圆 600KM 和 超过 600KM 的城市数量：
IP 地址范围查询：
管道聚合相当于在之前聚合的基础上，再次聚合。
计算聚合平均值。
例如，统计每个出版社所出版图书的平均值，然后再统计所有出版社的平均值：
统计每个出版社所出版图书的平均值，然后再统计平均值中的最大值：
统计每个出版社所出版图书的平均值，然后再统计平均值中的最小值：
统计每个出版社所出版图书的平均值，然后再统计平均值之和：
统计每个出版社所出版图书的平均值，然后再统计平均值的各种数据：