尝试聚合

我们可以用以下几页定义不同的聚合和它们的语法，但学习聚合的最佳途径就是用实例来说明。 一旦我们获得了聚合的思想，以及如何合理地嵌套使用它们，那么语法就变得不那么重要了。

[NOTE]

聚合的桶操作和度量的完整用法可以在 {ref}/search-aggregations.html[Elasticsearch 参考] 中找到。本章中会涵盖其中很多内容，但在阅读完本章后查看它会有助于我们对它的整体能力有所了解。

所以让我们先看一个例子。我们将会创建一些对汽车经销商有用的聚合，数据是关于汽车交易的信息：车型、制造商、售价、何时被出售等。

首先我们批量索引一些数据：

  1. POST /cars/transactions/_bulk
  2. { "index": {}}
  3. { "price" : 10000, "color" : "red", "make" : "honda", "sold" : "2014-10-28" }
  4. { "index": {}}
  5. { "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
  6. { "index": {}}
  7. { "price" : 30000, "color" : "green", "make" : "ford", "sold" : "2014-05-18" }
  8. { "index": {}}
  9. { "price" : 15000, "color" : "blue", "make" : "toyota", "sold" : "2014-07-02" }
  10. { "index": {}}
  11. { "price" : 12000, "color" : "green", "make" : "toyota", "sold" : "2014-08-19" }
  12. { "index": {}}
  13. { "price" : 20000, "color" : "red", "make" : "honda", "sold" : "2014-11-05" }
  14. { "index": {}}
  15. { "price" : 80000, "color" : "red", "make" : "bmw", "sold" : "2014-01-01" }
  16. { "index": {}}
  17. { "price" : 25000, "color" : "blue", "make" : "ford", "sold" : "2014-02-12" }

有了数据，开始构建我们的第一个聚合。汽车经销商可能会想知道哪个颜色的汽车销量最好，用聚合可以轻易得到结果，用 terms 桶操作：

  1. GET /cars/transactions/_search
  2. {
  3.     "size" : 0,
  4.     "aggs" : { (1)
  5.         "popular_colors" : { (2)
  6.             "terms" : { (3)
  7.               "field" : "color"
  8.             }
  9.         }
  10.     }
  11. }

<1> 聚合操作被置于顶层参数 (((“aggregations”, “aggs parameter”))) aggs 之下（如果你愿意，完整形式 aggregations 同样有效）。

<2> 然后，可以为聚合指定一个我们想要名称，本例中是： popular_colors 。

<3> 最后，定义单个桶的类型 terms 。

聚合是在特定搜索结果背景下执行的，这也就是说它只是查询请求的另外一个顶层参数（例如，使用 /_search 端点）。聚合可以与查询结对，但我们会晚些在 <<_scoping_aggregations,限定聚合的范围（Scoping Aggregations）>> 中来解决这个问题。

[NOTE]

可能会注意到我们将 size 设置成 0 。我们并不关心搜索结果的具体内容，所以将返回记录数设置为 0 来提高查询速度。设置 size: 0 与 Elasticsearch 1.x 中使用 count 搜索类型等价。

然后我们为聚合定义一个名字，名字的选择取决于使用者，响应的结果会以我们定义的名字为标签，这样应用就可以解析得到的结果。

随后我们定义聚合本身，在本例中，我们定义了一个单 terms 桶。这个 terms 桶会为每个碰到的唯一词项动态创建新的桶。因为我们告诉它使用 color 字段，所以 terms 桶会为每个颜色动态创建新桶。

让我们运行聚合并查看结果：

  1. {
  2. ...
  3.    "hits": {
  4.       "hits": [] (1)
  5.    },
  6.    "aggregations": {
  7.       "popular_colors": { (2)
  8.          "buckets": [
  9.             {
  10.                "key": "red", (3)
  11.                "doc_count": 4 (4)
  12.             },
  13.             {
  14.                "key": "blue",
  15.                "doc_count": 2
  16.             },
  17.             {
  18.                "key": "green",
  19.                "doc_count": 2
  20.             }
  21.          ]
  22.       }
  23.    }
  24. }

<1> 因为我们设置了 size 参数，所以不会有 hits 搜索结果返回。

<2> popular_colors 聚合是作为 aggregations 字段的一部分被返回的。

<3> 每个桶的 key 都与 color 字段里找到的唯一词对应。它总会包含 doc_count 字段，告诉我们包含该词项的文档数量。

<4> 每个桶的数量代表该颜色的文档数量。

响应(((“doc_count”)))包含多个桶，每个对应一个唯一颜色（例如：红 或 绿）。每个桶也包括 聚合进 该桶的所有文档的数量。例如，有四辆红色的车。

前面的这个例子完全是实时执行的：一旦文档可以被搜到，它就能被聚合。这也就意味着我们可以直接将聚合的结果源源不断的传入图形库，然后生成实时的仪表盘。不久，你又销售了一辆银色的车，我们的图形就会立即动态更新银色车的统计信息。

瞧！这就是我们的第一个聚合！