elasticsearch 桶(Bucket)聚合

1、Terms Aggregation
对词条Term字段的值进行group聚合，得到每个Term字段的值的个数

{
   "size" : 0,
   "aggs": {
      "colors": {
         "terms": {
            "field": "securityId"
         }
      }
   }
}

2、Histogram Aggregation直方图聚合
根据指定的时间间隔构造存储桶。 属于每个间隔的值将形成一个间隔存储桶。
interval参数指定每统计间隔是多少。

interval关键字	说明
seconds	1, 5, 10, 30的倍数。
minutes	1, 5, 10, 30的倍数。
hours	1, 3, 12的倍数。
days	1,7的倍数。
months	1, 3的倍数。
years	1, 5, 10, 20, 50, 100的倍数。

{
	"size":0,
  "aggs": {
      "colors": {
         "histogram": {
            "field": "priceNow",
            "interval": 100
         }
      }
   }
}

3、日期直方图聚合(Date histogram aggregation)

似于正常的直方图,区别在于，可以使用日期/时间表达式指定间隔。

{
  "size": 0,
  "aggs": {
    "birthdays": {
      "date_histogram": {
        "field": "updateTime",
        "interval": "year"
      }
    }
  }
}

4、 Range Aggregation范围值区间聚合
对指定字段的值，进行区间访问统计，得到各区间的count数

{
  "size":0,
  "query":{
    "bool":{
      "must":[
        {
          "range":{
            "tradeDate":{
               "from":20201216,
               "to":20201216,
               "include_lower":true,
               "include_upper":true
            }
          }
        }
      ]
    }
  },
  "aggs": {
    "goal_ranges": {
      "range": {
        "field": "priceNow",
        "ranges": [
          {
            "to": 20
          },
          {
            "from": 20,
            "to": 100
          },
          {
            "from": 100
          }
        ]
      }
    }
  }
}

5、聚合筛选，类似SQL里面的having

逻辑：指定日期范围内，按股票分组，求平均价值大于10，且在指定时间范围内只出现过1次的股票。

{
  "size":0,
  "query":{
    "bool":{
      "must":[
        {
          "range":{
            "tradeDate":{
               "from":20201213,
               "to":20201216,
               "include_lower":true,
               "include_upper":true
            }
          }
        }
      ]
    }
  },
  "aggs": {
    "groupUserId": {
      "terms": {
        "field": "securityId",
        "size":2000,
        "order" : { "_key" : "asc" }
      },
      "aggs": {
        "avgAmount": {
          "avg": {
            "field": "priceNow"
          }
        },
        "having": {
          "bucket_selector": {
            "buckets_path": {
              "orderCount": "_count",
              "avgAmount": "avgAmount"
            },
            "script": {
              "source": "params.avgAmount >= 10 && params.orderCount ==1 "
            }
          }
        }
      }
    }
  }
}

6、邻近矩阵聚合(Adjacency matrix)

adjacency_matrix类型的聚合可以返回类似于集合的操作，例如A,B,C三个筛选条件，聚合请求就会返回符合A的，符合A&B的，符合B的，符合B&C的，符合C的，符合A&C的不同集合的数据数目。

{
  "size":0,
  "query":{
    "bool":{
      "must":[
        {
          "range":{
            "tradeDate":{
               "from":20201216,
               "to":20201216,
               "include_lower":true,
               "include_upper":true
            }
          }
        }
      ]
    }
  },
  "aggs" : {
    "interactions" : {
      "adjacency_matrix" : {
        "filters" : {
          "grpA" : { "terms" : { "signalType" : ["fundDepthSignal", "nxtjBsSignal"] }},
          "grpB" : { "terms" : { "signalType" : ["nxtjBsSignal", "zhcmBsSignal"] }},
          "grpC" : { "terms" : { "signalType" : ["fundDepthSignal", "bhlnEnergyBsSignal"] }}
        }
      }
    }
  }
}