Es Bucket聚合(桶聚合) Terms Aggregation与Significant Terms Aggregation

本章将介绍elasticsearch最重要的桶聚合terms aggregation。

Terms Aggregation
多值聚合，根据库中的文档动态构建桶。基于词根的聚合，如果聚合字段是text的话，会对一个一个的词根进行聚合，通常不会在text类型的字段上使用聚合，对标关系型数据中的(Group By)。

官方示例如下：

1GET /_search
2{
3    "aggs" : {
4        "genres" : {
5            "terms" : { "field" : "genre" }
6        }
7    }
8}

返回结果如下：

 1{
 2    ...
 3    "aggregations" : {
 4        "genres" : {
 5            "doc_count_error_upper_bound": 0,           // @1
 6            "sum_other_doc_count": 0,                         // @2
 7            "buckets" : [                                                 // @3
 8                {
 9                    "key" : "electronic",
10                    "doc_count" : 6
11                },
12                {
13                    "key" : "rock",
14                    "doc_count" : 3
15                },
16                {
17                    "key" : "jazz",
18                    "doc_count" : 2
19                }
20            ]
21        }
22    }
23}

返回结果@1：该值表示未进入最终术语列表的术语的最大潜在文档计数，下文还会详细分析。
返回结果@2：当有很多词根时，Elasticsearch只返回最上面的项;这个数字是所有不属于响应的bucket的文档计数之和，其搜索过程在下文会讲到。
返回结果@3：返回的结果，默认情况下，返回doc_count排名最前的10个，受size参数的影响，下面会详细介绍。

Terms 聚合支持如下常用参数：
size
可以通过size返回top size的文档，该术语聚合针对顶层术语（不包含嵌套词根），其搜索过程是将请求向所有分片节点发送请求，每个分片节点返回size条数据，然后聚合所有分片的结果（会对各分片返回的同样词根的数数值进行相加），最终从中挑选size条记录返回给客户端。从这个过程也可以看出，其结果并不是准确的，而是一个近似值。

Shard Size
为了提高该聚合的精确度，可以通过shard_size参数设置协调节点向各个分片请求的词根个数，然后在协调节点进行聚合，最后只返回size个词根给到客户端，shard_size >= size，如果shard_size设置小于size，ES会自动将其设置为size，默认情况下shard_size建议设置为(1.5 * size + 10)。

Calculating Document Count Error
为了阐述返回结果中的doc_count_error_upper_bound、sum_other_doc_count代表什么意思，我们通过如下例子来说明Term Aggregations的工作机制。

根据这些返回的结果，在协调节点上聚合，最终得出如下响应结果：

 1{
 2    ...
 3    "aggregations" : {
 4        "products" : {
 5            "doc_count_error_upper_bound" : 46,
 6            "sum_other_doc_count" : 79,
 7            "buckets" : [
 8                {
 9                    "key" : "Product A",
10                    "doc_count" : 100
11                },
12                {
13                    "key" : "Product Z",
14                    "doc_count" : 52
15                }
16                {
17                    "key" : "Product C",
18                    "doc_count" : 50
19                }
20                {
21                    "key" : "Product G",
22                    "doc_count" : 45
23                }
24                ...
25            ]
26        }
27    }
28}

那doc_count_error_upper_bound、sum_other_doc_count又分别代表什么呢？

doc_count_error_upper_bound
该值表示未进入最终术语列表的术语的最大潜在文档计数。这是根据从每个碎片返回的上一项的文档计数之和计算的（协调节点根据每个分片节点返回的最后一条数据相加得来的）。这意味着在最坏的情况下，没有返回的词根的最大文档个数为46个，在此次聚合结果中排名第4。

sum_other_doc_count
未纳入本次聚合结果中的文档总数量，这个容易理解。

Per bucket Document Count Error
每个桶的错误文档数量，可以通过参数show_term_doc_count_error=true来展示每个文档未被纳入结果集的数量。

其使用示例如下：

1GET /_search
2{
3 “aggs” : {
4 “products” : {
5 “terms” : {
6 “field” : “product”,
7 “size” : 5,
8 “show_term_doc_count_error”: true
9 }
10 }
11 }
12}
对应的返回值：

1{
 2    ...
 3    "aggregations" : {
 4        "products" : {
 5            "doc_count_error_upper_bound" : 46,
 6            "sum_other_doc_count" : 79,
 7            "buckets" : [
 8                {
 9                    "key" : "Product A",
10                    "doc_count" : 100,
11                    "doc_count_error_upper_bound" : 0
12                },
13                {
14                    "key" : "Product Z&