《Elastic Stack 实战手册》——三、产品能力——3.4.入门篇——3.4.2.Elasticsearch基础应用——3.4.2.21.Aggregations（3） https://developer.aliyun.com/article/1229243
4、和聚合 sum
和聚合属于单值度量聚合，可从聚合文档中的数值字段或者直方图字段中计算出总和。
1）基础用法
获取订单中产品的总销量，并定义总销量字段为 count_sum ，该字段也将作为结果返回：
POST /order/_search?size=0 { "aggs" : { "count_sum" : { "sum" : { "field" : "count" } } } }
返回结果：
{ ... "aggregations" : { "count_sum" : { "value" : 179 } } }
2）缺失值
默认情况下，当文档中缺失计算字段值时，该文档将会被忽略，若我们希望使用这部分文档，可以通过设置 missing 参数。以下例子中，缺失字段的 price 将按照 1 来计算，所以结果为 180。
POST /order/_search?size=0 { "aggs" : { "count_sum" : { "sum" : { "field" : "count", "missing": 1 } } } }
3）Histogram fields
在直方图字段上计算和聚合，计算的方法为将文档数组中的 value 乘以对应位置的 count 后进行加和汇总。
以存储不同网络的预聚合直方图和延迟度量的索引为例（数据参见 平均值聚合avg 第3点）：
POST /metrics_index/_search?size=0 { "aggs" : { "total_latency" : { "sum" : { "field" : "latency_histo" } } } }
计算 latency_histo 字段和聚合的方法为，将每个文档的 value 乘以对应位置的 count 后再计算总和，因此上述结果为：
{ ... "aggregations": { "sum_latency": { "value": 28.8 } } }
4）脚本
GET order/_search?size=0 { "runtime_mappings": { "price.weighted": { "type": "double", "script": """ double price = doc['price'].value; if (doc['price'].value > 20000) { price *= 0.8; } emit(price); """ } }, "aggs": { "sum_price": { "sum": { "field": "price.weighted" } } } }
5、去重聚合 cardinality
去重聚合属于单值度量聚合，用于计算文档中不同值的数量，这个结果会是一个接近真实的值。
1）基础用法
获取订单数据中的销售产品的品牌数量，定义销售产品品牌数量的名字为 brand_count ，该字段也将作为结果返回：
POST /order/_search?size=0 { "aggs" : { "brand_count" : { "cardinality" : { "field" : "brand" } } } }
返回结果：
{ ... "aggregations" : { "btand_count" : { "value" : 2 } } }
2）缺失值
默认情况下，当文档中缺失计算字段值时，该文档将会被忽略，若我们希望使用这部分文档，可以通过设置 missing 参数。以下例子中，缺失字段的 brand 将按照 "N/a" 来计算。
增加一条品牌为空的数据：
post _bulk {"index":{"_index":"order","_id":8}} {"sales_name":"Amy","product_name":"mate11","price":"5387.23","count":28,"order_time":"2021-06-11"}
计算聚合：
POST /order/_search?size=0 { "aggs" : { "brand_count" : { "cardinality" : { "field" : "brand", "missing": "N/a" } } } }
输出结果：
{ ... "aggregations" : { "brand_count" : { "value" : 3 } } }
3）精度控制
可以使用 precision_threshold 参数定义阈值进行精度控制，使用方法如下：
POST /order/_search?size=0 { "aggs" : { "brand_count" : { "cardinality" : { "field" : "brand", "precision_threshold" : 100 } } } }
以上述品牌数量为例，该参数定义的阈值意义是：当品牌的去重数量在 100 以内，那么去重返回的结果精度可以接近100%。也就是当聚合文档中去重字段数量小于 precision_threshold 定义的阈值时，预期返回的结果将接近准确值，如果高于这个阈值，那么预期返回的结果将变的不再准确。precision_threshold 支持的最大值是40000，高于这个数的阈值将具有与阈值40000相同的效果，默认值为3000。
去重聚合的计算基于 HyperLogLog++ （HLL）算法，获取字段的哈希值，通过哈希值的相似度来计算数量。当聚合文档过大，或者计算的去重字段值太大都会需要消耗更多的内存。对于 precision_threshold 阈值为 n 的精度控制，在执行时将消耗 n*8 bytes 的内存。因此当阈值越大，占用的内存也会越大。但当阈值低至100时，即使计算的数据集有百万条，误差仍然很低。
哈希运算在数字字段上执行的非常快，存储原始数值与存储哈希所需的内存基本相同或者更少。因此我们可对字符串类型的字段进行预计算，从而提高运算速度。在 ES 中可以使用 mapper-murmur3 的插件提前将字段值的哈希值存储在索引中，这样在运行聚合时会更快。这种预计算哈希值的场景，应用在非常大的数据集或者非常大的字段上效果比较明显，可以节省 CPU 和内存。当然在较小的字符串字段，也可以应用进行性能优化。
4）脚本
需要将多个字段组合进行聚合计算的，可以使用脚本来处理：
GET order/_search?size=0 { "runtime_mappings": { "product_and_brand": { "type": "keyword", "script": "emit(doc['product_name'].value + ' ' + doc['brand'].value)" } }, "aggs": { "product_brand_count": { "cardinality": { "field": "product_and_brand" } } } }
《Elastic Stack 实战手册》——三、产品能力——3.4.入门篇——3.4.2.Elasticsearch基础应用——3.4.2.21.Aggregations（5) https://developer.aliyun.com/article/1229239
