Elasticsearch支援最直方圖聚合，它在數字欄位自動建立桶，並會掃描全部文件，把文件放入相應的桶中。這個數字欄位既可以是文件中的某個欄位，也可以通過指令碼建立得出的。

桶的篩選規則

舉個例子，有一個price欄位，這個欄位描述了商品的價格，現在想每隔5就建立一個桶，統計每隔區間都有多少個文件（商品）。

如果有一個商品的價格為32，那麼它會被放入30的桶中，計算的公式如下：

rem = value % interval
if (rem < 0) {
    rem += interval
}
bucket_key = value - rem

通過上面的方法，就可以確定文件屬於哪一個桶。

不過也有一些問題存在，由於上面的方法是針對於整型資料的，因此如果欄位是浮點數，那麼需要先轉換成整型，再呼叫上面的方法計算。問題來了，正數還好，如果該值是負數，就會出現計算出錯。比如，一個欄位的值為-4.5，在進行轉換整型時，轉換成了-4。那麼按照上面的計算，它就會放入-4的桶中，但是其實-4.5應該放入-6的桶中。

min_doc_count過濾

聚合的dsl如下：

{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50
            }
        }
    }
}
 

得到的資料為：

{
    "aggregations": {
        "prices" : {
            "buckets": [
                {
                    "key": 0,
                    "doc_count": 2
                },
                {
                    "key": 50,
                    "doc_count": 4
                },
                {
                    "key": 100,
                    "doc_count": 0
                },
                {
                    "key": 150,
                    "doc_count": 3
                }
            ]
        }
    }
}
 

上面的資料中，100-150是沒有文件的，但是卻顯示為0.如果不想要顯示count為0的桶，可以通過min_doc_count來設定。

{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "min_doc_count" : 1
            }
        }
    }
}

這樣返回的資料，就不會出現為0的了。

{
    "aggregations": {
        "prices" : {
            "buckets": [
                {
                    "key": 0,
                    "doc_count": 2
                },
                {
                    "key": 50,
                    "doc_count": 4
                },
                {
                    "key": 150,
                    "doc_count": 3
                }
            ]
        }
    }
}

extend_bounds,指定最小值和最大值邊界

預設情況下，ES中的histogram聚合起始都是自動的，比如price欄位，如果沒有商品的價錢在0-5之間，0這個桶就不會顯示。如果最便宜的商品是11，那麼第一個桶就是10.
可以通過設定extend_bounds強制規定最小值和最大值，但是要求必須min_doc_count不能大於0，不然即便是規定了邊界，也不會返回。

另外需要注意的是，如果規定的extend_bounds.min要大於文件中的最小值，那麼就會按照文件中的最小值來（extend_bounds.max也是如此）。
比如下面的這個例子，規定的extend_bounds.min和max分別是40和50，但是文件中含有比40還要小的資料，因此桶的定義仍然是按照文件中的資料來。

order排序

排序大同小異，可以按照_key的名字排序：

{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "order" : { "_key" : "desc" }
            }
        }
    }
}

也可以按照文件的數目:

{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "order" : { "_count" : "asc" }
            }
        }
    }
}

或者指定排序的聚合：

{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "order" : { "price_stats.min" : "asc" } 
            },
            "aggs" : {
                "price_stats" : { "stats" : {} } 
            }
        }
    }
}

keyed設定返回的方式

正常返回的資料如上面所示，是按照陣列的方式返回。如果要按照名字返回，可以設定keyed為true

{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "keyed" : true
            }
        }
    }
}

那麼返回的資料就為：

{
    "aggregations": {
        "prices": {
            "buckets": {
                "0": {
                    "key": 0,
                    "doc_count": 2
                },
                "50": {
                    "key": 50,
                    "doc_count": 4
                },
                "150": {
                    "key": 150,
                    "doc_count": 3
                }
            }
        }
    }
}

預設的值

預設值通過MissingValue設定：

{
    "aggs" : {
        "quantity" : {
             "histogram" : {
                 "field" : "quantity",
                 "interval": 10,
                 "missing": 0 
             }
         }
    }
}