聚合入门

Aggregation 在检索结果集上做统计分析：分桶（bucket）与指标（metric）。类似 SQL GROUP BY + COUNT/AVG，但面向搜索上下文，可与 query 同请求返回。

学习目标

• 使用 terms、date_histogram、metric 聚合
• 理解 bucket 与 metric 嵌套
• 对照 MySQL GROUP BY 理解适用边界

核心内容

terms 分桶

curl -s -X POST "localhost:9200/tracks/_search" -H "Content-Type: application/json" -d '
{
  "size": 0,
  "aggs": {
    "by_category": {
      "terms": { "field": "category", "size": 10 }
    }
  }
}'

size: 0 只返回聚合，不返回 hit 文档——报表场景常用。

嵌套：分类 + 平均课时数

curl -s -X POST "localhost:9200/tracks/_search" -H "Content-Type: application/json" -d '
{
  "size": 0,
  "aggs": {
    "by_category": {
      "terms": { "field": "category" },
      "aggs": {
        "avg_lesson_count": { "avg": { "field": "lessonCount" } }
      }
    }
  }
}'

date_histogram 按 updatedAt 看「每月上新 track 数」。精确运营报表以 MySQL / postgresql-essentials 为准；搜索页 facet 用 ES terms agg（es-kibana 可视化）。同步完整性见 es-sync。

练习

• terms 统计各 level 的 track 数量
• 嵌套 agg：每 category 的 max/min lessonCount
• 与 MySQL 对同一 cf_track 跑 GROUP BY，对比结果

小结

terms 分桶、metric 算数、date_histogram 看趋势；搜索页 facet 是 ES 强项。 下一课 Spring Data ES。