ES的Query、Filter、Metric、Bucketing使用詳解

時間 2019-12-18

標籤 query filter metric bucketing 使用詳解简体版

原文原文鏈接

因爲筆者在實際項目僅僅將ES用做索引數據庫，並無深刻研究過ES的搜索功能。並且鑑於筆者的搜索引擎知識有限，本文將僅僅介紹ES簡單（非全文）的查詢API。javascript

筆者本來打算在本文中介紹聚合API的內容，可是寫着寫着發現文章有點過長，不便於閱讀，故將聚合API的內容移至下一篇博客中。html

引言

單單介紹理論和API是乏味和低效率的，本文將結合一個實際的例子來介紹這些API。下表是本文數據表的表結構，表名（type）爲「student」。注意，studentNo是本表的id，也就是_id字段的值與studentNo的值保持一致。java

字段名	字段含義	類型	是否能被索引	備註
studentNo	學號	string	是	id
name	姓名	string	是
sex	性別	string	是
age	年齡	integer	是
birthday	出生年月	date	是
address	家庭住址	string	是
classNo	班級	string	是
isLeader	是否爲班幹部	boolean	是

上面的表結構所對應的mapping以下，將數據保存在索引名爲「student」的索引中。正則表達式

{
  "student": { "properties": { "studentNo": { "type": "string", "index": "not_analyzed" }, "name": { "type": "string", "index": "not_analyzed" }, "male": { "type": "string", "index": "not_analyzed" }, "age": { "type": "integer" }, "birthday": { "type": "date", "format": "yyyy-MM-dd" }, "address": { "type": "string", "index": "not_analyzed" }, "classNo": { "type": "string", "index": "not_analyzed " }, "isLeader": { "type": "boolean" } } } }

索引中保存的數據以下，下面介紹的全部API都將基於這個數據表。sql

studentNo	name	male	age	birthday	classNo	address	isLeader
1	劉備	男	24	1985-02-03	1	湖南省長沙市	true
2	關羽	男	22	1987-08-23	2	四川省成都市	false
3	糜夫人	女	19	1990-06-12	1	上海市	false
4	張飛	男	20	1989-07-30	3	北京市	false
5	諸葛亮	男	18	1992-04-27	2	江蘇省南京市	true
6	孫尚香	女	16	1994-05-21	3		false
7	馬超	男	19	1991-10-20	1	黑龍江省哈爾濱市	false
8	趙雲	男	23	1986-10-26	2	浙江省杭州市	false

查詢API

ES中的查詢很是靈活，爲用戶提供了很是方便而強大的API。我的以爲ES的調用接口設計得很是好，全部接口合理且風格一致，值得好好研究！shell

Query和Filter

ES爲用戶提供兩類查詢API，一類是在查詢階段就進行條件過濾的query查詢，另外一類是在query查詢出來的數據基礎上再進行過濾的filter查詢。這兩類查詢的區別是：數據庫

query方法會計算查詢條件與待查詢數據之間的相關性，計算結果寫入一個score字段，相似於搜索引擎。filter僅僅作字符串匹配，不會計算相關性，相似於通常的數據查詢，因此filter得查詢速度比query快。
filter查詢出來的數據會自動被緩存，而query不能。

query和filter能夠單獨使用，也能夠相互嵌套使用，很是靈活。api

Query查詢

下面的狀況下適合使用query查詢：緩存

須要進行全文搜索。
查詢結果依賴於相關性，即須要計算查詢串和數據的相關性。

（1）Match All Querymarkdown

查詢全部的數據，至關於不帶條件查詢。下面的代碼是一個典型的match_all查詢的調用方式。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "match_all": {} } } '

查詢結果以下。其餘全部的查詢都是返回這種格式的數據。

{
  "took": 156, // 查詢耗時（毫秒） "timed_out": false, // 是否超時 "_shards": { "total": 5, // 總共查詢的分片數 "successful": 5, // 查詢成功的分片數 "failed": 0 // 查詢失敗的分片數 }, "hits": { "total": 8, // 本次查詢的記錄數 "max_score": 1, // 查詢全部數據中的最大score "hits": [ // 數據列表 { "_index": "student", // 數據所屬的索引名 "_type": "student", // 數據所屬的type "_id": "4", // 數據的id值 "_score": 1, // 該記錄的score "_source": { // ES將原始數據保存到_source字段中 "studentNo": "4", "name": "張飛", "male": "男", "age": "20", "birthday": "1989-07-30", "classNo": "3", "isLeader": "F" } }, { …… // 其餘的數據格式相同，就不列出來了 } ] } }

查詢時，你會發現不管數據量有多大，每次最多隻能查到10條數據。這是由於ES服務端默認對查詢結果作了分頁處理，每頁默認的大小爲10。若是想本身指定查詢的數據，可以使用from和size字段，而且按指定的字段排序。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "match_all": {} }, "from": 2, // 從2條記錄開始取 "size": 4, // 取4條數據 "sort": { "studentNo": { // 按studentNo字段升序 "order": "asc"// 降序爲desc } } } '

注意：不要把from設得過大（超過10000），不然會致使ES服務端因頻繁GC而沒法正常提供服務。其實實際項目中也沒有誰會翻那麼多頁，可是爲了ES的可用性，務必要對分頁查詢的頁碼作必定的限制。

（2）term query

詞語查詢，若是是對未分詞的字段進行查詢，則表示精確查詢。查找名爲「諸葛亮」的學生，查詢結果爲學號爲5的記錄。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "term": { "name": "諸葛亮" } } } '

（3）Bool Query

Bool（布爾）查詢是一種複合型查詢，它能夠結合多個其餘的查詢條件。主要有3類邏輯查詢：

must：查詢結果必須符合該查詢條件（列表）。
should：相似於in的查詢條件。若是bool查詢中不包含must查詢，那麼should默認表示必須符合查詢列表中的一個或多個查詢條件。
must_not：查詢結果必須不符合查詢條件（列表）。

查找2班的班幹部，查詢結果爲學號爲5的記錄。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "bool": { "must": [ { "term": { "classNo": "2" } }, { "term": { "isLeader": "true" } } ] } } } '

（4）Ids Query

id字段查詢。查詢數據id值爲1和2的同窗，因爲id的值與studentNo相同，故查詢結果爲學號爲1和2的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "ids": { "type": "student", "values": [ "1", "2" ] } } } '

（5）Prefix Query

前綴查詢。查找姓【趙】的同窗，查詢結果是學號爲8的趙雲。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "prefix": { "name": "趙" } } } '

（6）Range Query

範圍查詢，針對date和number類型的數據。查找年齡到18~20歲的同窗，查詢結果是學號爲三、四、五、7的記錄。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "range": { "age": { "gte": "18", // 表示>= "lte": "20" // 表示<= } } } } '

實際上，對於date類型的數據，ES中以其時間戳（長整形）的形式存放的。

（7）Terms Query

多詞語查詢，查找符合詞語列表的數據。若是要查詢的字段索引爲not_analyzed類型，則terms查詢很是相似於關係型數據庫中的in查詢。下面查找學號爲1，3的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "terms": { "studentNo": [ "1", "3" ] } } } '

（8）Wildcard Query

通配符查詢，是簡化的正則表達式查詢，包括下面兩類通配符：

* 表明任意（包括0個）多個字符
? 表明任意一個字符

查找名字的最後一個字是「亮」的同窗，查詢結果是學號爲5的諸葛亮。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "wildcard": { "name": "*亮" } } } '

（9）Regexp Query同窗

正則表達式查詢，這是最靈活的字符串類型字段查詢方式。查找家住長沙市的學生，查詢結果爲學號爲1的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { "regexp": { "address": ".*長沙市.*" // 這裏的.號表示任意一個字符 } } } '

Filter查詢

下面的狀況下適合使用filter查詢：

yes/no的二元查詢
針對精確值進行查詢

filter和query的查詢方式有很多是重疊的，因此本節僅僅介紹API的調用，一些通用的注意的事項就再也不重複了。

（1）Term Filter

詞語查詢，若是是對未分詞的字段進行查詢，則表示精確查詢。查找名爲「諸葛亮」的學生，查詢結果爲學號爲5的記錄。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "term": { "name": "諸葛亮", "_cache" : true // 與query主要是這裏的區別，能夠設置數據緩存 } } } '

filter查詢方式均可以經過設置_cache爲true來緩存數據。若是下一次剛好以相同的查詢條件進行查詢而且該緩存沒有過時，就能夠直接從緩存中讀取數據，這樣就大大加快的查詢速度。

（2）Bool Filter

查找2班的班幹部，查詢結果爲學號爲5的記錄。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "bool": { "must": [ { "term": { "classNo": "2" } }, { "term": { "isLeader": "true" } } ] } } } '

（3）And Filter

And邏輯鏈接查詢，鏈接1個或1個以上查詢條件。它與bool查詢中的must查詢很是類似。實際上，and查詢能夠轉化爲對應的bool查詢。查找2班的班幹部，查詢結果爲學號爲5的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "and": [ { "term": { "classNo": "2" } }, { "term": { "isLeader": "true" } } ] } } '

（4）Or Filter

Or鏈接查詢，表示邏輯或。。查找2班或者是班幹部的學生名單，查詢結果爲學號爲一、二、五、8的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "or": [ { "term": { "classNo": "2" } }, { "term": { "isLeader": "true" } } ] } } '

（5）Exists Filter

存在查詢，查詢指定字段至少包含一個非null值的數據。若是字段索引爲not_analyzed類型，則查詢sql中的is not null查詢方式。查詢地址存在學生，查詢結果爲除了6以外的全部學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "exists": { "field": "address" } } } '

（6）Missing Filter

缺失值查詢，與Exists查詢正好相反。查詢地址不存在的學生，查詢結果爲學號爲6的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "missing": { "field": "address" } } } '

（7）Prefix Filter

前綴查詢。查找姓【趙】的同窗，查詢結果是學號爲8的趙雲。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "prefix": { "name": "趙" } } } '

（8）Range Filter

範圍查詢，針對date和number類型的數據。查找年齡到18~20歲的同窗，查詢結果是學號爲三、四、五、7的記錄。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "range": { "age": { "gte": "18", "lte": "20" } } } } '

（9）Terms Filter

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "terms": { "studentNo": [ "1", "3" ] } } } '

（10）Regexp Filter

正則表達式查詢，是最靈活的字符串類型字段查詢方式。查找家住長沙市的學生，查詢結果爲學號爲1的學生。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "filter": { "regexp": { "address": ".*長沙市.*" } } } '

Aggregations （聚合）API的使用

ES提供的聚合功能能夠用來進行簡單的數據分析。本文仍然以上一篇提供的數據爲例來說解。數據以下：

studentNo	name	male	age	birthday	classNo	address	isLeader
1	劉備	男	24	1985-02-03	1	湖南省長沙市	true
2	關羽	男	22	1987-08-23	2	四川省成都市	false
3	糜夫人	女	19	1990-06-12	1	上海市	false
4	張飛	男	20	1989-07-30	3	北京市	false
5	諸葛亮	男	18	1992-04-27	2	江蘇省南京市	true
6	孫尚香	女	16	1994-05-21	3		false
7	馬超	男	19	1991-10-20	1	黑龍江省哈爾濱市	false
8	趙雲	男	23	1986-10-26	2	浙江省杭州市	false

本文的主要內容有：

metric API的使用
bucketing API的使用
兩類API的嵌套使用

1. 聚合API

ES中的Aggregations API是從Facets功能基礎上發展而來，官網正在進行替換計劃，建議用戶使用Aggregations API，而不是Facets API。ES中的聚合上能夠分爲下面兩類：

metric（度量）聚合：度量類型聚合主要針對的number類型的數據，須要ES作比較多的計算工做
bucketing（桶）聚合：劃分不一樣的「桶」，將數據分配到不一樣的「桶」裏。很是相似sql中的group語句的含義。

metric既能夠做用在整個數據集上，也能夠做爲bucketing的子聚合做用在每個「桶」中的數據集上。固然，咱們能夠把整個數據集合看作一個大「桶」，全部的數據都分配到這個大「桶」中。

ES中的聚合API的調用格式以下：

"aggregations" : { // 表示聚合操做，可使用aggs替代 "<aggregation_name>" : { // 聚合名，能夠是任意的字符串。用作響應的key，便於快速取得正確的響應數據。 "<aggregation_type>" : { // 聚合類別，就是各類類型的聚合，如min等 <aggregation_body> // 聚合體，不一樣的聚合有不一樣的body } [,"aggregations" : { [<sub_aggregation>]+ } ]? // 嵌套的子聚合，能夠有0或多個 } [,"<aggregation_name_2>" : { ... } ]* // 另外的聚合，能夠有0或多個 }

1.1 度量類型（metric）聚合

（1）Min Aggregation

最小值查詢，做用於number類型字段上。查詢2班最小的年齡值。

curl -XPOST "192.168.1.101:9200/student/student/_search" -d ' { "query": { // 能夠先使用query查詢獲得須要的數據集 "term": { "classNo": "2" } }, "aggs": { "min_age": { "min": { "field": "age" } } } } '

查詢結果爲：

{
  "took": 19, // 前面部分數據與普通的查詢數據相同 "timed_out": false, "_shards": { "total": 5, "successful": 5, "failed": 0 }, "hits": { "total": 3, "max_score": 1.4054651, "hits": [ { "_index": "student", "_type": "student", "_id": "2", "_score": 1.4054651, "_source": { "studentNo": "2", "name": "關羽", "male": "男", "age": "22", "birthday": "1987-08-23", "classNo": "2", "isLeader": "false" } }, { "_index": "student", "_type": "student", "_id": "8", "_score": 1, "_source": { "studentNo": "8", "name": "趙雲", "male": "男", "age": "23", "birthday": "1986-10-26", "classNo": "2", "isLeader": "false" } }, { "_index": "student", "_type": "student", "_id": "5", "_score": 0.30685282, "_source": { "studentNo": "5", "name": "諸葛亮", "male": "男", "age": "18", "birthday": "1992-04-27", "classNo": "2", "isLeader": "true" } } ] }, "aggregations": { // 聚合結果 "min_age": { // 前面輸入的聚合名 "value": 18, // 聚合後的數據 "value_as_string": "18.0" } } }

上面的聚合查詢有兩個要注意的點：

能夠經過query先過濾數據
返回的結果會包含聚合操做所做用的數據全集

有時候咱們對做用的數據全集並不太敢興趣，咱們僅僅須要最終的聚合結果。能夠經過查詢類型（search_type）參數來實現這個需求。下面查詢出來的數據量會大大減小，ES內部也會在查詢時減小一些耗時的步驟，因此查詢效率會提升。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d // 注意這裏的search_type=count ' { "query": { // 能夠先使用query查詢獲得須要的數據集 "term": { "classNo": "2" } }, "aggs": { "min_age": { "min": { "field": "age" } } } } '

本次的查詢結果爲：

{
... "aggregations": { // 聚合結果 "min_age": { // 前面輸入的聚合名 "value": 18, // 聚合後的數據 "value_as_string": "18.0" } } }

（2）Max Aggregation

最大值查詢。下面查詢2班最大的年齡值，查詢結果爲23。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "query": { "term": { "classNo": "2" } }, "aggs": { "max_age": { "max": { "field": "age" } } } } '

（3）Sum Aggregation

數值求和。下面統計查詢2班的年齡總和，查詢結果爲63。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "query": { "term": { "classNo": "2" } }, "aggs": { "sum_age": { "sum": { "field": "age" } } } } '

（4）Avg Aggregation

計算平均值。下面計算查詢2班的年齡平均值，結果爲21。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "query": { "term": { "classNo": "2" } }, "aggs": { "avg_age": { "avg": { "field": "age" } } } } '

（5）Stats Aggregation

統計查詢，一次性統計出某個字段上的經常使用統計值。下面對整個學校的學生進行簡單地統計。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "stats_age": { "stats": { "field": "age" } } } } '

查詢結果爲：

{
  ...                     // 次要數據省略 "aggregations": { "stats_age": { "count": 8, // 含有年齡數據的學生計數 "min": 16, // 年齡最小值 "max": 24, // 年齡最大值 "avg": 20.125, // 年齡平均值 "sum": 161, // 年齡總和 "min_as_string": "16.0", "max_as_string": "24.0", "avg_as_string": "20.125", "sum_as_string": "161.0" } } }

（6）Top hits Aggregation

取符合條件的前n條數據記錄。下面查詢全校年齡排在前2位的學生，僅需返回學生姓名和年齡。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d { "aggs": { "top_age": { "top_hits": { "sort": [ // 排序 { "age": { // 按年齡降序 "order": "desc" } } ], "_source": { "include": [ // 指定返回字段 "name", "age" ] }, "size": 2 // 取前2條數據 } } } }

返回結果爲：

{
  ...

  "aggregations": { "top_age": { "hits": { "total": 9, "max_score": null, "hits": [ { "_index": "student", "_type": "student", "_id": "1", "_score": null, "_source": { "name": "劉備", "age": "24" }, "sort": [ 24 ] }, { "_index": "student", "_type": "student", "_id": "8", "_score": null, "_source": { "name": "趙雲", "age": "23" }, "sort": [ 23 ] } ] } } } }

1.2 桶類型（bucketing）聚合

（1）Terms Aggregation

按照指定的1或多個字段將數據劃分紅若干個小的區間，計算落在每個區間上記錄數量，並按指定順序進行排序。下面統計每一個班的學生數，並按學生數從大到小排序，取學生數靠前的2個班級。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "terms_classNo": { "terms": { "field": "classNo", // 按照班號進行分組 "order": { // 按學生數從大到小排序 "_count": "desc" }, "size": 2 // 取前兩名 } } } } '

值得注意的，取得的前2名的學生數其實是一個近似值，ES的實現方式參見這裏。若是想要取得精確值，能夠不指定size值，使其進行一次全排序，而後在程序中自行去取前2條記錄。固然，這樣作會使得ES作大量的排序運算工做，效率比較差。

（2）Range Aggregation

自定義區間範圍的聚合，咱們能夠本身手動地劃分區間，ES會根據劃分出來的區間將數據分配不一樣的區間上去。下面將全校學生按照年齡劃分爲5個區間段：16歲如下、16~1八、19~2一、22~2四、24歲以上，要求統計每個年齡段內的學生數。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "range_age": { "range": { "field": "age", "ranges": [ { "to": 15 }, { "from": "16", "to": "18" }, { "from": "19", "to": "21" }, { "from": "22", "to": "24" }, { "from": "25" } ] } } } } '

（3）Date Range Aggregation

時間區間聚合專門針對date類型的字段，它與Range Aggregation的主要區別是其可使用時間運算表達式。主要包括+（加法）運算、-（減法）運算和/（四捨五入）運算，每種運算均可以做用在不一樣的時間域上面，下面是一些時間運算表達式示例。

now+10y：表示從如今開始的第10年。
now+10M：表示從如今開始的第10個月。
1990-01-10||+20y：表示從1990-01-01開始後的第20年，即2010-01-01。
now/y：表示在年位上作舍入運算。今天是2015-09-06，則這個表達式計算結果爲：2015-01-01。說好的rounding運算呢？結果是作的flooring運算，不知道爲啥，估計是我理解錯了-_-!!

下面查詢25年前及更早出生的學生數。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "range_age": { "date_range": { "field": "birthday", "ranges": [ { "to": "now-25y" } ] } } } } '

（4）Histogram Aggregation

直方圖聚合，它將某個number類型字段等分紅n份，統計落在每個區間內的記錄數。它與前面介紹的Range聚合很是像，只不過Range能夠任意劃分區間，而Histogram作等間距劃分。既然是等間距劃分，那麼參數裏面必然有距離參數，就是interval參數。下面按學生年齡統計各個年齡段內的學生數量，分隔距離爲2歲。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "histogram_age": { "histogram": { "field": "age", "interval": 2, // 距離爲2 "min_doc_count": 1 // 只返回記錄數量大於等於1的區間 } } } } '

（5）Date Histogram Aggregation

時間直方圖聚合，專門對時間類型的字段作直方圖聚合。這種需求是比較經常使用見得的，咱們在統計時，一般就會按照固定的時間斷（1個月或1年等）來作統計。下面統計學校中同一年出生的學生數。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "data_histogram_birthday": { "date_histogram": { "field": "birthday", "interval": "year", // 按年統計 "format": "yyyy" // 返回結果的key的格式 } } } } '

返回結果以下，能夠看到因爲上面的」format」: 「yyyy」，因此返回的key_as_string只返回年的信息。

{
  "buckets": [ { "key_as_string": "1985", "key": 473385600000, "doc_count": 1 }, { "key_as_string": "1986", "key": 504921600000, "doc_count": 1 }, { "key_as_string": "1987", "key": 536457600000, "doc_count": 1 }, { "key_as_string": "1989", "key": 599616000000, "doc_count": 1 }, { "key_as_string": "1990", "key": 631152000000, "doc_count": 1 }, { "key_as_string": "1991", "key": 662688000000, "doc_count": 1 }, { "key_as_string": "1992", "key": 694224000000, "doc_count": 1 }, { "key_as_string": "1994", "key": 757382400000, "doc_count": 1 } ] }

（6）Missing Aggregation

值缺損聚合，它是一類單桶聚合，也就是最終只會產生一個「桶」。下面統計學生信息中地址欄缺損的記錄數量。因爲只有學號爲6的孫尚香的地址缺損，因此統計值爲1。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "missing_address": { "missing": { "field": "address" } } } } '

1.3 嵌套使用

前面已經說過，聚合操做是能夠嵌套使用的。經過嵌套，可使得metric類型的聚合操做做用在每一「桶」上。咱們可使用ES的嵌套聚合操做來完成稍微複雜一點的統計功能。下面統計每個班裏最大的年齡值。

curl -XPOST "192.168.1.101:9200/student/student/_search?search_type=count" -d ' { "aggs": { "missing_address": { "terms": { "field": "classNo" }, "aggs": { // 在這裏嵌套新的子聚合 "max_age": { "max": { // 使用max聚合 "field": "age" } } } } } } '

返回結果以下：

{
  "buckets": [ { "key": "1", // key是班級號 "doc_count": 3, // 每一個班級內的人數 "max_age": { // 這裏是咱們指定的子聚合名 "value": 24, // 每班的年齡值 "value_as_string": "24.0" } }, { "key": "2", "doc_count": 3, "max_age": { "value": 23, "value_as_string": "23.0" } }, { "key": "3", "doc_count": 1, "max_age": { "value": 20, "value_as_string": "20.0" } }, { "key": "4", "doc_count": 1, "max_age": { "value": 16, "value_as_string": "16.0" } } ] }