Elasticsearch聚合操作详解与电商数据分析实战

1. Elasticsearch聚合操作概述

第一次接触Elasticsearch的聚合功能时，我正面临一个电商平台的销售数据分析需求。当时需要统计不同商品类目的销售额分布，而传统的SQL查询在面对上亿条数据时已经力不从心。这就是聚合操作的典型应用场景——它允许我们对海量数据进行多维度的统计分析，而无需将所有数据拉到客户端处理。

Elasticsearch的聚合（Aggregation）本质上是一种数据汇总机制，它通过对索引中的文档进行分组、筛选和计算，提取出有价值的统计信息。与传统的GROUP BY相比，Elasticsearch聚合具有以下核心优势：

1. 分布式计算能力：聚合操作在数据节点上并行执行，充分利用集群的计算资源
2. 多级嵌套结构：支持复杂的多维度分析，如"按省份分组后，再按城市细分"
3. 实时性能：基于倒排索引和列式存储（doc_values）实现快速聚合
4. 丰富的数据类型：支持数值、日期、地理位置等多种数据的聚合计算

实际工作中常见的误区是将聚合与搜索混淆。搜索关注的是"找到符合条件的文档"，而聚合关注的是"从文档中提取统计信息"。两者可以结合使用，先筛选出目标文档集，再对其进行分析。

2. 聚合核心类型与基础语法

2.1 指标聚合（Metric Aggregations）

指标聚合是最基础的聚合类型，用于计算数值型字段的统计值。以下是一个典型的avg聚合示例：

json复制GET /sales/_search
{
  "size": 0,
  "aggs": {
    "avg_price": {
      "avg": { "field": "price" }
    }
  }
}

常用指标聚合类型包括：

• avg：平均值
• sum：求和
• min/max：最小/最大值
• stats：包含count, sum, min, max, avg的复合统计
• cardinality：基数统计（近似去重计数）

在电商场景中，我们常用stats聚合快速获取商品价格的分布概况。注意cardinality聚合是基于HyperLogLog算法的近似计算，误差率默认在5%左右，可通过调整precision_t