ES度量聚合(ElasticSearch Metric Aggregations)

在ElasticSearch中，度量聚合是一种用于计算数值统计信息的聚合。这些信息包括最小值、最大值、平均值、总和等。

以下是一些使用ElasticSearch的REST API进行度量聚合的例子：

1. 计算文档的平均值：

GET /exams/_search
{
  "size": 0,
  "aggs" : {
    "average_grade" : { "avg" : { "field" : "grade" } }
  }
}

在这个例子中，我们计算了所有文档的"grade"字段的平均值。"size": 0表示我们不需要获取任何文档，只需要聚合结果。

2. 计算文档的最大值和最小值：

GET /exams/_search
{
  "size": 0,
  "aggs": {
    "min_grade": { "min": { "field": "grade" } },
    "max_grade": { "max": { "field": "grade" } }
  }
}

在这个例子中，我们计算了"grade"字段的最小值和最大值。

3. 计算文档的总和：

GET /exams/_search
{
  "size": 0,
  "aggs" : {
    "sum_grade" : { "sum" : { "field" : "grade" } }
  }
}

在这个例子中，我们计算了所有文档的"grade"字段的总和。

4. 计算文档的平方和：

GET /exams/_search
{
  "size": 0,
  "aggs" : {
    "square_sum_grade" : { "sum" : { "field" : "grade", "script": "doc.grade.value * doc.grade.value" } }
  }
}

在这个例子中，我们计算了所有文档的"grade"字段的平方的总和。

5. 计算文档的标准差：

GET /exams/_search
{
  "size": 0,
  "aggs": {
    "std_deviation_grade": {
      "std_deviation": {
        "field": "grade"
      }
    }
  }
}

在这个例子中，我们计算了所有文档的"grade"字段的标准差。

6. 计算文档的百分位数：

GET /exams/_search
{
  "size": 0,
  "aggs": {
    "percentile_grade": {
      "percentiles": {
        "field": "grade",
        "percents": [1, 5, 25, 50, 75, 95, 99]
      }
    }
  }
}

在这个例子中，我们计算了所有文档的"grade"字段的1、5、25、50、75、95和99百分位数。

7. 计算文档的统计信息：

GET /exams/_search
{
  "size": 0,
  "aggs": {
    "stats_grade": {
      "stats": {
        "field": "grade"
      }
    }
  }
}

在这个例子中，我们计算了所有文档的"grade"字段的最小值、最大值、平均值、总和和标准差。

8. 计算文档的值的分布：

GET /exams/_search
{
  "size": 0,
  "aggs": {
    "histogram_grade": {
      "histogram": {
        "field": "grade",
        "interval": 5