Es相比关系型数据库在数据检索方面有着极大的优势，在处理亿级数据时，可谓是毫秒级响应，我们在使用Es时不仅仅进行简单的查询，有时候会做一些数据统计与分析，如果你以前是使用的关系型数据库，那么Es的数据统计跟关系型数据库还是有很大的区别的，所以，这篇内容，为了更好的理解，我简单对比了Es中统计的写法与关系型数据库的写法。
首先，先了解一下Es中关于聚合的概念：
1：桶（Buckets）满足特定条件的文档的集合；
2：指标（Metrics）对桶内的文档进行统计计算
这两个概念是什么意思？先看下面一段T-SQL统计代码：
SELECT Color,SUM(1) as Nums【2】FROM #CarsGROUP BY Color 【1】
桶：满足特定条件的集合，这个很好理解，比如可以把蓝色的放到蓝色的桶里，绿色的放到绿色的桶里，桶是用来存放不同类型的集合。SQL代码中【1】就可以理解对桶进行分组，有多少种颜色，就会有几种不同的桶。桶类似于SQL中GROUP BY；
指标：对桶内的数据进行统计计算。SQL代码中【2】就可以理解为指标，每个桶里有多少条记录。指标类似于SQL中各种汇总，如Count(),Sum(),Max(),Min()；
概念了解之后，对比来了， 我们来做一组数据:
1. 创建表结构并填充数据
1.1创建SQLSERVER结构与数据
CREATE TABLE #Cars( ID int IDENTITY(1,1) NOT NULL, --创建自增序列 Price int, --价格 Color varchar(50), --颜色 Make varchar(50), --品牌 Sold datetime, --销售日期 Primary key(ID) --定义ID为临时表#Cars的主键);INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (10000,'红色','汉兰达','2014-10-28');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (20000,'红色','汉兰达','2014-11-05');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (30000,'绿色','福特','2014-05-18');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (15000,'蓝色','丰田','2014-11-05');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (12000,'绿色','丰田','2014-07-02');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (20000,'红色','汉兰达','2014-11-05');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (80000,'红色','宝马','2014-01-01');INSERT INTO #Cars(Price,Color,Make,Sold) VALUES (25000,'蓝色','福特','2014-02-12');
1.2创建Elastsearch 结构与数据
POST /testindex/cars/_bulk{ "index": {}}{ "price" : 10000, "color" : "红色", "make" : "汉兰达", "sold" : "2014-10-28" }{ "index": {}}{ "price" : 20000, "color" : "红色", "make" : "汉兰达", "sold" : "2014-11-05" }{ "index": {}}{ "price" : 30000, "color" : "绿色", "make" : "福特", "sold" : "2014-05-18" }{ "index": {}}{ "price" : 15000, "color" : "蓝色", "make" : "丰田", "sold" : "2014-07-02" }{ "index": {}}{ "price" : 12000, "color" : "绿色", "make" : "丰田", "sold" : "2014-08-19" }{ "index": {}}{ "price" : 20000, "color" : "红色", "make" : "汉兰达", "sold" : "2014-11-05" }{ "index": {}}{ "price" : 80000, "color" : "红色", "make" : "宝马", "sold" : "2014-01-01" }{ "index": {}}{ "price" : 25000, "color" : "蓝色", "make" : "福特", "sold" : "2014-02-12" }
2. 统计查询对比
上面的代码中，分别创建了Es与SQLSERVER的数据结构，并且填充了一些数据。接下来，我们来举几个统计的例子，来看看他们两个之间的统计代码分别怎么写。
2.1 统计哪个颜色的销量最好？
【SQLSERVER实现】
SELECT Color,SUM(1) as SalesNum FROM #CarsGROUP BY Color
结果如下图：
【Elasticsearch 实现】
GET testindex/cars/_search{ "size": 0, 【3】 "aggs": {【1】 "SalesNum": { 【2】 "terms": {【4】 "field": "color.keyword", "size": 10 } } }} 结果如下图：
【1】：如果想要进行统计分析，统计代码需要写在aggs中，aggs是aggregations 的简称，也可以写作 aggregations。
【2】：是指定的列的名称，作用同SQLSERVER统计中as 重命名。
【3】：这里设置了返回值为0，因为这个查询不仅仅返回了我们的统计的内容，还返回了搜索结果的内容，这里我们并不需要搜索结果的内容，所以设置为0.
【4】：这里定义了桶的类型，如果需要不同的统计内容，这些需要使用不同的统计类型。
2.2 按颜色统计出平均价格？
【SQLSERVER实现】
SELECT Color,AVG(Price) as '平均价格'FROM #CarsGROUP BY Color
【Elasticsearch 实现】
GET testindex/cars/_search{ "size": 0, "aggs": { "s": { "terms": { "field": "color.keyword", "size": 10 }, "aggs": { "avg_price": { "avg": { "field": "price" } } } } }}
2.3 按照颜色统计出平均价格、最高价格、最低价格？
【SQLSERVER实现】
SELECT Color,AVG(Price) as '平均价格',MIN(Price) as MinPrice,MAX(Price) as MaxPriceFROM #CarsGROUP BY Color
【Elasticsearch 实现】
参考：
2.4 统计每一个企业品牌的最低价格和最高价格？
【SQLSERVER实现】
SELECT Make,MIN(Price) as MinPrice,MAX(Price) as MaxPriceFROM #CarsGROUP BY Make
【Elasticsearch 实现】
GET testindex/cars/_search{ "size": 0 ,"aggs": { "make": { "terms": { "field": "make.keyword" } ,"aggs": { "price_age": { "avg": { "field": "price" } }, "min_price": { "min": { "field": "price" } } ,"max_price":{ "max": { "field": "price" } } } } }}
通过上面的几个示例，我简单总结了几个SQLSever 中汇总函数与Es 的对比，看下面的表格：
| SQLSERVER函数 | Agg_Type | 功能说明 |
| GROUP BY 字段名称 | Terms （避免使用分词字段用来分组） | 分组、Es划分桶 |
| Max（）函数 | Max | 求最大值 |
| Min（）函数 | Min | 求最小值 |
| Avg（）函数 | Avg | 求平均值 |
今天就先对比下简单的聚合汇总、求平均值统计，明天再对比下其他的，比如日期的聚合以及聚合的排序等。