最后，我們還有一個需求需要完成：可以讓老板在職工目錄中進行統計。Elasticsearch 把這項功能稱作 匯總 (aggregations)，通過這個功能，我們可以針對你的數據進行復雜的統計。這個功能有些類似于 SQL 中的 GROUP BY，但是要比它更加強大。
例如，讓我們找一下員工中最受歡迎的興趣是什么：
~~~
GET /megacorp/employee/_search
{
"aggs": {
"all_interests": {
"terms": { "field": "interests" }
}
}
}
~~~
請忽略語法，讓我們先來看一下結果：
~~~
{
...
"hits": { ... },
"aggregations": {
"all_interests": {
"buckets": [
{
"key": "music",
"doc_count": 2
},
{
"key": "forestry",
"doc_count": 1
},
{
"key": "sports",
"doc_count": 1
}
]
}
}
}
~~~
我們可以發現有兩個員工喜歡音樂，還有一個喜歡森林，還有一個喜歡運動。這些數據并沒有被預先計算好，它們是在文檔被查詢的同時實時計算得出的。如果你想要查詢姓 Smith 的員工的興趣匯總情況，你就可以執行如下查詢：
~~~
GET /megacorp/employee/_search
{
"query": {
"match": {
"last_name": "smith"
}
},
"aggs": {
"all_interests": {
"terms": {
"field": "interests"
}
}
}
}
~~~
這樣，all_interests 的統計結果就只會包含滿足查詢的文檔了：
~~~
...
"all_interests": {
"buckets": [
{
"key": "music",
"doc_count": 2
},
{
"key": "sports",
"doc_count": 1
}
]
}
~~~
匯總還允許多個層面的統計。比如我們還可以統計每一個興趣下的平均年齡：
GET /megacorp/employee/_search
~~~
{
"aggs" : {
"all_interests" : {
"terms" : { "field" : "interests" },
"aggs" : {
"avg_age" : {
"avg" : { "field" : "age" }
}
}
}
}
}
~~~
雖然這次返回的匯總結果變得更加復雜了，但是它依舊很容易理解：
~~~
...
"all_interests": {
"buckets": [
{
"key": "music",
"doc_count": 2,
"avg_age": {
"value": 28.5
}
},
{
"key": "forestry",
"doc_count": 1,
"avg_age": {
"value": 35
}
},
{
"key": "sports",
"doc_count": 1,
"avg_age": {
"value": 25
}
}
]
}
~~~
在這個豐富的結果中，我們不但可以看到興趣的統計數據，還能針對不同的興趣來分析喜歡這個興趣的平均年齡。
即使你現在還不能很好地理解語法，但是相信你還是能發現，用這個功能來實現如此復雜的統計工作是這樣的簡單。你的極限取決于你存入了什么樣的數據喲！
