最后，我们还有一个需求需要完成：可以让老板在职工目录中进行统计。Elasticsearch 把这项功能称作 汇总 (aggregations)，通过这个功能，我们可以针对你的数据进行复杂的统计。这个功能有些类似于 SQL 中的 GROUP BY，但是要比它更加强大。

例如，让我们找一下员工中最受欢迎的兴趣是什么：

GET /megacorp/employee/_search
{  
    "aggs": {    
        "all_interests": {      
            "terms": { "field": "interests" }    
        }
    }
}

请忽略语法，让我们先来看一下结果：

{   ...   
    "hits": { ... },   
    "aggregations": {      
        "all_interests": {         
          "buckets": [            
            { "key": "music","doc_count": 2 },
            { "key": "forestry","doc_count": 1},
            { "key": "sports","doc_count": 1 }
         ]
      }
   }
}

我们可以发现有两个员工喜欢音乐，还有一个喜欢森林，还有一个喜欢运动。这些数据并没有被预先计算好，它们是在文档被查询的同时实时计算得出的。如果你想要查询姓 Smith 的员工的兴趣汇总情况，你就可以执行如下查询：

GET /megacorp/employee/_search
{  
   "query": {    
    "match": {      
        "last_name": "smith"    
    }
  },  
  "aggs": {    
      "all_interests": {     
         "terms": {        "field": "interests"      } 
       }
  }
}

这样，all_interests 的统计结果就只会包含满足查询的文档了：

  ...  
"all_interests": {     
    "buckets": [        
        {           
        "key": "music",           
        "doc_count": 2        
        }, 
        {           
        "key": "sports",           
        "doc_count": 1        
        }     
    ]  
}

汇总还允许多个层面的统计。比如我们还可以统计每一个兴趣下的平均年龄：

GET /megacorp/employee/_search
{    
    "aggs" : {        
        "all_interests" : {            
            "terms" : { "field" : "interests" },            
            "aggs" : {                
                "avg_age" : {                    
                    "avg" : { "field" : "age" }  
                  }            
            }        
        }    
    }
}

虽然这次返回的汇总结果变得更加复杂了，但是它依旧很容易理解：

  ...  
"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           
            }        
        }     
    ]  
}

在这个丰富的结果中，我们不但可以看到兴趣的统计数据，还能针对不同的兴趣来分析喜欢这个兴趣的平均年龄。

即使你现在还不能很好地理解语法，但是相信你还是能发现，用这个功能来实现如此复杂的统计工作是这样的简单。你的极限取决于你存入了什么样的数据哟！