设置other_bucket参数可向响应中添加一个桶，该桶包含与filters中都不匹配的所有文档。参数值可以是以下：

• false：并计算其他桶

• true：如果使用的是匿名过滤器，那么最后一个桶就是other桶。如果不是匿名过滤器，那么other桶的名称由other_bucket_key参数指定。

以下例子中，other桶被命名为other_messages。

GET my-index-000001/_search
  "size": 0,
  "aggs": {
    "my_filters": {
      "filters": {
        "other_bucket_key": "other_messages",
        "filters": [
            "match": {
              "name": "li"
            "match": {
              "name": "wang"
      "aggs": {
        "age_avg": {
          "avg": {
            "field": "age"
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    "max_score" : null,
    "hits" : [ ]
  "aggregations" : {
    "my_filters" : {
      "buckets" : {
        "li" : {
          "doc_count" : 2,
          "age_avg" : {
            "value" : 27.5
        "wang" : {
          "doc_count" : 2,
          "age_avg" : {
            "value" : 31.5
        "other_messages" : {
          "doc_count" : 0,
          "age_avg" : {
            "value" : null
以下例子使用匿名过滤器，那么最后一个桶就是other桶
 
curl -XGET "http://localhost:9200/my-index-000001/_search" -H 'Content-Type: application/json' -d'
  "size": 0,
  "aggs": {
    "my_filters": {
      "filters": {
        "other_bucket_key": "other_messages",
        "filters": [
            "match": {
              "name": "li"
            "match": {
              "name": "wang"
      "aggs": {
        "age_avg": {
          "avg": {
            "field": "age"
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  "hits" : {
    "total" : {
      "value" : 4,
      "relation" : "eq"
    "max_score" : null,
    "hits" : [ ]
  "aggregations" : {
    "my_filters" : {
      "buckets" : [
          "doc_count" : 2,
          "age_avg" : {
            "value" : 27.5
          "doc_count" : 2,
          "age_avg" : {
            "value" : 31.5
          "doc_count" : 0,
          "age_avg" : {
            "value" : null
                                    aggregation分类
aggregations —— 聚合，提供了一种基于查询条件来对数据进行分桶、计算的方法。有点类似于 SQL 中的 group by 再加一些函数方法的操作。
聚合可以嵌套，由此可以组成复杂的操作（Bucketing聚合可以包含sub-aggregation）。
聚合整体上可以分为 3 类：
1. Bucketing：桶分聚合：
此类聚合执行的是对文档分组...
                                    Aggregation 在中文中也被称作聚合。简单地说，Elasticsearch 中的 aggregation 聚合将你的数据汇总为指标、统计数据或其他分析。聚合可帮助你回答以下问题：
我的网站的平均加载时间是多少？
根据交易量，谁是我最有价值的客户？
什么会被认为是我网络上的大文件？
每个产品类别有多少产品？.........
                                    局部更新文档的正确格式：
我的理解是，es文档的局部更新其实是在更新时传递一个叫doc的文档对象参数，里面写着你要修改的文档json数据，然后到了es的内部，把旧文档读出来，标记成deleted，文档参数和旧文档做一个数据上的合并，字段相同就覆盖，字段不同就新增，生成新的文档，重新写入es。
                                    3、在 Elasticsearch 的最新版本中，[must_not] 子句需要使用范围查询或布尔查询来指定一个或多个条件。1、排查发现最新的es版本是7.10.0  ， 而之前的是7.0.1 版本。2、换成如下写法就没问题了。最近运维新建了es集群。
                                    1. ES
The Elastic Stack, 包括 Elasticsearch、 Kibana、 Beats 和 Logstash（也称为 ELK Stack）。能够安全可靠地获取任何来源、任何格式的数据，然后实时地对数据进行搜索、分析和可视化。
Elaticsearch，简称为 ES， ES 是一个开源的高扩展的分布式全文搜索引擎， 是整个 ElasticStack 技术栈的核心。
它可以近乎实时的存储、检索数据；本身扩展性很好，可以扩展到上百台服务器，处理 PB 级别的数据。
2. ES安装
                                    Terms Aggregation
A multi-bucket value source based aggregation where buckets are dynamically built - one per unique value.
Example:
GET /_search
    "aggs" : {
        "genres" : {
            "terms" : { "field" : "genre" }
Cop..
                                    1.Elasticsearch相关概念
Elasticsearch中有几个基本概念，如节点、索引、文档等，下面分别说明一下。理解这些概念对熟悉Elasticsearch有帮助
节点和集群
Elasticsearch本质上是一个分布式数据库，允许多台服务器协同工作，每台服务器均可以运行多个Elasticsearch实例。
单个Elasticsearch实例称为一个节点(Node),一组节点构成一个集群(Cluster)。
索引就是index，Elasticsearch会索引所有字段，经过处理后写
from functools import reduce
conf = SparkConf().setAppName('myFirstAPP').setMaster('local') #连接spark
sc = SparkContext(conf = conf) ##生成SparkCont
                                    1、用./bin/spark-shell启动spark时遇到异常：java.net.BindException: Can't assign requested address: Service 'sparkDriver' failed after 16 retries!
解决方法：add export SPARK_LOCAL_IP="127.0.0.1" to spark-env....
                                      管道概念  POSIX多线程的使用方式中， 有一种很重要的方式-----流水线（亦称为“管道”）方式，“数据元素”流串行地被一组线程按顺序执行。它的使用架构可参考下图：    以面向对象的思想去理解，整个流水线，可以理解为一个数据传输的管道；该管道中的每一个工作线程，可以理解为一个整个流水线的一个工作阶段stage,这些工作线程之间的合作是一环扣一环的。靠输入口越近的工作线程，是时序较早的工作...