如何对聚合计数值做范围聚合以统计不同文档量区间的userId数量

要完成跨聚合输出值的范围统计，核心是搭建两阶段嵌套聚合链路，不需要额外拉取数据到本地计算：

• 第一阶段：先按userId做分桶统计，拿到每个用户名下的文档总数量
• 第二阶段：直接调用原生的管道聚合能力，对第一阶段输出的每个用户的文档计数值做范围划分，最终统计每个区间内的用户总数

针对你给出的文档结构（包含path、userId字段），可以直接使用如下DSL完成统计：

{
  "size": 0,
  "aggs": {
    // 第一阶段：逐用户统计文档数
    "per_user_doc_stat": {
      "terms": {
        "field": "userId.keyword",
        // 必须根据实际的不重复userId总量调整size，默认仅返回前10个分桶会导致结果漏算
        "size": 20000
      }
    },
    // 第二阶段：对上游输出的每个用户的文档数做范围分桶
    "user_count_by_docs_range": {
      "range_bucket": {
        // 指定取上游每个用户分桶的内置计数值（即该用户的文档总量）作为统计源
        "buckets_path": "per_user_doc_stat>_count",
        "ranges": [
          { "from": 100, "key": "超过100篇文档" },
          { "from": 50, "to": 100, "key": "50至100篇文档" },
          { "to": 100, "key": "不足100篇文档" }
        ]
      }
    }
  }
}

查询返回的每个范围分桶的doc_count值，就是对应区间内的userId总数量。

• 如果你的userId字段在索引映射中是普通文本类型，聚合时必须指定对应的keyword子字段（即userId.keyword），否则会触发类型错误，或得到精度不足的聚合结果
• 必须根据实际的userId总量调整第一阶段terms聚合的size参数，默认值仅返回前10个分桶，会遗漏大量用户导致统计结果失准。如果userId总量较大、超过普通terms聚合的单批拉取上限，可以替换为composite聚合作为第一阶段的分桶手段，分批遍历所有用户的文档数，避免单次查询占用过多内存
• 上述用到的range_bucket是原生提供的管道聚合能力，专门用于对上游聚合的输出计数值做范围划分，不需要自行编写脚本转换数据
• 注意区间边界设置：如果需要三个完全不重叠的统计分类，需要把“不足100篇文档”的区间调整为“不足50篇文档”，否则50-100区间的用户会同时被统计到“不足100篇文档”的分类里，出现计数交叉

内容的提问来源于stack exchange，提问作者user2478384