---
title: "Easysearch：第一次用 Aggregations，就能做出报表级统计"
date: 2026-01-23
lastmod: 2026-01-23
description: "从零开始学习 Easysearch 聚合分析功能，通过订单状态分布和金额趋势两个实战案例，演示如何结合 ECharts 实现报表级统计与可视化"
tags: ["Easysearch", "聚合分析", "数据可视化"]
summary: "在很多团队中，搜索引擎最早承担的角色只是“查数据”。
但当数据量变大、业务问题变复杂，仅靠列表查询已经远远不够——我们开始需要统计、汇总和分析。
Easysearch 提供的 Aggregations（聚合分析），正是用来解决这类问题的核心能力。即使是第一次接触，只要掌握几个基础概念，也可以直接做出报表级别的统计结果。
本文将从零开始，带你理解并使用 Easysearch Aggregations，完成两个最常见的统计与可视化实践。
 一、什么是 Easysearch #  Easysearch 是由 INFINI Labs 推出的 开源分布式搜索与分析引擎，在接口和使用方式上与 Elasticsearch 高度兼容，同时在稳定性、可运维性和企业场景上做了大量增强。
在 Easysearch 中：
 搜索（Search） 用来找数据 聚合（Aggregations） 用来算数据  如果说搜索解决的是“有哪些数据”，
那么聚合解决的就是“数据整体长什么样”。
 二、为什么说 Aggregations 能做“报表级统计” #  在传统系统中，报表通常意味着：
 数据分组（按用户、按状态、按时间） 指标计算（数量、平均值、总和） 支持图表展示（饼图、柱状图、趋势图）  而在 Easysearch 中，这些能力都集中在 Aggregations 里完成，并且：
 不需要导出数据 不需要额外的分析数据库 在查询阶段即可返回统计结果  一句话总结：
Aggregations = 实时统计引擎 + 报表计算器
 三、Aggregations 的基本使用方式 #  一个带聚合的查询，结构非常清晰：
{ "size": 0, "aggs": { "my_agg": { "terms": { "field": "status" } } } } 这里有两个关键点："
---


在很多团队中，搜索引擎最早承担的角色只是“查数据”。  
但当数据量变大、业务问题变复杂，仅靠列表查询已经远远不够——**我们开始需要统计、汇总和分析**。

Easysearch 提供的 **Aggregations（聚合分析）**，正是用来解决这类问题的核心能力。即使是第一次接触，只要掌握几个基础概念，也可以直接做出**报表级别的统计结果**。

本文将从零开始，带你理解并使用 Easysearch Aggregations，完成两个最常见的统计与可视化实践。

---

## 一、什么是 Easysearch

Easysearch 是由 INFINI Labs 推出的 **开源分布式搜索与分析引擎**，在接口和使用方式上与 Elasticsearch 高度兼容，同时在稳定性、可运维性和企业场景上做了大量增强。

在 Easysearch 中：

- **搜索（Search）** 用来找数据
- **聚合（Aggregations）** 用来算数据

如果说搜索解决的是“**有哪些数据**”，  
那么聚合解决的就是“**数据整体长什么样**”。

---

## 二、为什么说 Aggregations 能做“报表级统计”

在传统系统中，报表通常意味着：

- 数据分组（按用户、按状态、按时间）
- 指标计算（数量、平均值、总和）
- 支持图表展示（饼图、柱状图、趋势图）

而在 Easysearch 中，这些能力都集中在 **Aggregations** 里完成，并且：

- 不需要导出数据
- 不需要额外的分析数据库
- 在查询阶段即可返回统计结果

一句话总结：

**Aggregations = 实时统计引擎 + 报表计算器**

---

## 三、Aggregations 的基本使用方式

一个带聚合的查询，结构非常清晰：

```json
{
  "size": 0,
  "aggs": {
    "my_agg": {
      "terms": {
        "field": "status"
      }
    }
  }
}
```

这里有两个关键点：

- `size: 0`：不关心原始文档，只要统计结果
- `aggs`：定义所有统计规则

聚合的结果会统一返回在 `aggregations` 字段中，非常适合被前端或报表系统直接消费。

---

## 四、报表统计的核心思路

几乎所有报表都可以拆解为两个问题：

1. **怎么分组？**（按什么维度统计）
2. **要算什么？**（数量、平均值、总和等）

在 Easysearch 中，对应的是两类最基础的聚合：

- **Bucket 聚合**：负责“分组”
- **Metric 聚合**：负责“计算指标”

下面通过两个实践场景来说明。

---

## 五、聚合实践一：订单状态分布（ECharts 饼图）

### 1. 业务需求

统计订单在不同状态下的数量分布，例如：

- 已支付（paid）
- 已发货（shipped）
- 已完成（completed）
- 已取消（canceled）

该场景关注的是 **结构占比**，非常适合使用 **饼图** 展示。

---

### 2. Easysearch 聚合查询

```json
{
  "size": 0,
  "aggs": {
    "order_status": {
      "terms": {
        "field": "status",
        "size": 10
      }
    }
  }
}
```

该聚合表示：  
**按订单状态分组，并统计每种状态的订单数量**。

---

### 3. 聚合返回结果（简化）

```json
{
  "aggregations": {
    "order_status": {
      "buckets": [
        { "key": "paid", "doc_count": 320 },
        { "key": "shipped", "doc_count": 210 },
        { "key": "completed", "doc_count": 180 },
        { "key": "canceled", "doc_count": 45 }
      ]
    }
  }
}
```

---

### 4. 转换为 ECharts 数据结构

ECharts 饼图需要的数据格式为：

```js
const pieData = buckets.map((item) => ({
  name: item.key,
  value: item.doc_count,
}));
```

---

### 5. ECharts 饼图配置示例

```js
const option = {
  title: {
    text: "订单状态分布",
    left: "center",
  },
  tooltip: {
    trigger: "item",
    formatter: "{b}: {c} 单 ({d}%)",
  },
  legend: {
    orient: "vertical",
    left: "left",
  },
  series: [
    {
      name: "订单数量",
      type: "pie",
      radius: "60%",
      center: ["50%", "55%"],
      data: pieData,
    },
  ],
};

chart.setOption(option);
```

![](/img/knowledge-base/basic/easysearch-aggregations-reporting-statistics/image-1.png)

---

### 6. 报表价值说明

通过该饼图可以快速回答：

- 哪种订单状态占比最高？
- 是否存在异常状态（例如取消率过高）？
- 订单整体结构是否健康？

这正是 **Aggregations + 可视化 = 报表** 的典型体现。

---

## 六、聚合实践二：每日订单金额趋势（ECharts 折线图）

### 1. 业务需求

按天统计订单总金额，用于观察：

- 业务增长趋势
- 活动带来的波动
- 异常日期的金额变化

该场景关注的是 **时间变化趋势**，适合使用 **折线图或柱状图**。

---

### 2. Easysearch 聚合查询

```json
{
  "size": 0,
  "aggs": {
    "by_day": {
      "date_histogram": {
        "field": "order_time",
        "calendar_interval": "day"
      },
      "aggs": {
        "total_amount": {
          "sum": {
            "field": "amount"
          }
        }
      }
    }
  }
}
```

含义是：

- 先按天分组
- 再计算每天的订单金额总和

---

### 3. 聚合返回结果（简化）

```json
{
  "aggregations": {
    "by_day": {
      "buckets": [
        {
          "key_as_string": "2026-01-01",
          "total_amount": { "value": 15230 }
        },
        {
          "key_as_string": "2026-01-02",
          "total_amount": { "value": 18740 }
        },
        {
          "key_as_string": "2026-01-03",
          "total_amount": { "value": 20281 }
        },
        {
          "key_as_string": "2026-01-03",
          "total_amount": { "value": 23298 }
        }
      ]
    }
  }
}
```

![](/img/knowledge-base/basic/easysearch-aggregations-reporting-statistics/image-2.png)

---

### 4. 转换为 ECharts 折线图数据

```js
const xAxisData = buckets.map((item) => item.key_as_string);
const seriesData = buckets.map((item) => item.total_amount.value);
```

---

### 5. ECharts 折线图配置示例

```js
const option = {
  title: {
    text: "每日订单金额趋势",
  },
  tooltip: {
    trigger: "axis",
  },
  xAxis: {
    type: "category",
    data: xAxisData,
  },
  yAxis: {
    type: "value",
    name: "金额",
  },
  series: [
    {
      name: "订单金额",
      type: "line",
      data: seriesData,
      smooth: true,
    },
  ],
};

chart.setOption(option);
```

---

### 6. 报表价值说明

通过该趋势图可以直观看到：

- 业务是否持续增长
- 哪些日期存在明显波动
- 是否需要进一步下钻分析异常点

这类 **时间序列报表** 是 Aggregations 在真实业务中最常见、也是最有价值的用法之一。

---

## 七、第一次用 Aggregations 的几个经验建议

- **先想清楚报表长什么样，再写聚合**
- 不必一次用很多聚合，先从 `terms`、`sum`、`avg` 开始
- 多使用 `size: 0`，避免不必要的数据传输
- 把聚合结果当成“接口返回值”，而不是“查询副产品”

---

## 八、总结

Easysearch 的 Aggregations 并不是一个“高级功能”，而是一个**每个业务系统都值得尽早使用的基础能力**。

只要掌握：

- 如何分组
- 如何计算
- 如何对接可视化

你就已经具备了用 Easysearch **直接产出报表级统计结果**的能力。**搜索负责找到数据，聚合负责读懂数据，报表负责讲清楚数据。**这，正是 Easysearch Aggregations 的价值所在。