> For the complete documentation index, see [llms.txt](https://xiaoxiami.gitbook.io/elasticsearch/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://xiaoxiami.gitbook.io/elasticsearch/ji-chu/36aggregationsju-he-fen-679029/362tong-ju540828-bucketaggregations/adjacency-matrix-aggregation.md).

# 邻接矩阵聚合(Adjacency Matrix Aggregation)

一个返回[邻接矩阵](https://en.wikipedia.org/wiki/Adjacency_matrix)形式的桶聚合，该请求提供一个名为filter表达式的集合，类似于filters聚合请求，响应中的每个桶表示交叉滤波器矩阵中的非空单元格。

> adjacency\_matrix聚合是一个新功能，我们可能会随着我们获得有关其使用的反馈而发展设计。 因此，此功能的API可能以非向后兼容的方式更改

给定名为A，B和C的过滤器，响应将返回具有以下名称的buckets（桶）：

|   | A | B    | C    |
| - | - | ---- | ---- |
| A | A | A\&B | A\&C |
| B |   | B    | B\&C |
| C |   |      | C    |

使用由和号字符分隔的两个过滤器名称的组合来标记相交的桶例如A和C。 请注意，响应也不包括“C＆A”桶，因为这将与“A＆C”相同的一组文档。 矩阵被称为对称的，所以我们只返回一半。 为此，我们对过滤器名称字符串进行排序，并始终使用最低的一对作为“＆”分隔符左侧的值。

如果客户端希望使用除＆符号的默认值以外的分隔符字符串，则可以在请求中传递替代分隔符参数。

例如：

```
PUT /emails/message/_bulk?refresh
{ "index" : { "_id" : 1 } }
{ "accounts" : ["hillary", "sidney"]}
{ "index" : { "_id" : 2 } }
{ "accounts" : ["hillary", "donald"]}
{ "index" : { "_id" : 3 } }
{ "accounts" : ["vladimir", "donald"]}

GET emails/message/_search
{
  "size": 0,
  "aggs" : {
    "interactions" : {
      "adjacency_matrix" : {
        "filters" : {
          "grpA" : { "terms" : { "accounts" : ["hillary", "sidney"] }},
          "grpB" : { "terms" : { "accounts" : ["donald", "mitt"] }},
          "grpC" : { "terms" : { "accounts" : ["vladimir", "nigel"] }}
        }
      }
    }
  }
}
```

在上面的例子中，我们分析电子邮件，以查看哪些人已经交换了消息。 我们将分别获取每个组的计数，并且还记录已记录交互的组对的消息计数。

响应：

```
{
  "took": 9,
  "timed_out": false,
  "_shards": ...,
  "hits": ...,
  "aggregations": {
    "interactions": {
      "buckets": [
        {
          "key":"grpA",
          "doc_count": 2
        },
        {
          "key":"grpA&grpB",
          "doc_count": 1
        },
        {
          "key":"grpB",
          "doc_count": 2
        },
        {
          "key":"grpB&grpC",
          "doc_count": 1
        },
        {
          "key":"grpC",
          "doc_count": 1
        }
      ]
    }
  }
}
```

## 用法

自己可以提供创建无向加权图所需的所有数据。 然而，当与诸如date\_histogram的子集合一起使用时，结果可以提供执行[dynamic network analysis](https://en.wikipedia.org/wiki/Dynamic_network_analysis)（动态网络分析）所需的附加级别的数据，其中随着时间的推移，检查交互变得重要。

## 局限性

N过滤桶的矩阵可以产生N²/ 2，因此默认最大值为100个过滤器。可以使用index.max\_adjacency\_matrix\_filters索引级别设置更改此设置