# 百分数桶聚合(Percentiles Bucket Aggregation)
## 百分数桶聚合(Percentiles Bucket Aggregation)
> 警告：此功能是实验性的，可能会在未来的版本中完全更改或删除。Elastic将采取最大的努力来解决任何的问题，但是实验功能不受SLA官方功能的支持。
同级管道聚合，它计算同级聚合中指定度量的所有桶的百分位数。指定度量必须是数字，并且同级聚合必须是多桶聚合。
## Syntax（语法）
百分数聚合看起来像这样：
```
{
"percentiles_bucket": {
"buckets_path": "the_sum"
}
}
```
## percentiles\_bucket参数
| 参数名称 | 描述 | 是否必要 | 默认值 |
| -------------- | --------------------------------------------------------- | ---- | ------------------------------ |
| `buckets_path` | 我们希望找到的数据的桶的路径（相关详细信息，请参阅"buckets\_path Syntax"一节） | 必须 | |
| `gap_policy` | 在数据中找到差异时应用的策略（相关详情，请参阅“Dealing with gaps in the data”一节） | 可选 | `skip` |
| `format` | 应用于此聚合的输出值的格式 | 可选 | `null` |
| `percents` | 要计算的百分数列表 | 可选 | `[ 1, 5, 25, 50, 75, 95, 99 ]` |
以下代码计算每月sales桶总数的百分数：
```
POST /sales/_search
{
"size": 0,
"aggs" : {
"sales_per_month" : {
"date_histogram" : {
"field" : "date",
"interval" : "month"
},
"aggs": {
"sales": {
"sum": {
"field": "price"
}
}
}
},
"percentiles_monthly_sales": {
"percentiles_bucket": {
"buckets_path": "sales_per_month>sales", #1
"percents": [ 25.0, 50.0, 75.0 ] #2
}
}
}
}
```
| 1 | buckets\_path指示这个为percentiles\_bucket聚合，我们希望在sales\_per\_month数据直方图中计算sales聚合的统计数据。 |
| - | ----------------------------------------------------------------------------------- |
| 2 | percents指定了我们希望计算的百分数，在这里，是第25，第50和第75百分数。 |
以下是响应信息：
```
{
"took": 11,
"timed_out": false,
"_shards": ...,
"hits": ...,
"aggregations": {
"sales_per_month": {
"buckets": [
{
"key_as_string": "2015/01/01 00:00:00",
"key": 1420070400000,
"doc_count": 3,
"sales": {
"value": 550.0
}
},
{
"key_as_string": "2015/02/01 00:00:00",
"key": 1422748800000,
"doc_count": 2,
"sales": {
"value": 60.0
}
},
{
"key_as_string": "2015/03/01 00:00:00",
"key": 1425168000000,
"doc_count": 2,
"sales": {
"value": 375.0
}
}
]
},
"percentiles_monthly_sales": {
"values" : {
"25.0": 375.0,
"50.0": 375.0,
"75.0": 550.0
}
}
}
}
```
## Percentiles\_bucket实现
百分数桶返回最近输入的数据点，该数据点不大于所请求的百分数；它不会在数据点之间插值。
百分数是精确计算的，不是近似值（与百分数指标不同）。这意味着在丢弃数据之前，实现会在内存中维护一个有序的数据列表来计算百分数。如果你尝试在数百万的数据点中计算一个百分数的percentiles\_bucket，可能会遇到内存压力问题。