ES terms聚合统计性能优化实践

一、terms聚合统计，initialise 阶段的耗时，有助于我们调整对应 aggs 的 execution_hint 参数选择？

map：过滤之后，实际纳入统计的doc数量特别少，但是字段总的term数量超级多

适用场景：
过滤完之后，纳入统计的doc很少
不适用场景：
过滤完之后，纳入统计的doc很多

global_ordinals：过滤之后，实际纳入统计的doc数量特别多，但是字段总的term数量很少

适用场景：
过滤完之后，纳入统计的doc很多，但是terms聚合字段，总的token很少（即该字段数据不离散）
不适用场景：
terms聚合字段，总的token超级多

Terms aggregation默认的计算方式并非直观感觉上的先查询，然后在查询结果上直接做聚合。

ES假定用户需要聚合的数据集是海量的，如果将查询结果全部读取回来放到内存里计算，内存消耗会非常大。因此ES利用了一种叫做global ordinals的数据结构来对聚合的字段来做bucket分配，这个ordinals用有序的数值来代表字段里唯一的一个字符串，因此为每个ordinals值分配一个bucket就等同于为每个唯一的token分配了bucket。 之后遍历查询结果的时候，可以将结果映射到各个bucket里，就可以很快的统计出每个bucket里的文档数了。
这种计算方式主要开销在构建global ordinals和分配bucket上，如果索引包含的原始文档非常多，查询结果包含的文档也很多，那么默认的这种计算方式是内存消耗最小，速度最快的。
如果