【Elasticsearch】 邻接矩阵聚合（Adjacency Matrix Aggregation）

 Elasticsearch 的邻接矩阵聚合（Adjacency Matrix Aggregation）是一种特殊的桶聚合，用于分析多个过滤器之间的交集关系。它可以帮助你快速了解哪些文档同时满足多个条件，并统计每个交集的文档数量。这种聚合特别适用于分析复杂的关系网络，例如社交网络中的用户交互、事件之间的关联等。

核心概念

1. 过滤器（Filters）：

邻接矩阵聚合通过一组命名的过滤器来定义不同的条件。每个过滤器可以是一个简单的查询，例如`term`、`terms`或`range`查询，用于筛选满足特定条件的文档。

2. 交集（Intersections）：

邻接矩阵聚合会计算所有过滤器之间的交集。例如，如果有过滤器`A`和`B`，它会计算同时满足`A`和`B`的文档数量。

3. 对称性（Symmetry）：

邻接矩阵是对称的，即`A&B`和`B&A`是相同的交集。因此，聚合结果只返回一半的交集，避免重复。

4. 结果（Buckets）：

每个交集被表示为一个桶（bucket），每个桶包含一个键（key）和一个文档计数（doc_count）。键是过滤器名称的组合，例如`A&B`。

示例说明

假设我们有一个索引`emails`，其中记录了不同用户之间的电子邮件往来。我们希望分析哪些用户群体之间有邮件交互。

示例数据

```json

PUT emails/_bulk?refresh

{ "index" : { "_id" : 1 } }

{ "accounts" : ["hillary", "sidney"]}

{ "index" : { "_id" : 2 } }

{ "accounts" : ["hillary",