【Elasticsearch】Geo-distance聚合

`geo_distance`聚合的形状是圆形。它基于一个中心点（`origin`）和一系列距离范围来计算每个文档与中心点的距离，并将文档分配到相应的距离范围内。这种聚合方式本质上是以中心点为圆心，以指定的距离范围为半径的圆形区域来划分数据。

为什么是圆形？
`geo_distance`聚合的核心是计算每个文档的地理位置与指定起点之间的直线距离（欧几里得距离或球面距离）。因此，它自然形成了以起点为中心的圆形区域。例如：

• 如果你指定一个范围是`0-10km`，那么所有距离起点在 10 公里以内的文档都会被归入这个范围。

• 这个范围在地理空间上就是一个以起点为中心、半径为 10 公里的圆形区域。

示例说明
假设我们有一个起点（`origin`）和以下距离范围：

• `0-10km`

• `10-50km`

• `50km`以上

这些范围在地理空间上可以表示为以下圆形区域：

• 第一个范围：以起点为中心，半径为 10 公里的圆内。

• 第二个范围：以起点为中心，半径在 10 公里到 50 公里之间的环形区域。

• 第三个范围：以起点为中心，半径大于 50 公里的区域。

圆形区域的可视化
以下是一个简单的示意图，展示这些圆形区域的划分：

```
起点 (origin)
   |
   |--- 10km 圆
   |       |
   |       |--- 50km 圆
   |               |
   |               |--- 50km 以上区域
   |
```

与其他聚合的对比

• `geo_distance`聚合：基于圆形区域，以起点为中心，按距离划分。

• `geo_tile_grid`聚合：基于网格划分，将地理空间划分为规则的矩形网格。

• `geo_bounding_box`过滤器：基于矩形区域，限定一个矩形范围。

场景示例
假设你有一个包含多个餐厅的索引，你希望统计距离某个用户位置不同距离范围内的餐厅数量。使用`geo_distance`聚合可以实现这一点，它会根据用户位置形成圆形区域，统计每个区域内的餐厅数量。

示例代码

```json
POST /restaurants/_search?size=0
{
  "aggs": {
    "distance_ranges": {
      "geo_distance": {
        "field": "location",
        "origin": "POINT (121.4737 31.2304)",  <!-- 上海市中心 -->
        "unit": "km",
        "ranges": [
          { "to": 5 },
          { "from": 5, "to": 10 },
          { "from": 10 }
        ]
      }
    }
  }
}
```

响应示例

```json
{
  "aggregations": {
    "distance_ranges": {
      "buckets": [
        {
          "key": "*-5.0",
          "from": 0.0,
          "to": 5.0,
          "doc_count": 10  <!-- 0-5公里范围内有10个餐厅 -->
        },
        {
          "key": "5.0-10.0",
          "from": 5.0,
          "to": 10.0,
          "doc_count": 8  <!-- 5-10公里范围内有8个餐厅 -->
        },
        {
          "key": "10.0-*",
          "from": 10.0,
          "doc_count": 12  <!-- 10公里以上范围内有12个餐厅 -->
        }
      ]
    }
  }
}
```

总结
`geo_distance`聚合的形状是圆形，它基于起点和距离范围划分数据。这种聚合方式非常适合用于地理空间分析，例如统计某个地点周围不同距离范围内的文档数量。