improving-the-performance-of-high-cardinality-terms-aggregations-in-elasticsearch
主要是因为，es里面默认在terms聚合的时候，会创建一个gloalbal ordinals（全局的排序），这种方式对于海量数据的聚合很有效，由于基数总数不大的字段聚合也没有问题。但是对于过滤出来结果很小的数据，字段基数较大的聚合查询非常耗时。 可以通过创建gloalbal ordinals来解决这个问题
"aggregations" : { "top-ibans" : { "terms" : { "field" : "IBAN_keyword" , "execution_hint" : "map"通过设置 "execution_hint": "map" 来避免使用gloalbal ordinals
Global Ordinals
Global Ordinals分布在索引的所有段segment中，所以如果新增或删除一个分段时，需要对全局序号进行重建。 重建需要读取每个分段的每个唯一项，基数越高（即存在更多的唯一项）这个过程会越长。Global Ordinals是构建在内存 fielddata 和 doc values 之上的。实际上，它们正是 doc values 性能表现不错的一个主要原因。
Ordinals的构建只被应用于字符串。数值信息（integers（整数）、geopoints（地理经纬度）、dates（日期）等等）不需要使用Ordinals映射，因为这些值自己本质上就是Ordinals映射。
Global Ordinals在遇到High Cardinality（Large Number of Unique Values，即某个字段的值有很多很多种，可以理解为count distinct这个字段的数值大小）的情况下，聚合效率低。
execution_hint设置
map：为了在每个桶中聚合数据，直接使用field values，当只有很少文档能够匹配查询的时候使用（返回结果集合比较小的时候适用）
global_ordinals：使用field的ordinals，预先为每个ordinal value分配一个桶，默认用于top-level terms aggregations，不适合于多个嵌套aggregations
global_ordinals_hash：使用field的ordinals，动态为每个ordinal value分配一个桶，默认用于inner aggregations
global_ordinals_low_cardinality：通过使用每个segment ordinals来计算count，使用global ordinals来重新map这些count到global counts，应用于leaf terms aggregations，内存开销和字段非重复值的个数线性相关，默认用于low-cardinality fields 字段的值种类很少的情况
es官网给出的解决方案 www.elastic.co/cn/blog/imp…
