上面的响应显示没有文档的 price 在[100, 150)范围内。 默认情况下，响应将用空桶填充直方图中的间隙。 得益于min_doc_count设置，可以更改和请求具有更高最小数量的桶：

POST /sales/_search?size=0
{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "min_doc_count" : 1
            }
        }
    }
}

响应：

{
    ...
    "aggregations": {
        "prices" : {
            "buckets": [
                {
                    "key": 0.0,
                    "doc_count": 1
                },
                {
                    "key": 50.0,
                    "doc_count": 1
                },
                {
                    "key": 150.0,
                    "doc_count": 2
                },
                {
                    "key": 200.0,
                    "doc_count": 3
                }
            ]
        }
    }
}

默认情况下，histogram返回数据本身范围内的所有桶，也就是说，具有最小值的文档(使用直方图)将确定最小桶(具有最小键的桶)，具有最大值的文档将确定最大桶(具有最大键的桶)。 通常，当请求空桶时，这会导致混乱，特别是当数据也被过滤时。

为了理解其中的原因，我们来看一个例子：

假设你正在过滤你的请求，以获取值在0到500之间的所有文档，此外，你希望使用间隔为50的直方图来分割每个价格的数据。 你还指定了"min_doc_count" : 0，因为你希望获得所有的桶，即使是空的桶。 如果碰巧所有产品(文档)的价格都高于 100，那么你将得到的第一个桶将是以100为键的桶。 这是令人困惑的，因为很多时候，你也想得到0 - 100之间的那些桶。

通过extended_bounds设置，你现在可以“强制” histogram 聚合开始根据特定的min值构建桶，并继续构建桶直到max值(即使不再有文档)。 仅当min_doc_count为 0 时，使用extended_bounds才有意义(如果min_doc_count大于0，则永远不会返回空桶)。

注意(顾名思义), extended_bounds不是过滤桶。 也就是说，如果extended_bounds.min高于从文档中提取的值，文档仍将指示第一个桶将是什么(extended_bounds.max和最后一个桶也是如此)。 对于过滤桶，应该使用适当的from/to设置将 histogram 聚合嵌套在范围filter聚合下。

示例：

POST /sales/_search?size=0
{
    "query" : {
        "constant_score" : { "filter": { "range" : { "price" : { "to" : "500" } } } }
    },
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "extended_bounds" : {
                    "min" : 0,
                    "max" : 500
                }
            }
        }
    }
}

聚合范围时，桶基于返回的文档的值。 这意味着响应可能包含查询范围之外的桶。 例如，如果查询是要查找大于100的值，并且范围从50到150，interval为50，那么该文档将位于3个桶中——50、100和150。 一般来说，最好将查询和聚合步骤看作是独立的——查询负责选择一组文档，然后聚合对这些文档进行分桶，而不考虑它们是如何被选择的。 更多信息和示例参考 有关范围字段分桶的提示。

默认情况下，返回的桶按它们的key升序排序，尽管可以使用order设置来控制排序行为。 支持与terms 聚合相同的order功能。

默认情况下，桶的键从0开始，然后以interval的均匀步长继续，例如，如果 interval 是10，前三个桶(假设其中有数据)将是[0, 10)、[10, 20)、[20, 30)。 可以通过使用offset选项来移动桶的边界。

这可以用一个例子来说明。 如果有10个值在5到14之间的文档，使用间隔10将产生两个桶，每个桶有5个文档。 如果使用额外的5 5，将只有一个包含所有10个文档的桶[5, 15)。

默认情况下，桶作为有序数组返回。 也可以请求以哈希形式的响应，而不是以桶的键作为键：

POST /sales/_search?size=0
{
    "aggs" : {
        "prices" : {
            "histogram" : {
                "field" : "price",
                "interval" : 50,
                "keyed" : true
            }
        }
    }
}

响应：

{
    ...
    "aggregations": {
        "prices": {
            "buckets": {
                "0.0": {
                    "key": 0.0,
                    "doc_count": 1
                },
                "50.0": {
                    "key": 50.0,
                    "doc_count": 1
                },
                "100.0": {
                    "key": 100.0,
                    "doc_count": 0
                },
                "150.0": {
                    "key": 150.0,
                    "doc_count": 2
                },
                "200.0": {
                    "key": 200.0,
                    "doc_count": 3
                }
            }
        }
    }
}

参数missing定义应该如何处理有缺失值的文档。 默认情况下，它们将被忽略，但也可以将它们视为有一个值。

POST /sales/_search?size=0
{
    "aggs" : {
        "quantity" : {
             "histogram" : {
                 "field" : "quantity",
                 "interval": 10,
                 "missing": 0 
             }
         }
    }
}