一个返回邻接矩阵形式的桶聚合，该请求提供一个名为filter表达式的集合，类似于filters聚合请求，响应中的每个桶表示交叉滤波器矩阵中的非空单元格。
adjacency_matrix聚合是一个新功能，我们可能会随着我们获得有关其使用的反馈而发展设计。 因此，此功能的API可能以非向后兼容的方式更改
给定名为A，B和C的过滤器，响应将返回具有以下名称的buckets（桶）：
| A | B | C | |
|---|---|---|---|
| A | A | A&B | A&C |
| B | B | B&C | |
| C | C |
使用由和号字符分隔的两个过滤器名称的组合来标记相交的桶例如A和C。 请注意，响应也不包括“C＆A”桶，因为这将与“A＆C”相同的一组文档。 矩阵被称为对称的，所以我们只返回一半。 为此，我们对过滤器名称字符串进行排序，并始终使用最低的一对作为“＆”分隔符左侧的值。
如果客户端希望使用除＆符号的默认值以外的分隔符字符串，则可以在请求中传递替代分隔符参数。
例如：
PUT /emails/message/_bulk?refresh
{ "index" : { "_id" : 1 } }
{ "accounts" : ["hillary", "sidney"]}
{ "index" : { "_id" : 2 } }
{ "accounts" : ["hillary", "donald"]}
{ "index" : { "_id" : 3 } }
{ "accounts" : ["vladimir", "donald"]}
GET emails/message/_search
{
"size": 0,
"aggs" : {
"interactions" : {
"adjacency_matrix" : {
"filters" : {
"grpA" : { "terms" : { "accounts" : ["hillary", "sidney"] }},
"grpB" : { "terms" : { "accounts" : ["donald", "mitt"] }},
"grpC" : { "terms" : { "accounts" : ["vladimir", "nigel"] }}
}
}
}
}
}
在上面的例子中，我们分析电子邮件，以查看哪些人已经交换了消息。 我们将分别获取每个组的计数，并且还记录已记录交互的组对的消息计数。
响应：
{
"took": 9,
"timed_out": false,
"_shards": ...,
"hits": ...,
"aggregations": {
"interactions": {
"buckets": [
{
"key":"grpA",
"doc_count": 2
},
{
"key":"grpA&grpB",
"doc_count": 1
},
{
"key":"grpB",
"doc_count": 2
},
{
"key":"grpB&grpC",
"doc_count": 1
},
{
"key":"grpC",
"doc_count": 1
}
]
}
}
}
自己可以提供创建无向加权图所需的所有数据。 然而，当与诸如date_histogram的子集合一起使用时，结果可以提供执行 dynamic network analysis（动态网络分析）所需的附加级别的数据，其中随着时间的推移，检查交互变得重要。
N过滤桶的矩阵可以产生N²/ 2，因此默认最大值为100个过滤器。可以使用index.max_adjacency_matrix_filters索引级别设置更改此设置