有些聚合分析的算法，是很容易就可以并行的，比如说max
有些聚合分析的算法，是不好并行的，比如说，count(distinct)，并不是说，在每个node上，直接计算出一些distinct value，就可以的，因为数据可能会很多，不同node上可能有重复的值
对于不易并行的局和分析，es会采取近似聚合的方式，就是采用在每个node上进行近估计的方式，得到最终的结论，
count(distinct)，100万，估计在105万/95万 --> 5%左右的错误率
近似估计后的结果，不完全准确，但是速度会很快，一般会达到完全精准的算法的性能的数十倍
精准+实时+大数据 --> 最多选择2个
（1）精准+实时: 没有大数据，数据量很小，那么一般就是单击跑，随便你则么玩儿就可以
（2）精准+大数据：hadoop，批处理，非实时，可以处理海量数据，保证精准，可能会跑几个小时
（3）大数据+实时：es，不精准，近似估计，可能会有百分之几的错误率
如果采取近似估计的算法：延时在100ms左右，0.5%错误
近似估计的算法：延时在100ms左右，0.5%错误
如果采取100%精准的算法：延时一般在5s~几十s，甚至几十分钟，几小时，但是 0%错误
