如何既分组又求和又区分
聚合可以有子聚合。
首先，组功能对应于术语聚合和（有时）顶级聚合。其次，有一个sum聚合，一个简单的stats度量聚合。最后，在本例中使用distinct是执行count（distinct），它对应于基数聚合，根据需要可以是近似的或精确的。
7） 从表中删除event\u src\u id=x(可能会删除所有96m记录）
有一个delete by query api，您可以使用它，但是要注意删除文档的百分比很高；lucene和elasticsearch并没有为此进行优化，而且由于删除数据中的标记，您将产生开销。
示例
按网站从表组中选择网站、总和（stats）、计数（distinct（user\ id））

GET /_search
{
   "aggs": {
      "website_stats": {
        "terms": {
           "field": "website"
        },
        "aggs": {
           "sum_stats": {
             "sum": {
               "field": "stats"
             }
           },
           "count_users": {
             "cardinality": {
               "field": "user_id"
            }
          }
        }
      }
   }
}

从表中选择网站，sum（stats），count（distinct（user\ id）），其中year（time）=2009 group by website，month（time）

GET /_search
{
   "query": {
     "filter": {
       "range": {
           "Time": {
              "gt": "2009-01-01 00:00:00",
              "lt": "2010-01-01 00:00:00"
           }
       }
     }
   },
   "aggs": {
      "monthly_stats" {
        "terms": {
           "field": "website"
        },
        "aggs": {
           "months": {
              "date_histogram": {
                "field": "Time",
                "interval": "month"
              },
              "aggs" : {
                "sum_stats": {
                  "sum": {
                    "field": "stats"
                  }
                },
                "count_users": {
                  "cardinality": {
                    "field": "user_id"
                }
              }
            }
          }
        }
      }
   }
}

首先，我不认为使用elasticsearch进行类似olap的查询是一个好主意。我建议您使用一些类似dremel的技术（impala、tez、storm等），它们支持您指定的sql。它有一些优点，如：
您不必将数据从hadoop传输到elasticsearch。
您可以使用sql
您不必关心从elasticsearch查询答案解析json。
别误会我的意思，我喜欢elasticsearch/logstash/kibana，但我喜欢日志收集和可视化。当然可以进行一些高级查询，但它有一些局限性，这是我在个人项目中发现的。
还可以考虑使用kibana，它是elasticsearch中数据统计的一个很好的工具，您可以用它做很多事情。
以下是您要求的一些查询示例（我没有对其进行测试）：
1)

{
  "aggs": {
    "website": {
      "terms": {
        "field": "website"
      },
      "aggs": {
        "sum_stats": {
          "sum": {
            "field": "stats"
          },
          "aggs": {
            "distinct_user": {
              "cardinality": {
                "field": "user_id",
                "precision_threshold": 100
              }
            }
          }          
        }
      }
    }
  }
}

2-6是相似的，使用1）中的内容和不同的过滤器，如：

{
  "aggs": {
    "your_filter": {
      "filter": {
        "term": {"event_src_id" : "XXXXXXXXXXX"}
      }
    },
    "aggs": {
      "website": {
        "terms": {
          "field": "website"
        },
        "aggs": {
          "sum_stats": {
            "sum": {
              "field": "stats"
            },
            "aggs": {
              "distinct_user": {
                "cardinality": {
                  "field": "user_id",
                  "precision_threshold": 100
                }
              }
            }
          }
        }
      }
    }
  }
}

7） 删除很容易

"query" : {
        "term" : { "event_src_id" : "XXXXXXXXXXX" }
    }
}