请问当结果集比较大或者bucket数量太多时，使用dateHistogram，terms进行聚合分析如何优化？

使用dateHistogram，terms对日志数据进行聚合分析，有两个问题想请教一下：
1、dateHistogram按天间隔，如果是计算分析几个月或者一年的数据，会导致请求超时，或者gc，这个可以用别的方式优化么。分别测试过一个月一亿条数据，以及一整年两千万条数据，前者没有问题，后者会超时或者GC？
2、terms 分组数如果很多（几千）也会出现同样的问题，我试图用partition进行优化，将请求拆分，我以为结果集会分批全部返回，只是会多花点时间，但是却都只返回第一批，且加大请求时间也没有用，用kibana dev tool和java都试过。请问是哪里用错了么？
说明一下：因为是预计算，不是请求查数据，所以没有考虑分页
贴上kibana dev tool 的请求:
GET pagelog_5/_search
{
"size" : 0,
"query" : {
"bool" : {
"must" : [
{
"range" : {
"access_date" : {
"from" : "2017-01-01",
"to" : "2017-01-02",
"include_lower" : true,
"include_upper" : true,
"boost" : 1.0
}
}
}
],
"disable_coord" : false,
"adjust_pure_negative" : true,
"boost" : 1.0
}
},
"aggregations" : {
"dateAgg" : {
"date_histogram" : {
"field" : "access_date",
"format" : "yyyy-MM-dd",
"interval" : "1d",
"offset" : 0,
"order" : {
"_key" : "asc"
},
"keyed" : false,
"min_doc_count" : 1
},
"aggregations" : {
"url_term" : {
"terms" : {
"field" : "url",
"size" : 1000,
"min_doc_count" : 1,
"shard_min_doc_count" : 0,
"show_term_doc_count_error" : false,
"order" : [
{
"_count" : "desc"
},
{
"_term" : "asc"
}
],
"include" : {
"partition" : 0,
"num_partitions" : 10
}
}
}
}
}
}
}