程序员经验分享-hwhale

ES date_histogram 聚合

2023-05-16

如下


GET cars/index/_search
{
  "size":0,
  "aggs": {
    "sales": {
      "date_histogram": {//按照日期时间聚合分析数据
        "field": "sold",//分析的字段
        "interval": "month",//按照月份间隔
        "format": "yyyy-MM-dd",//日期格式
        "min_doc_count": 0,// 没有数据的月份返回0
        "extended_bounds":{//强制返回的日期区间，是连续的
          "min":"2014-01-01",
          "max":"2018-12-31"
        }
      }
    }
  }
}

结果如下，拿到数据后方便进行图表分析，这样区间内连续的数据都可以看得很清晰


{
  "took": 7,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "sales": {
      "buckets": [
        {
          "key_as_string": "2014-01-01",
          "key": 1388534400000,
          "doc_count": 1
        },
        {
          "key_as_string": "2014-02-01",
          "key": 1391212800000,
          "doc_count": 1
        },
        {
          "key_as_string": "2014-03-01",
          "key": 1393632000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2014-04-01",
          "key": 1396310400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2014-05-01",
          "key": 1398902400000,
          "doc_count": 1
        },
        {
          "key_as_string": "2014-06-01",
          "key": 1401580800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2014-07-01",
          "key": 1404172800000,
          "doc_count": 1
        },
        {
          "key_as_string": "2014-08-01",
          "key": 1406851200000,
          "doc_count": 1
        },
        {
          "key_as_string": "2014-09-01",
          "key": 1409529600000,
          "doc_count": 0
        },
        {
          "key_as_string": "2014-10-01",
          "key": 1412121600000,
          "doc_count": 1
        },
        {
          "key_as_string": "2014-11-01",
          "key": 1414800000000,
          "doc_count": 2
        },
        {
          "key_as_string": "2014-12-01",
          "key": 1417392000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-01-01",
          "key": 1420070400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-02-01",
          "key": 1422748800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-03-01",
          "key": 1425168000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-04-01",
          "key": 1427846400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-05-01",
          "key": 1430438400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-06-01",
          "key": 1433116800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-07-01",
          "key": 1435708800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-08-01",
          "key": 1438387200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-09-01",
          "key": 1441065600000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-10-01",
          "key": 1443657600000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-11-01",
          "key": 1446336000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2015-12-01",
          "key": 1448928000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-01-01",
          "key": 1451606400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-02-01",
          "key": 1454284800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-03-01",
          "key": 1456790400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-04-01",
          "key": 1459468800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-05-01",
          "key": 1462060800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-06-01",
          "key": 1464739200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-07-01",
          "key": 1467331200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-08-01",
          "key": 1470009600000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-09-01",
          "key": 1472688000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-10-01",
          "key": 1475280000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-11-01",
          "key": 1477958400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-12-01",
          "key": 1480550400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-01-01",
          "key": 1483228800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-02-01",
          "key": 1485907200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-03-01",
          "key": 1488326400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-04-01",
          "key": 1491004800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-05-01",
          "key": 1493596800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-06-01",
          "key": 1496275200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-07-01",
          "key": 1498867200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-08-01",
          "key": 1501545600000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-09-01",
          "key": 1504224000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-10-01",
          "key": 1506816000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-11-01",
          "key": 1509494400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-12-01",
          "key": 1512086400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-01-01",
          "key": 1514764800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-02-01",
          "key": 1517443200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-03-01",
          "key": 1519862400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-04-01",
          "key": 1522540800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-05-01",
          "key": 1525132800000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-06-01",
          "key": 1527811200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-07-01",
          "key": 1530403200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-08-01",
          "key": 1533081600000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-09-01",
          "key": 1535760000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-10-01",
          "key": 1538352000000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-11-01",
          "key": 1541030400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2018-12-01",
          "key": 1543622400000,
          "doc_count": 0
        }
      ]
    }
  }
}

 

转载于:https://www.cnblogs.com/fly-kaka/p/11596225.html

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)

date

Histogram

ES date_histogram 聚合 的相关文章

  • 在 SQL Server 中获取一周的第一天

    我试图按周对记录进行分组 将聚合日期存储为一周的第一天 然而 我用于四舍五入日期的标准技术似乎无法在几周内正常工作 尽管它可以在天 月 年 季度和我应用的任何其他时间范围内正常工作 这是 SQL select start of week d

  • ios - 在日期之间获取（以实际日期，而不是天数）

    我有两个日期字符串 我想获取中间日期 例如 NSString startDate 25 01 2014 NSString endDate 02 02 2014 之间的日期将为 26 01 2014 27 01 2014 28 01 2014

  • 在r中水平旋转直方图

    谁能帮我如何在 r 中将直方图旋转 90 度 我知道箱线图中有一个选项 horiz T 但我不知道直方图是否有类似的选项 我认为你必须使用 hist 和 barplot 来完成它 如下所示 直接来自文档 你可以在这里检查它 layout x

  • Jodatime 日期格式

    是否可以格式化 JodaTime 日期 这是代码 private static LocalDate priorDay LocalDate date1 do date1 date1 plusDays 1 while date1 getDayO

  • 将 LocalDate 转换为 DD/MM/YYYY LocalDate [重复]

    这个问题在这里已经有答案了 我有一个字符串DD MM YYYY日期格式 我想检查新日期是否比今天老 I use LocalDate now 但是 当我运行此代码时出现异常 LocalDate today LocalDate now Date

  • SimpleDateFormat 无法正确处理 DD

    我正在尝试获得这样的格式 2013 06 15 17 45 我在代码中执行以下操作 Date d new Date SimpleDateFormat ft new SimpleDateFormat YYYY MM DD HH mm Stri

  • PHP 使用今天的日期生成一个随机数

    我正在尝试为内容块 在网页上 分配一个随机生成的数字 该数字基于今天的日期 无论是什么 和固定数字 由于某种原因 输出的数字种类存在巨大差异 例如 当我在本地测试我的代码时 生成的数字对我来说足够好 正数 但在实际的实时服务器上时 它们通常

  • java Web应用程序中的日期转换

    String date1 13 03 2014 16 56 46 AEDT SimpleDateFormat sdf new SimpleDateFormat dd MM yyyy HH mm ss z sdf setTimeZone Ti

  • 标记个体内事件发生后发生的日期

    我有一组长格式的数据 每人几行 人 id 其中事件 事件 1 应该只发生一次 事件发生后 该人不应再有任何数据 如果事件发生后出现任何记录 我想使用名为 flag flag 1 的新变量创建一个查询 例如 下面标记了 id 5 因为在该人的

  • PHP strtotime +1 个月添加额外一个月[重复]

    这个问题在这里已经有答案了 我有一个简单的变量 可以将今天添加一个月 endOfCycle date Y m strtotime 1 month 今天是 2013 年 1 月 所以我希望返回 2013 02 但我得到的是 2013 03 我

  • 获取给定字符串日期中该月的最后一天

    我的输入字符串日期如下 String date 1 13 2012 我得到的月份如下 SimpleDateFormat dateFormat new SimpleDateFormat MM dd yyyy Date convertedDat

  • 使用 strtotime() 计算时间差（以小时和分钟为单位）[关闭]

    这个问题不太可能对任何未来的访客有帮助 它只与一个较小的地理区域 一个特定的时间点或一个非常狭窄的情况相关 通常不适用于全世界的互联网受众 为了帮助使这个问题更广泛地适用 访问帮助中心 help reopen questions time1

  • 两个日期之间间隔 15 分钟 javascript

    问题 我需要将两个日期 时间戳之间的所有 15 分钟时隙 日期格式 2016 08 10 16 00 00 创建为 HH mm 格式的数组 其中分钟限制为 00 15 30 45 示例 中午 12 30 到下午 2 30 将 gt 12 3

  • 使用 matplotlib 同时绘制两个直方图时，不透明度会产生误导

    假设我有两个直方图 我使用 hist 参数设置不透明度 alpha 0 5 我绘制了两个直方图 但我得到了三种颜色 我理解从不透明的角度来看这是有道理的 但 向某人展示具有三种颜色的两个事物的图表会让人非常困惑 我可以以某种方式将每个垃圾箱

  • 如何检查日期字符串的有效性？

    在我的项目中 我需要检查日期字符串是否计算为正确的日期对象 我决定允许 yyyy MM dd 和日期格式 年 月 日 和 年 月 日 小时 分钟 我如何检查它们是否有效 我的代码为 1980 01 01 和一些奇怪的日期 如 3837 05

  • 从 dask 数据框中的日期时间序列获取年份和星期？

    如果我有一个 Pandas 数据框和一个日期时间类型的列 我可以按如下方式获取年份 df year df date dt year 对于 dask 数据框 这是行不通的 如果我先计算 像这样 df year df date compute

  • Android 两个日期之间的差异

    我有两个约会 例如 String date 1 yyyyMMddHHmmss String date 2 yyyyMMddHHmmss 我想打印差异 例如 2d 3h 45m 我怎样才能做到这一点 谢谢 DateTimeUtils obj

  • 从字符串到日期的日期格式

    我正在使用上传的 csv 进行日期格式化 其中日期是具有以下格式的字符串 10 30 2021 8 41 PM 我试图在谷歌大查询中将其更改为 mm dd yyyy 但不断收到错误消息 提示 无效日期 或 无效日期时间 我尝试过使用子字符串

  • Plotly：如何绘制累积“步数”直方图？

    我正在尝试使用 python 中的 Plotly 绘制累积直方图 但使其看起来像 步骤 即没有颜色且仅显示顶线的条形图 像这样的事情 基本上 我试图重现以下 matplotlib 代码的行为 import matplotlib pyplot

  • 为什么 JSON.stringify() 接受 Date 对象？

    至少在 Firefox 中 您可以对 Date 对象进行字符串化 gt gt gt JSON stringify now new Date now 2012 04 23T18 44 05 600Z 这是有效的 因为 在 Firefox 中

随机推荐

热门标签