ES date_histogram 聚合
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
}
]
}
}
}
ES date_histogram 聚合的更多相关文章
- ES Terms 聚合数据不确定性
Elasticsearch是一个分布式的搜索引擎,每个索引都可以有多个分片,用来将一份大索引的数据切分成多个小的物理索引,解决单个索引数据量过大导致的性能问题,另外每个shard还可以配置多个副本,来 ...
- ES 在聚合结果中进行过滤
ES查询中,先聚合,在聚合结果中进行过滤 { "size": 0, "aggs": { "terms": { "terms&quo ...
- (转载)es进行聚合操作时提示Fielddata is disabled on text fields by default
原文地址:http://blog.csdn.net/u011403655/article/details/71107415 根据es官网的文档执行 GET /megacorp/employee/_se ...
- （转）es进行聚合操作时提示Fielddata is disabled on text fields by default
根据es官网的文档执行 GET /megacorp/employee/_search { "aggs": { "all_interests": { " ...
- javaAPI操作ES分组聚合
连接es的客户端使用的 TransportClient SearchRequestBuilder requestBuilder = transportClient.prepareSearch(indi ...
- es date_histogram强制补零
es补零 GET /cars/transactions/_search { "size" : 0, "aggs": { "sales": { ...
- ES系列九、ES优化聚合查询之深度优先和广度优先
1.优化聚合查询示例 假设我们现在有一些关于电影的数据集,每条数据里面会有一个数组类型的字段存储表演该电影的所有演员的名字. { "actors" : [ "Fred J ...
- 时间序列数据库——索引用ES、聚合分析时加载数据用什么？docvalues的列存储貌似更优优势一些
加载 如何利用索引和主存储,是一种两难的选择. 选择不使用索引,只使用主存储:除非查询的字段就是主存储的排序字段,否则就需要顺序扫描整个主存储. 选择使用索引,然后用找到的row id去主存储加载数据 ...
- ES的聚合操作
构建数据: @Test public void createIndex(){ /** * 创建索引 * */ client. ...
随机推荐
- ClientDataSet中修改，删除，添加数据和Delta属性
ClientDataSet中使用Post提交变更的数据时,实际上并没有更新到后端数据库中,而是提交到了由DataSnap管理的数据缓冲区中.当使用了ClientDataSet.ApplyUpDates ...
- docker 概念
前言: docker是一个开源的应用容器引擎,让开发这可以打包他们的应用以及依赖包到一个可以移植的容器中,然后发布到任何流行的Linux机器上,也可以实现虚拟化.容器是完全使用沙箱机制,互相之间不会有 ...
- 前端接收 post 请求返回的文件
坐标过多无法用Get请求,只能用post下载. 但发现ajax发送的post请求没有触发下载,返回的流媒体会存在于接口返回的response中. 查询发现AJAX并不会唤起浏览器的下载窗口,AJAX设 ...
- U盘防病毒
1.待查 http://jingyan.baidu.com/article/a3f121e4ced14ffc9052bbca.html
- javascript jssdk退出微信的方法
javascript jssdk退出微信的方法 <pre> $('.tctip').on('click',function () { setTimeout("WeixinJSBr ...
- Available time
Google Calendar, Outlook, iCal has been banned from your company! So an intrepid engineer has decide ...
- 记crt 在windows与linux服务器之间利用ftp进行文件的上传下载
我们首先来熟悉一些相关的命令以及操作: ls #展示linux服务器当前工作目录[你连接sftp时所处的目录]下的所有文件以及文件夹 lcd F:\niki #绑定你在windo ...
- 《Mysql - 我的Mysql为什么会抖一下?》
一: 抖一下? - 平时的工作中,不知道有没有遇到过这样的场景. - 一条 SQL 语句,正常执行的时候特别快,但是有时也不知道怎么回事,它就会变得特别慢. - 并且这样的场景很难复现,它不只随机,而 ...
- vmware 安装XP 32位Professional版本
VMware14 安装XP 专业版,总部报错Dicrectory Boot not found 下载了N多个XP的版本发现,原来是XP版本的问题,现将正确版本写在这里,以备后用 百度网盘共享位置 ...
- 20191011-构建我们公司自己的自动化接口测试框架-Util的AssertResult模块
AssertResult主要就是进行结果断言的了,因为断言结果分2种情况,一种是断言词,一种是断言sheet,如果涉及断言sheet,则需要操作excel到对应的断言表断言所有的字段并且书写断言结果主 ...