ElasticSearch:时序差分聚合(Serial Differencing Aggregation)

时序差分聚合的公式为f(x) = f(xt) - f(xt-n),也就是用当前点减去上一个周期的对应点，然后得出一个新的时序图，周期为1相当于不对时间做归一化求导，它表示一个点到下一个点的变化。单周期差分聚合对移除常量和线性趋势是很有用的。 单周期对于把序列转换为固定序列也是十分有用的，例如下面的图片，原始数据不是固定序列的，这样在某些分析场景下是不方便的

通过计算差分，我们重新整理了数据的趋势。并且我们让序列固定化了（第一个序列有一些随机的0值，并且没有任何模式）转换后我们发现数据是随机游走的，这个发现让我们能够选择合适的工具进行下一步的分析

对第1和第30位进行差分

语法

{
    "serial_diff": {
        "buckets_path": "the_sum",
        "lag": "7"
    }
}

#参数 参数|描述|是否必填|默认值 ----|----|---|---| buckets_path|感兴趣的项|是| lag|向前减第n个桶|否|1 gap_policy|中间出现间隙了怎么办|否|insert_zero format|格式化输出|否|null

这个函数只能在histogram或date_histogram聚合里面用

#实例

POST /_search
{
   "size": 0,
   "aggs": {
      "my_date_histo": {                  
         "date_histogram": {
            "field": "timestamp",
            "interval": "day"
         },
         "aggs": {
            "the_sum": {
               "sum": {
                  "field": "lemmings"     
               }
            },
            "thirtieth_difference": {
               "serial_diff": {                
                  "buckets_path": "the_sum",
                  "lag" : 30
               }
            }
         }
      }
   }
}

转载于:https://my.oschina.net/xiaomaijiang/blog/909482