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
}
}
}
}
}
}