38_ElasticSearch date hitogram之统计每月电视销量

最新推荐文章于 2023-03-10 16:54:59 发布
最新推荐文章于 2023-03-10 16:54:59 发布
阅读量789 收藏
点赞数
分类专栏： 【构建高可用架构】 【大数据】 【ElatisSearch】
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_27384769/article/details/79730967
版权

38_ElasticSearch date hitogram之统计每月电视销量

更多干货

一、需求说明

date hitogram之统计每月电视销量

  • 对时间进行 bucket，分组操作
  • histogram，按照某个值指定的interval，划分一个一个的bucket
  • date histogram，按照我们指定的某个date类型的日期field，以及日期interval，按照一定的日期间隔，去划分bucket
date interval = 1m，

2017-01-01~2017-01-31，就是一个bucket
2017-02-01~2017-02-28，就是一个bucket

然后会去扫描每个数据的date field，判断date落在哪个bucket中，就将其放入那个bucket

2017-01-05，就将其放入2017-01-01~2017-01-31，就是一个bucket

  • min_doc_count：即使某个日期interval，2017-01-01~2017-01-31中，一条数据都没有，那么这个区间也是要返回的，不然默认是会过滤掉这个区间的
  • extended_bounds，min，max：划分bucket的时候，会限定在这个起始日期，和截止日期内

二、查询

GET /tvs/sales/_search
{
   "size" : 0,
   "aggs": {
      "sales": {
         "date_histogram": {
            "field": "sold_date",
            "interval": "month", 
            "format": "yyyy-MM-dd",
            "min_doc_count" : 0, 
            "extended_bounds" : { 
                "min" : "2016-01-01",
                "max" : "2017-12-31"
            }
         }
      }
   }
}

三、结果

{
  "took": 16,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
  },
  "hits": {
    "total": 8,
    "max_score": 0,
    "hits": []
  },
  "aggregations": {
    "group_by_sold_date": {
      "buckets": [
        {
          "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": 1
        },
        {
          "key_as_string": "2016-06-01",
          "key": 1464739200000,
          "doc_count": 0
        },
        {
          "key_as_string": "2016-07-01",
          "key": 1467331200000,
          "doc_count": 1
        },
        {
          "key_as_strin
          "key_as_string": "2016-09-01",
          "key": 1472688000000,
          "doc_count": 0
        },g": "2016-08-01",
          "key": 1470009600000,
          "doc_count": 1
        },
        {
        {
          "key_as_string": "2016-10-01",
          "key": 1475280000000,
          "doc_count": 1
        },
        {
          "key_as_string": "2016-11-01",
          "key": 1477958400000,
          "doc_count": 2
        },
        {
          "key_as_string": "2016-12-01",
          "key": 1480550400000,
          "doc_count": 0
        },
        {
          "key_as_string": "2017-01-01",
          "key": 1483228800000,
          "doc_count": 1
        },
        {
          "key_as_string": "2017-02-01",
          "key": 1485907200000,
          "doc_count": 1
        }
      ]
    }
  }
}

相关文章


chenshiying007
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
ERP管理系统为企业带来的成本优势与具体效益分析
ciwuqiao4378的博客
09-16 475
企业一旦运用成本突破战略，可以对生产制造管理、财务管理、分销、后勤和人力资源管理等极大模块发挥实质性作用。总体而言，通过ERP管理系统的实施可以较大限度上减少无谓的劳动和资源浪费，可以结合相关理论明确和消除供应链上的制约因素，增...
统计elasticsearch中月每天索引量的脚本
weixin_34115824的博客
09-19 493
随着业务量的不断上升，最近一段时间需要对生产环境中的elasticsearch集群中的历史索引数据做迁移，而在做迁移前需要对被迁移的elasticsearch索引数据做统计用于迁移后的验证统计，所以就写了一个脚本用于es数据中查询历史索引的量生成报表文件，而在其中有使用过jq工具用于取数，jq的介绍可以查看http://jim123.blog.51cto.com/4763...
40_ElasticSearch 搜索+聚合：统计指定品牌下每个颜色的销量
架构师的成长之路的博客
03-28 1403
40_ElasticSearch 搜索+聚合：统计指定品牌下每个颜色的销量更多干货分布式实战（干货）spring cloud 实战（干货）mybatis 实战（干货）spring boot 实战（干货）React 入门实战（干货）构建中小型互联网企业架构（干货）python 学习持续更新ElasticSearch 笔记一、需求说明统计指定品牌下每个颜色的销量实际上来说，搜索，完全可以和聚合组合起来...
ES的date_histogram 根据年月日做统计
qq_41611829的博客
06-03 5698
只写了后台，前端请求带上dateType给后台，后端返回封装了json字符串的map GsonUtil.getJsonStringByObject()是封装的Gson.toJson的方法 前端接受解析结果 并设置echatrs参数 即可完成图表绘制 /** * 消息趋势统计 dateType由前端传递 包括年月周 * 按年则统计过去12个月 * 按月则统计过去30天 * 按周则统计过去7天 **/ public Map<String, String> msgTrendCount(
ElasticSearch练习二：聚合语法学习（aggs、bucket、metric、hitogram、date hitogram）
Yal_insist的博客
01-04 995
ElasticSearch练习二：聚合语法学习（aggs、bucket、metric、hitogram、date hitogram）
elasticsearch_ES_Elasticsearch界面_elasticsearch_源码
10-04
**Elasticsearch（ES）详解** Elasticsearch是一款开源、分布式、实时的全文搜索引擎，它基于Lucene构建，被广泛用于大数据分析、日志聚合、实时搜索和索引等场景。其强大的功能和易用性使得它在IT行业中备受青睐。...
es与solr的区别_solr_ES_es与solr的区别_elasticsearch_
10-03
在大数据和搜索引擎领域，Elasticsearch (ES) 和 Apache Solr 都是广泛使用的开源技术，它们都基于 Lucene 库，提供高性能、可扩展的全文搜索和分析能力。然而，两者在设计哲学、使用场景、功能特性以及社区支持等...
elasticsearch_exporter：Prometheus的Elasticsearch统计信息导出器
02-03
Elasticsearch导出器 Prometheus导出程序，用于以Go语言编写的有关ElasticSearch的各种指标。 安装 对于预构建的二进制文件，请查看发行版。 码头工人 ...注意：导出程序会在每个刮擦上从ElasticSearch群
test-es-client.zip_M4M_elastic_elasticsearch
09-21
在IT行业中，Elasticsearch（简称ES）是一个广泛使用的开源搜索引擎，特别适合处理大量数据的实时搜索和分析。它的灵活性、高效性和可扩展性使其在众多领域中得到了广泛应用。"test-es-client.zip_M4M_elastic_...
csy512889371#learnDoc#41_ElasticSearch global bucket：单个品牌与所有品牌销量
07-25
一、需求 二、查询 二、结果
ElasticSearch聚合语法学习（bucket，metric，hitogram，date hitogram）
努力努力再努力L
11-02 214
ElasticSearch搜索语法学习 目录 bucket与metric两个核心概念 插入数据 统计哪种颜色电视销量最高 统计每种颜色电视平均价格 bucket嵌套实现颜色+品牌的多层下钻 统计每种颜色电视最大最小，总和价格 1. bucket与metric两个核心概念 bucket：对数据分组 city name 北京 小李 北京 小王 上海 小张 上海 小丽 上海 小陈 基于city划分buckets，划分出来两个bucket，一个是北京bucket，一个是上海bucket 北京bu
ElasticSearch中 如何使用“group by“ 进行日 周 月 年统计呢？（ElasticsearchTemplate进行聚合查询）
不会吉他的肌肉男不是好的挨踢男的专栏
05-20 1587
我用的es是 6.8.1 如果我们想在es实现sql 中的group by 进行 日 周月年的统计 SELECT COUNT(id) FROM patientstudy GROUP BY createTime; 先介绍下 es DateHistogramInterval public static final DateHistogramInterval SECOND = new DateHistogramInterval("1s"); public static final Date.
ElasticSearch统计总数据量
m0_67403188的博客
08-16 548
}或 通配符{}或 多个{}url中前面的部分就是匹配需统计的索引返回内容：{}}其中count就是制定索引的总数据条数。
Elasticsearch使用篇 - 直方图聚合、日期直方图聚合、自动日期直方图聚合
The Secret
03-10 1271
本文介绍Elasticsearch的直方图聚合、日期直方图聚合、自动日期直方图聚合。
Elasticsearch索引按月划分以及获取所有索引数据
m0_37541043的博客
05-16 5645
Elasticsearch索引按月划分以及获取所有索引数据 项目中数据库根据月份水平划分，由于没有用数据库中间件，没办法一下查询所有订单信息，所有用Elasticsearch做订单检索。 Elasticsearch索引和数据库分片同步，也是根据月份来建立索引。 思路： 建立索引时用“order_yyyyMM”命名； 为这些订单索引建立别...
ElasticSearch date_histogram按时间聚合统计
热门推荐
wanson2015的博客
05-15 1万+
按时间统计 如果搜索是在 Elasticsearch 中使用频率最高的，那么构建按时间统计的 date_histogram 紧随其后。 为什么你会想用 date_histogram 呢？ 假设你的数据带时间戳。 无论是什么数据（Apache 事件日志、股票买卖交易时间、棒球运动时间）只要带有时间戳都可以进行 date_histogram 分析。当你的数据有时间戳，你总是想在 时间 维度上构建指...
es 按照时间分组 date_histogram
qingwufeiyang_530的专栏
08-03 1912
按照时间分组sqljava实现 sql http://ip:9200/_sql?sql=select count(cf.serial_no.raw),sum(cf.educate_amount) from f_mid_order_details where cf.create_time>=‘2020-01-01 00:00:00’ and cf.delete_flag=0 GROUP BY (date_histogram(‘format’=‘yyyy-MM’, ‘alias’=’@timestamp
4_ElaticSearch 使用terms搜索多个值
架构师的成长之路的博客
03-20 1万+
4_ElaticSearch 使用terms搜索多个值更多干货分布式实战（干货）spring cloud 实战（干货）mybatis 实战（干货）spring boot 实战（干货）React 入门实战（干货）构建中小型互联网企业架构（干货）python 学习持续更新ElasticSearch 笔记概述es 中如何实现 sql 中的in，使用terms实现语法如下：term: {"field": ...
es 排序 聚合统计_elasticsearch聚合统计出现次数
最新发布
05-13
在 Elasticsearch 中，可以使用聚合（Aggregation）实现对文档进行聚合统计，其中包括出现次数的统计。下面是一个示例： 假设我们有一个名为 "sales" 的索引，包含以下文档： ``` { "product": "A", "price": 10.0, "timestamp": "2021-08-01T10:00:00Z" } { "product": "B", "price": 15.0, "timestamp": "2021-08-01T10:05:00Z" } { "product": "A", "price": 12.0, "timestamp": "2021-08-01T10:10:00Z" } { "product": "C", "price": 20.0, "timestamp": "2021-08-01T10:15:00Z" } { "product": "A", "price": 8.0, "timestamp": "2021-08-01T10:20:00Z" } { "product": "B", "price": 18.0, "timestamp": "2021-08-01T10:25:00Z" } ``` 现在，我们想要统计每个产品出现的次数，可以使用以下聚合查询： ``` { "aggs": { "products": { "terms": { "field": "product" } } } } ``` 其中，"aggs" 是聚合查询的关键字，"products" 是我们给这个聚合起的名字，"terms" 表示我们要按照某个字段进行分组，"field" 指定了我们要按照哪个字段进行分组。 运行上述查询后，得到的结果如下： ``` { "aggregations": { "products": { "buckets": [ { "key": "A", "doc_count": 3 }, { "key": "B", "doc_count": 2 }, { "key": "C", "doc_count": 1 } ] } } } ``` 其中，"key" 表示产品名称，"doc_count" 表示该产品出现的次数。 如果想要对出现次数进行排序，可以使用以下聚合查询： ``` { "aggs": { "products": { "terms": { "field": "product", "order": { "_count": "desc" } } } } } ``` 其中，"order" 表示按照什么字段进行排序，"_count" 表示按照出现次数进行排序，"desc" 表示降序排列。 运行上述查询后，得到的结果如下： ``` { "aggregations": { "products": { "buckets": [ { "key": "A", "doc_count": 3 }, { "key": "B", "doc_count": 2 }, { "key": "C", "doc_count": 1 } ] } } } ``` 其中，产品 A 出现的次数最多，排在第一位。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值