elasticsearch 聚合之 date_histogram 聚合

技术分享 3年前 (2022-12-01) 0 999+

关注

1、背景

此处来简单学习一下 elasticsearch 的 date_histogram直方图聚合。它和普通的直方图histogram聚合差不多，但是date_histogram只可于 日期或日期范围 类型的值一起使用。

2、bucket_key如何计算

假设我们存在如下时间 2022-11-29 23:59:59。
在 es中时间为 2022-11-29 23:59:59 +0000，因为上方的时间没有时区，所以会自动加上0时区，对应的时间戳为 1669766399000
此处假设以 1d 为单位来聚合
聚合统计中 time_zone的值为+0800
bucket_key计算公式为 bucket_key = localToUtc(Math.floor(utcToLocal(value) / interval) * interval))

计算步骤如下：(此处是我自己的理解，如果不对欢迎指出)

utcToLocal(value) = 1669766399000(utc的值) + 8*60*60*1000(time_zone +8的值) = 1669795199000
Math.floor(utcToLocal(value) / interval) * interval) = Math.floor(1669795199000 / (24*60*60*1000)) * (24*60*60*1000) = 1669766400000
localToUtc(...)=1669766400000-86060*1000=1669737600000
key_as_string=utc时间1669737600000转换成东八区时间展示为=2022/11/30 00:00:00

3、前置知识

日期(date)类型的字段在 es中是以 long类型的值保存的。
es中默认默认的时区是 0时区。
如果我们有一个东八区的时间，那么在es中是如何存储的呢？

假设存在如下mapping

"invoked_time": {   "type": "date",   "format": ["yyyy-MM-dd HH:mm:ss"] }

如果我们此时存在如下 东八区时间 2022-11-29 12:12:12，那么在 es 会存储为 2022-11-29 12:12:12 +0000 对应的时间戳，为什么会加上+0000，因为我们自己的时间字符串中没有时区，就会加上默认的0时区。

4、日历和固定时间间隔

既然我们是根据时间来进行聚合，那么必然就会涉及到这么一个问题。假设以天为单位来聚合，那么1天到底是固定的24小时呢，还是可变的呢? 因为存在时区的关系，在有的国家，在某些时区下，一天就不一定是24个小时。因此在es中提供了calendar-aware time intervals, 和 fixed time intervals. 两种类型。

4.1 Calendar intervals 日历间隔

日历感知间隔使用calendar_interval参数配置。 它可以自动感应到日历中的时区变化。它的单位只能是单数，不可是复数，比如2d就是错误的。

日历间隔 可用的单位为：分钟 (1m)、小时 (1h)、天 (1d)、星期 (1w)、月 (1M)、季度 (1q)、年 (1y)

举个例子：1m 是从何时开始的，何时结束的？.
所有的分钟都从00秒开始。一分钟是指定时区中第一分钟的00秒和下一分钟的00秒之间的时间间隔，用于补偿任何介于其间的闰秒，因此整点后的分钟数和秒数在开始和结束时是相同的。

4.2 Fixed intervals 固定间隔

固定间隔使用fixed_interval参数进行配置。

与日历感知间隔相比，固定间隔是固定数量的SI单位，无论它们落在日历的哪个位置，都不会偏离。一秒总是由1000ms组成。这允许以支持的单位的任意倍数指定固定间隔。但是，这意味着固定间隔不能表示其他单位，例如月，因为一个月的持续时间不是固定的数量。尝试指定月或季度等日历间隔将引发异常。

固定间隔 可用的单位为：
毫秒 (ms)
秒 (s)
          定义为每个1000毫秒
分钟 (m)
          所有分钟都从00秒开始。定义为每个60秒(60,000毫秒)
小时 (h)
          所有小时都从00分00秒开始。定义为每60分钟(3,600,000毫秒)
天 (d)
          所有天都在尽可能早的时间开始，通常是00:00:00(午夜)。定义为24小时(86,400,000毫秒)

5、数据准备

5.1 准备mapping

PUT /index_api_invoked_time {   "settings": {     "number_of_shards": 1   },   "mappings": {     "properties": {       "id": {         "type": "long"       },       "api": {         "type": "keyword"       },       "invoked_time": {         "type": "date",         "format": ["yyyy-MM-dd HH:mm:ss"]       }     }   } }

5.2 准备数据

PUT /index_api_invoked_time/_bulk {"index":{"_id":1}} {"api":"/user/infos","invoked_time": "2022-11-26 00:00:00"} {"index":{"_id":2}} {"api":"/user/add"} {"index":{"_id":3}} {"api":"/user/update","invoked_time": "2022-11-26 23:59:59"} {"index":{"_id":4}} {"api":"/user/list","invoked_time": "2022-11-27 00:00:00"} {"index":{"_id":5}} {"api":"/user/export","invoked_time": "2022-11-29 23:59:59"} {"index":{"_id":6}} {"api":"/user/detail","invoked_time": "2022-12-01 01:00:00"}

6、聚合案例

6.1 dsl

POST /index_api_invoked_time/_search  {   "size": 0,    "aggregations": {     "agg_01": {       "date_histogram": {         "field": "invoked_time",         "calendar_interval": "1d",         "min_doc_count": 0,         "missing": "2022-11-27 23:59:59",         "time_zone": "+08:00",         "offset":"+10h",         "extended_bounds": {           "min": "2022-11-26 10:00:00",           "max": "2022-12-03 10:00:00"         }       }     }   } }

6.2 java代码

@Test @DisplayName("日期直方图聚合") public void test01() throws IOException {     SearchRequest request = SearchRequest.of(searchRequest ->             searchRequest.index("index_api_invoked_time")                     .size(0)                     .aggregations("agg_01", agg ->                             agg.dateHistogram(dateAgg ->                                     // 聚合的字段                                     dateAgg.field("invoked_time")                                             // 聚合的单位，日历感知 单位为天，此时的一天不一定为24小时，因为夏令时时，有些国家一天可能只有23个小时                                             .calendarInterval(CalendarInterval.Day)                                             // 固定间隔， 此处可以指定 1天就是24小时                                             // .fixedInterval()                                             // 如果聚合的桶中，没有文档也返回                                             .minDocCount(0)                                             // 对于文档中，聚合字段缺失，此处给一个默认值，默认情况是此文档不参与聚合                                             .missing(DateTime.of("2022-11-27 23:59:59", DateTimeFormatter.ofPattern("yyyy-MM-dd HH:mm:ss")))                                             // 时区                                             .timeZone("+08:00")                                             // 偏移，偏移是在时间在对应的时区调整之后，再去偏移                                             .offset(time -> time.time("+10h"))                                             // 如果返回的桶数据不在这个边界中，则给默认值，不会对数据进行过滤。                                             .extendedBounds(bounds ->                                                     bounds.min(FieldDateMath.of(f -> f.expr("2022-11-26 10:00:00")))                                                             .max(FieldDateMath.of(f -> f.expr("2022-12-03 10:00:00")))                                             )                             )                     )     );     System.out.println("request: " + request);     SearchResponse<String> response = client.search(request, String.class);     System.out.println("response: " + response); }