NoSQL 与搜索 / 系统课时

范围与时间聚合

范围与时间聚合

本课用同一批商品数据生成价格区间和每日趋势。你将分别掌握数值范围、日期范围与时间直方图,并能正确处理区间边界、空时间桶和时区设置。

学习目标

  • 使用 range 与 date_range 划分数值和日期区间
  • 使用 date_histogram 生成连续时间序列
  • 正确理解 from、to、空桶与 time_zone 的行为

准备示例数据

下面脚本创建 products_range_demo 索引,写入价格和销售时间均不同的 5 条文档。日期字段使用 ISO 8601 格式,便于 Elasticsearch 按时间类型解析。

bash
curl -s -X DELETE 'http://localhost:9200/products_range_demo' >/dev/null

curl -s -X PUT 'http://localhost:9200/products_range_demo' -H 'Content-Type: application/json' -d '{
  "mappings": {
    "properties": {
      "name": {"type": "keyword"},
      "price": {"type": "double"},
      "sold_at": {"type": "date"}
    }
  }
}' >/dev/null

curl -s -X POST 'http://localhost:9200/products_range_demo/_bulk?refresh=true' -H 'Content-Type: application/x-ndjson' --data-binary $'{"index":{"_id":"1"}}
{"name":"phone","price":1999,"sold_at":"2026-07-01T10:00:00Z"}
{"index":{"_id":"2"}}
{"name":"laptop","price":6999,"sold_at":"2026-07-02T10:00:00Z"}
{"index":{"_id":"3"}}
{"name":"chair","price":799,"sold_at":"2026-07-02T12:00:00Z"}
{"index":{"_id":"4"}}
{"name":"desk","price":1599,"sold_at":"2026-07-03T09:00:00Z"}
{"index":{"_id":"5"}}
{"name":"coffee","price":49,"sold_at":"2026-07-03T11:00:00Z"}
' >/dev/null

curl -s 'http://localhost:9200/products_range_demo/_count' | jq '.count'

预期输出:

text
5

同时生成区间与趋势

range 适合价格、分数和时长等数值字段;date_range 适合预先定义的日期段;date_histogram 按固定或日历周期连续分桶,最适合折线图和柱状图。

bash
curl -s -X POST 'http://localhost:9200/products_range_demo/_search' -H 'Content-Type: application/json' -d '{
  "size": 0,
  "aggs": {
    "price_ranges": {
      "range": {
        "field": "price",
        "keyed": true,
        "ranges": [
          {"key": "low", "to": 100},
          {"key": "medium", "from": 100, "to": 1000},
          {"key": "high", "from": 1000}
        ]
      }
    },
    "sale_periods": {
      "date_range": {
        "field": "sold_at",
        "format": "yyyy-MM-dd",
        "keyed": true,
        "ranges": [
          {"key": "early", "from": "2026-07-01", "to": "2026-07-03"},
          {"key": "late", "from": "2026-07-03", "to": "2026-07-04"}
        ]
      }
    },
    "daily_sales": {
      "date_histogram": {
        "field": "sold_at",
        "calendar_interval": "day",
        "format": "yyyy-MM-dd",
        "time_zone": "+08:00",
        "min_doc_count": 0,
        "extended_bounds": {
          "min": "2026-07-01",
          "max": "2026-07-04"
        }
      }
    }
  }
}' | jq '{
  price_ranges: {
    low: .aggregations.price_ranges.buckets.low.doc_count,
    medium: .aggregations.price_ranges.buckets.medium.doc_count,
    high: .aggregations.price_ranges.buckets.high.doc_count
  },
  sale_periods: {
    early: .aggregations.sale_periods.buckets.early.doc_count,
    late: .aggregations.sale_periods.buckets.late.doc_count
  },
  daily_sales: [.aggregations.daily_sales.buckets[] | {date: .key_as_string, doc_count}]
}'

预期输出:

json
{
  "price_ranges": {
    "low": 1,
    "medium": 1,
    "high": 3
  },
  "sale_periods": {
    "early": 3,
    "late": 2
  },
  "daily_sales": [
    {"date": "2026-07-01", "doc_count": 1},
    {"date": "2026-07-02", "doc_count": 2},
    {"date": "2026-07-03", "doc_count": 2},
    {"date": "2026-07-04", "doc_count": 0}
  ]
}

范围桶与时间直方图的切分方式

边界、空桶与时区

范围聚合通常采用 from 包含、to 不包含的边界规则,因此值 100 会进入 medium,日期 2026-07-03 会进入 late。相邻区间应共享同一个边界,避免重叠或遗漏。

date_histogram 默认只返回存在文档的时间桶。设置 min_doc_count: 0 后,再配合 extended_bounds 才能补出指定范围内的空桶,前端绘制趋势图时就不会出现日期断点。

calendar_interval 遵循自然日、月、季度等日历边界,适合业务报表;固定时长则使用 fixed_interval。当报表按本地日期统计时,应明确设置 time_zone,否则接近午夜的文档可能被分到错误日期。

本课总结

  • range 与 date_range 用预定义边界生成区间桶
  • date_histogram 按时间周期连续分桶,适合趋势统计
  • 区间边界、空桶补齐和时区必须在查询设计阶段明确

下一课预告

下一课将把桶聚合与平均值、最大值、基数等指标聚合组合起来,构建更完整的多维统计结果。

按自己的节奏,确认真正理解。

目录与阅读设置

阅读设置

17

记录一个想法

范围与时间聚合

0 / 10000 · 笔记保存到账号。未提交的修改会在关闭、离开或刷新后丢失。

登录哪都通