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}
]
}
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。