日期直方图聚合Elasticsearch

如何解决日期直方图聚合Elasticsearch

我想过滤并从弹性搜索中获取数据。我曾尝试过日期直方图聚合，但它不能解决我的目的。 我有类似的数据：

[
   {
      "id":1,"title":"Sample news","date":"2020-09-17","regulation":[
         {
            "id":1,"name":"sample name","date":"2020-09-17"
         },{
            "id":2,"name":"sample name 1","date":"2020-09-18"
         }
      ]
   },{
      "id":2,"title":"Sample news 1","date":"2020-09-18"
         },"date":"2020-09-17"
         }
      ]
   }
]

我想过滤并获取以下数据：

year: {
  month: {
   day: {
    news: int,regulations: int,}
 }
}

这意味着每天的新闻和法规都算作日期层次结构。 我可以达到这样的数据：

        "2020-09-17" : {
          "key_as_string" : "2020-09-17","key" : 1600300800000,"doc_count" : 1
        },"2020-09-18" : {
          "key_as_string" : "2020-09-18","key" : 1600387200000,"doc_count" : 0
        },"2020-09-19" : {
          "key_as_string" : "2020-09-19","key" : 1600473600000,

使用

GET /news/_search?size=0
{
  "aggs": {
    "news_over_time": {
      "date_histogram": {
        "field": "date","calendar_interval": "day","keyed": true,"format": "yyy-MM-dd"
      }
    }
  }
}

但这并不能解决我的目的。 如何使用Elasticsearch和Elasticsearch dsl

预期的响应： 预期响应：

2020: {
  09: {
   17: {
    news: 2,regulation: 2
   },18: {
    news: 0,regulation: 2
   }
 }
}

解决方法

我不确定您的预期响应是什么，但是如果您想获得每天的新闻数量，这就是您想要的

GET /news/_search?size=0
{
  "aggs": {
    "news_over_time": {
      "date_histogram": {
        "field": "regulation.date","calendar_interval": "day","format": "yyy-MM-dd"
         }
      }
   }
}

,

由于新闻日期和法规日期是2个不同的字段，其中一个属于父文档，另一个属于嵌套文档。我不确定我们是否可以直接满足您的要求（我自己也正在为此寻求帮助）。但是，下面的查询也应该对您有用。

GET news/_search
{
  "size": 0,"aggs": {
    "news_over_time": {
      "date_histogram": {
        "field": "date","keyed": true,"format": "yyy-MM-dd"
      }
    },"regulations_over_time":{
      "nested": {
        "path": "regulation"
      },"aggs": {
        "regulation": {
          "date_histogram": {
            "field": "regulation.date","format": "yyy-MM-dd"
          }
        }
      }
    }
  }
}

它将以以下形式提供结果：

"aggregations" : {
"regulations_over_time" : { //<=== Regulations over time based on regulationDate
  "doc_count" : 9,"regulation" : {
    "buckets" : {
      "2020-09-17" : {
        "key_as_string" : "2020-09-17","key" : 1600300800000,"doc_count" : 5
      },"2020-09-18" : {
        "key_as_string" : "2020-09-18","key" : 1600387200000,"doc_count" : 4
      }
    }
  }
},"news_over_time" : { //<======= news over time based on news date
  "buckets" : {
    "2020-09-17" : {
      "key_as_string" : "2020-09-17","doc_count" : 2
    },"2020-09-18" : {
      "key_as_string" : "2020-09-18","doc_count" : 2
    }
  }
}
}
}

然后，您可以根据需要将这两个统计信息合并在一起。