白话Elasticsearch42-深入聚合数据分析之案例实战__bucket filter:统计牌品最近一个月的平均价格(Filter Aggregation)

本文涉及的产品
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
简介: 白话Elasticsearch42-深入聚合数据分析之案例实战__bucket filter:统计牌品最近一个月的平均价格(Filter Aggregation)

20190806092132811.jpg


概述

继续跟中华石杉老师学习ES,第41篇

课程地址https://www.roncoo.com/view/55


官方说明

Filter Aggregation:戳这里


20190824121434599.png


案例


需求: 统计牌品最近一个月的平均价格

今天是 2019-08-24 ,为了演示该案例,我们批量更新下数据

POST /tvs/sales/_bulk
{"update":{"_id":"3n0msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-07-30"}}
{"update":{"_id":"4H0msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-01-05"}}
{"update":{"_id":"4n0msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-04-12"}}
{"update":{"_id":"230msmwBYSg4rD-7WPaa"}}
{"doc":{"sold_date":"2019-03-28"}}
{"update":{"_id":"3X0msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-05-20"}}
{"update":{"_id":"3H0msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-06-05"}}
{"update":{"_id":"330msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-08-02"}}
{"update":{"_id":"4X0msmwBYSg4rD-7WPab"}}
{"doc":{"sold_date":"2019-07-30"}}


更新后的数据:

20190824123243886.png


DSL:

#统计牌品最近一个月的平均价格
GET /tvs/sales/_search 
{
  "query": {
    "term": {
      "brand": "TCL"
    }
  },
  "aggs": {
    "recent_30d": {
      "filter": {
        "range": {
          "sold_date": {
            "gte": "now-30d"
          }
        }
      },
      "aggs": {
        "recent_30d_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }, 
  "size": 0
}


返回


2019082412345959.png


分析一下:


aggs.filter,针对的是聚合。


为什么不把filter放在query里呢? 如果放query里面的filter,是全局的,会对所有的数据都有影响 。


但是假设你要统计TCL电视,最近1个月的平均值; 最近3个月的平均值; 最近6个月的平均值


那就需要对bucket 进行 filter:对不同的bucket下的aggs,进行filter

#统计牌品最近一个月的平均价格
GET /tvs/sales/_search 
{
  "query": {
    "term": {
      "brand": "TCL"
    }
  },
  "aggs": {
    "recent_30d": {
      "filter": {
        "range": {
          "sold_date": {
            "gte": "now-30d"
          }
        }
      },
      "aggs": {
        "recent_30d_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    },
    "recent_90d":{
      "filter": {
        "range": {
          "sold_date": {
            "gte": "now-90d"
          }
        }
      },
      "aggs": {
        "recent_90d_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    },
    "recent_180d":{
      "filter": {
        "range": {
          "sold_date": {
            "gte": "now-180d"
          }
        }
      },
      "aggs": {
        "recent_180d_price": {
          "avg": {
            "field": "price"
          }
        }
      }
    }
  }
}

返回:

{
  "took": 12,
  "timed_out": false,
  "_shards": {
    "total": 5,
    "successful": 5,
    "skipped": 0,
    "failed": 0
  },
  "hits": {
    "total": 2,
    "max_score": 0.9808292,
    "hits": [
      {
        "_index": "tvs",
        "_type": "sales",
        "_id": "330msmwBYSg4rD-7WPab",
        "_score": 0.9808292,
        "_source": {
          "price": 1200,
          "color": "绿色",
          "brand": "TCL",
          "sold_date": "2019-08-02"
        }
      },
      {
        "_index": "tvs",
        "_type": "sales",
        "_id": "3n0msmwBYSg4rD-7WPab",
        "_score": 0.6931472,
        "_source": {
          "price": 1500,
          "color": "蓝色",
          "brand": "TCL",
          "sold_date": "2019-07-30"
        }
      }
    ]
  },
  "aggregations": {
    "recent_30d": {
      "doc_count": 2,
      "recent_30d_price": {
        "value": 1350
      }
    },
    "recent_90d": {
      "doc_count": 2,
      "recent_90d_price": {
        "value": 1350
      }
    },
    "recent_180d": {
      "doc_count": 2,
      "recent_180d_price": {
        "value": 1350
      }
    }
  }
}


相关实践学习
使用阿里云Elasticsearch体验信息检索加速
通过创建登录阿里云Elasticsearch集群,使用DataWorks将MySQL数据同步至Elasticsearch,体验多条件检索效果,简单展示数据同步和信息检索加速的过程和操作。
ElasticSearch 入门精讲
ElasticSearch是一个开源的、基于Lucene的、分布式、高扩展、高实时的搜索与数据分析引擎。根据DB-Engines的排名显示,Elasticsearch是最受欢迎的企业搜索引擎,其次是Apache Solr(也是基于Lucene)。 ElasticSearch的实现原理主要分为以下几个步骤: 用户将数据提交到Elastic Search 数据库中 通过分词控制器去将对应的语句分词,将其权重和分词结果一并存入数据 当用户搜索数据时候,再根据权重将结果排名、打分 将返回结果呈现给用户 Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索,具有接近实时的搜索,并支持多租户。
相关文章
|
18天前
|
消息中间件 数据挖掘 Kafka
Apache Kafka流处理实战:构建实时数据分析应用
【10月更文挑战第24天】在当今这个数据爆炸的时代,能够快速准确地处理实时数据变得尤为重要。无论是金融交易监控、网络行为分析还是物联网设备的数据收集,实时数据处理技术都是不可或缺的一部分。Apache Kafka作为一款高性能的消息队列系统,不仅支持传统的消息传递模式,还提供了强大的流处理能力,能够帮助开发者构建高效、可扩展的实时数据分析应用。
64 5
|
1月前
|
数据采集 数据可视化 数据挖掘
基于Python的数据分析与可视化实战
本文将引导读者通过Python进行数据分析和可视化,从基础的数据操作到高级的数据可视化技巧。我们将使用Pandas库处理数据,并利用Matplotlib和Seaborn库创建直观的图表。文章不仅提供代码示例,还将解释每个步骤的重要性和目的,帮助读者理解背后的逻辑。无论你是初学者还是有一定基础的开发者,这篇文章都将为你提供有价值的见解和技能。
100 0
|
1月前
|
SQL 数据采集 数据可视化
深入 Python 数据分析:高级技术与实战应用
本文系统地介绍了Python在高级数据分析中的应用,涵盖数据读取、预处理、探索及可视化等关键环节,并详细展示了聚类分析、PCA、时间序列分析等高级技术。通过实际案例,帮助读者掌握解决复杂问题的方法,提升数据分析技能。使用pandas、matplotlib、seaborn及sklearn等库,提供了丰富的代码示例,便于实践操作。
159 64
|
7天前
|
并行计算 数据挖掘 大数据
Python数据分析实战:利用Pandas处理大数据集
Python数据分析实战:利用Pandas处理大数据集
|
1月前
|
数据采集 数据可视化 数据挖掘
Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
【10月更文挑战第3天】Python 数据分析实战:使用 Pandas 进行数据清洗与可视化
85 0
|
7天前
|
存储 安全 数据管理
如何在 Rocky Linux 8 上安装和配置 Elasticsearch
本文详细介绍了在 Rocky Linux 8 上安装和配置 Elasticsearch 的步骤,包括添加仓库、安装 Elasticsearch、配置文件修改、设置内存和文件描述符、启动和验证 Elasticsearch,以及常见问题的解决方法。通过这些步骤,你可以快速搭建起这个强大的分布式搜索和分析引擎。
20 5
|
1月前
|
存储 JSON Java
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
这篇文章是关于Elasticsearch的学习指南,包括了解Elasticsearch、版本对应、安装运行Elasticsearch和Kibana、安装head插件和elasticsearch-ik分词器的步骤。
109 0
elasticsearch学习一:了解 ES,版本之间的对应。安装elasticsearch,kibana,head插件、elasticsearch-ik分词器。
|
2月前
|
NoSQL 关系型数据库 Redis
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
mall在linux环境下的部署(基于Docker容器),docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongodb、minio详细教程,拉取镜像、运行容器
mall在linux环境下的部署(基于Docker容器),Docker安装mysql、redis、nginx、rabbitmq、elasticsearch、logstash、kibana、mongo
|
3月前
|
数据可视化 Docker 容器
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
这篇文章提供了通过Docker安装Elasticsearch和Kibana的详细过程和图解,包括下载镜像、创建和启动容器、处理可能遇到的启动失败情况(如权限不足和配置文件错误)、测试Elasticsearch和Kibana的连接,以及解决空间不足的问题。文章还特别指出了配置文件中空格的重要性以及环境变量中字母大小写的问题。
一文教会你如何通过Docker安装elasticsearch和kibana 【详细过程+图解】
|
3月前
|
JSON 自然语言处理 数据库
Elasticsearch从入门到项目部署 安装 分词器 索引库操作
这篇文章详细介绍了Elasticsearch的基本概念、倒排索引原理、安装部署、IK分词器的使用,以及如何在Elasticsearch中进行索引库的CRUD操作,旨在帮助读者从入门到项目部署全面掌握Elasticsearch的使用。