1.定义与用途
`derivative`聚合是一种管道聚合（pipeline aggregation），用于计算指定度量（metric）的变化率。它通过计算当前值与前一个值之间的差异来实现这一点。这种聚合特别适用于分析时间序列数据，例如监控系统中的指标变化、销售数据的趋势分析等。
2.工作原理
`derivative`聚合的核心是计算相邻数据点之间的差异。具体来说，它会根据指定的`buckets_path`获取数据点，并计算每个数据点与前一个数据点之间的差值。第一个数据点没有前一个值，因此不会生成导数值。
3.参数
• `buckets_path`：必需参数，指定要计算导数的聚合路径。例如，如果要计算某个`sum`聚合的导数，`buckets_path`应指向该聚合的名称。
• `gap_policy`：可选参数，定义如何处理数据中的间隙。默认值为`skip`，表示跳过缺失的数据点。
• `format`：可选参数，定义输出值的格式。如果指定，格式化的值将返回在聚合的`value_as_string`属性中。
4.应用场景
`derivative`聚合广泛应用于以下场景：
• 趋势分析：通过计算销售额、流量等指标的变化率，可以快速识别增长或下降趋势。
• 异常检测：通过分析导数值的异常波动，可以及时发现数据中的异常情况。
5.示例
以下是一个具体的例子，展示如何使用`derivative`聚合来计算每月销售额的变化率。
假设我们有一个索引`sales`，其中记录了每次销售的日期（`date`字段）和销售金额（`price`字段）。我们希望计算每月销售额的变化率。
查询示例：
```json
POST /sales/_search
{
"size": 0,
"aggs": {
"sales_per_month": {
"date_histogram": {
"field": "date",
"calendar_interval": "month"
},
"aggs": {
"sales": {
"sum": {
"field": "price"
}
},
"sales_deriv": {
"derivative": {
"buckets_path": "sales"
}
}
}
}
}
}
```
响应结果：
```json
{
"took": 11,
"timed_out": false,
"_shards": ...,
"hits": ...,
"aggregations": {
"sales_per_month": {
"buckets": [
{
"key_as_string": "2015-01-01T00:00:00.000Z",
"key": 1420070400000,
"doc_count": 2,
"sales": {
"value": 1050.0
}
},
{
"key_as_string": "2015-02-01T00:00:00.000Z",
"key": 1422748800000,
"doc_count": 2,
"sales": {
"value": 60.0
},
"sales_deriv": {
"value": -990.0
}
},
{
"key_as_string": "2015-03-01T00:00:00.000Z",
"key": 1425168000000,
"doc_count": 2,
"sales": {
"value": 375.0
},
"sales_deriv": {
"value": 315.0
}
}
]
}
}
}
```
结果解释：
• 2015-01：总销售额为 1050，没有导数值（因为这是第一个数据点）。
• 2015-02：总销售额为 60，导数值为-990（表示销售额从 1050 下降到 60，变化率为-990）。
• 2015-03：总销售额为 375，导数值为 315（表示销售额从 60 增加到 375，变化率为 315）。
6.注意事项
• 数据完整性：确保数据中没有缺失值，否则可能需要设置合适的`gap_policy`。
• 单位转换：可以通过`unit`参数将导数的单位从默认的时间单位（如每月）转换为其他单位（如每天），方便更直观地分析数据。
通过`derivative`聚合，您可以轻松地分析数据的变化趋势，从而更好地理解数据的动态变化。希望这些内容对您有所帮助！