es的histogram直方图聚合和terms分组聚合

你提到的这两个 Elasticsearch aggs 聚合语句:


第一种:histogram 直方图聚合

json 复制代码
"aggs": {
  "DayDiagram": {
    "histogram": {
      "field": "${FiledName}",
      "interval": ${TimeInterval},
      "extended_bounds": {
        "min": ${StartTime},
        "max": ${EndTime}
      }
    }
  }
}

第二种:terms 分组聚合

json 复制代码
"aggs": {
  "Records": {
    "terms": {
      "field": "${GroupByField}",
      "size": ${PageSize}
    }
  }
}

它们的区别概览

特性/维度 histogram 聚合 terms 聚合
聚合类型 数值直方图(数值/时间区间) 分类聚合(类似 SQL GROUP BY
适用字段类型 long / integer / date 等数字类型 keyword.keyword 可聚合的字段类型
聚合规则 按固定步长分桶(如每5分钟、每100) 按字段值枚举分桶
桶的 key 是什么? 范围起点值(如 0、5、10、15) 具体字段值(如"蓝色","白色","黄色")
是否可控时间段? ✅ 可通过 extended_bounds 强制显示所有区间 ❌ 只能显示实际存在的数据
典型应用 时间趋势图、数值区间图 某字段的分布、频次分析
支持排序 ✅ 默认按桶 key 排序 ✅ 默认按 doc_count 排序,可自定义

示例解释对比

histogram 示例:每 5 分钟统计一次事件数(时间直方图)

json 复制代码
"aggs": {
  "DayDiagram": {
    "histogram": {
      "field": "EventTimeMillis",
      "interval": 300000,
      "extended_bounds": {
        "min": 1622505600000,
        "max": 1622592000000
      }
    }
  }
}

假设 EventTimeMillislong 类型,单位是毫秒,表示事件时间。

每 5 分钟(300000ms)统计一次数据,支持时间缺口补全。

非常适合画:流量趋势图、柱状图、折线图


terms 示例:按车牌颜色统计通过数量(字段聚合)

json 复制代码
"aggs": {
  "Records": {
    "terms": {
      "field": "PlateColor.keyword",
      "size": 10
    }
  }
}

返回文档中最常出现的 10 种车牌颜色。
terms 是最常用的聚合类型,等价于 SQL 的 GROUP BY

非常适合做:分类统计、占比分析、分组报表


图示理解(类比 SQL)

histogram:

sql 复制代码
SELECT floor(EventTimeMillis / 300000) * 300000 AS time_slot, COUNT(*) 
FROM table 
GROUP BY time_slot;

terms:

sql 复制代码
SELECT PlateColor, COUNT(*) 
FROM table 
GROUP BY PlateColor
LIMIT 10;

是否可以嵌套?

可以:

例如你可以在 histogram 桶内再嵌套 terms:

json 复制代码
"aggs": {
  "TimeSlot": {
    "histogram": {
      "field": "EventTimeMillis",
      "interval": 300000
    },
    "aggs": {
      "ByPlateColor": {
        "terms": {
          "field": "PlateColor.keyword"
        }
      }
    }
  }
}

效果:每5分钟 + 按车牌颜色统计,非常适合图表联动。


总结对比

项目 histogram terms
用途 时间/数值分桶 分类字段分桶
数据维度 连续区间(固定间隔) 离散值(不同字段值)
桶排序 默认按 key 升序 默认按 count 降序,可改按 key 排序
补全空值 ✅ 使用 extended_bounds 实现 ❌ 不支持
图表用途 趋势图、时间序列 饼图、条形图

相关推荐
七牛云行业应用1 小时前
企业级AI大模型选型指南:从评估部署到安全实践
大数据·人工智能·安全
云飞云共享云桌面2 小时前
非标自动化工厂如何10个三维设计共用一台云主机
大数据·运维·服务器·网络·数据库
jiedaodezhuti2 小时前
Flink on YARN 实战问题排查指南(精华版)
大数据·flink
人大博士的交易之路2 小时前
今日行情明日机会——20250912
大数据·数据挖掘·数据分析·缠论·缠中说禅·涨停回马枪·道琼斯结构
AAA修煤气灶刘哥2 小时前
ES数据同步大乱斗:同步双写 vs MQ异步,谁才是王者?
分布式·后端·elasticsearch
BYSJMG3 小时前
计算机毕设推荐:基于Hadoop+Spark物联网网络安全数据分析系统 物联网威胁分析系统【源码+文档+调试】
大数据·hadoop·python·物联网·spark·django·课程设计
u0104058364 小时前
电商导购平台的搜索引擎优化:基于Elasticsearch的商品精准推荐系统
elasticsearch·搜索引擎·jenkins
陈天伟教授4 小时前
Hadoop Windows客户端配置与实践指南
大数据·hadoop·windows
lifallen4 小时前
Hadoop MapOutputBuffer:Map高性能核心揭秘
java·大数据·数据结构·hadoop·算法·apache
在未来等你4 小时前
Elasticsearch面试精讲 Day 16:索引性能优化策略
大数据·分布式·elasticsearch·搜索引擎·面试