<img src="//i.stack.imgur.com/RUiNP.png" height="16" width="18" alt="" class="sponsor tag img">elasticsearch ElasticSearch聚合的SQl等价相关查询_<img Src="//i.stack.imgur.com/RUiNP.png" Height="16" Width="18" Alt="" Class="sponsor Tag Img">elasticsearch_Kibana_Correlated Subquery

elasticsearch ElasticSearch聚合的SQl等价相关查询

kibana

elasticsearch ElasticSearch聚合的SQl等价相关查询,elasticsearch,kibana,correlated-subquery,elasticsearch,Kibana,Correlated Subquery,我有一个编写聚合的用例，如果用SQL编写，可以使用相关查询实现聚合我有一个名为listings的索引，其中属性/列是ListDate、ListPrice、SoldDate、SoldPrice和OffMarketDate ListDate不可为空，但SoldDate、SoldPrice和OffMarketDate可以为空我想根据以下要求从上述索引中聚合统计数据我想有每月的统计数据，我看到可以通过日期组织分类自 DateHistorograMaggregation，我想找到以下列表：示

我有一个编写聚合的用例，如果用SQL编写，可以使用相关查询实现聚合

我有一个名为listings的索引，其中属性/列是ListDate、ListPrice、SoldDate、SoldPrice和OffMarketDate

ListDate不可为空，但SoldDate、SoldPrice和OffMarketDate可以为空

我想根据以下要求从上述索引中聚合统计数据

我想有每月的统计数据，我看到可以通过日期组织分类

自 DateHistorograMaggregation，我想找到以下列表：

示例：对于2019年1月，获取（ListDate<2019年2月1日）和（SoldDate为null或SoldDate的所有列表。请查看以下详细信息和信息，了解如何解决此问题：

映射：请注意，我根据您的问题构建了上述映射

样本文件：请注意，我没有在文档5和文档6中添加

soldDate

和

offMarketDate

，因为这比使用

null

值更好

请求查询：因此，我为您的用例提出了以下查询

同样为了聚合，假设我已经计算了

```
listDate
```
在2020年1月的月份

（

soldDate

在2020年1月

之前null
或soldDate
）和


（offMarketDate
2020年1月之前的null
或offMarketDate
）


以下是查询：
POST listings/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "listDate": {
              "gte": "2020-01-01",
              "lte": "2020-02-01"
            }
          }
        },
        {
          "bool": {
            "should": [
              {
                "range": {
                  "soldDate": {
                    "lte": "2020-01-01"
                  }
                }
              },
              {
                "bool": {
                  "must_not": [
                    {
                      "exists": {
                        "field": "soldDate"
                      }
                    }
                  ]
                }
              }
            ],
            "minimum_should_match": 1
          }
        },
        {
          "bool": {
            "should": [
              {
                "range": {
                  "offMarketDate": {
                    "lte": "2020-01-01"
                  }
                }
              },
              {
                "bool": {
                  "must_not": [
                    {
                      "exists": {
                        "field": "offMarketDate"
                      }
                    }
                  ]
                }
              }
            ],
            "minimum_should_match": 1
          }
        }
      ]
    }
  },
  "aggs": {
    "my_histogram": {
      "date_histogram": {
        "field": "listDate",
        "calendar_interval": "month"
      },
      "aggs": {
        "total_sales_price": {
          "sum": {
            "field": "soldPrice"
          }
        }
      }
    }
  }
}

上面的查询非常容易阅读和解释。我建议阅读以下我使用过的不同查询：



验证字段是否存在



答复：
正如预期的那样，文档1、2和5
将以soldPrice
的正确聚合和显示
希望有帮助！
请查看以下详细信息和信息，了解如何解决此问题：
映射：
请注意，我根据您的问题构建了上述映射
样本文件：
请注意，我没有在文档5和文档6中添加soldDate
和offMarketDate
，因为这比使用null
值更好
请求查询：
因此，我为您的用例提出了以下查询
同样为了聚合，假设我已经计算了

listDate
在2020年1月的月份
（soldDate
在2020年1月之前null
或soldDate
）和

（offMarketDate
2020年1月之前的null
或offMarketDate
）


以下是查询：
POST listings/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "listDate": {
              "gte": "2020-01-01",
              "lte": "2020-02-01"
            }
          }
        },
        {
          "bool": {
            "should": [
              {
                "range": {
                  "soldDate": {
                    "lte": "2020-01-01"
                  }
                }
              },
              {
                "bool": {
                  "must_not": [
                    {
                      "exists": {
                        "field": "soldDate"
                      }
                    }
                  ]
                }
              }
            ],
            "minimum_should_match": 1
          }
        },
        {
          "bool": {
            "should": [
              {
                "range": {
                  "offMarketDate": {
                    "lte": "2020-01-01"
                  }
                }
              },
              {
                "bool": {
                  "must_not": [
                    {
                      "exists": {
                        "field": "offMarketDate"
                      }
                    }
                  ]
                }
              }
            ],
            "minimum_should_match": 1
          }
        }
      ]
    }
  },
  "aggs": {
    "my_histogram": {
      "date_histogram": {
        "field": "listDate",
        "calendar_interval": "month"
      },
      "aggs": {
        "total_sales_price": {
          "sum": {
            "field": "soldPrice"
          }
        }
      }
    }
  }
}

上面的查询非常容易阅读和解释。我建议阅读以下我使用过的不同查询：



验证字段是否存在



答复：
正如预期的那样，文档1、2和5
将以soldPrice
的正确聚合和显示
希望有帮助！
也欢迎使用SOF，如果您认为您的问题已得到解决，请点击答案开头的向上箭头
键和/或点击下方的灰色勾号
接受答案。谢谢您选择忍者-Kamal。这是一个很好的答案。它适用于给定的一个月。我看到您首先查询一月份的列表，然后添加该月份的聚合，我的问题稍微超出了这一点。假设数据跨越2019年的整个月份。我想要一个自动跨越2019年所有12个月的查询，每个月，aggr根据我提供的逻辑生成数据并运行聚合。我不想每月从我的应用程序调用一个查询。另外，欢迎使用SOF，如果您认为您的查询已得到解决，请点击答案开头的向上箭头键和/或接受answe，自由地向上投票答案r单击其下方的灰色勾号。谢谢你选择了ES Ninja-Kamal。这是一个很好的答案。它适用于给定的一个月。我看到你首先查询了一月份的列表，并添加了该月份的聚合，我的问题稍微超出了这一点。假设数据跨越了整个月份2019年。我需要一个自动跨越2019年所有12个月的查询，每个月根据我提供的逻辑聚合数据并运行聚合。我不想从我的应用程序中每月调用1个查询。
POST listings/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "range": {
            "listDate": {
              "gte": "2020-01-01",
              "lte": "2020-02-01"
            }
          }
        },
        {
          "bool": {
            "should": [
              {
                "range": {
                  "soldDate": {
                    "lte": "2020-01-01"
                  }
                }
              },
              {
                "bool": {
                  "must_not": [
                    {
                      "exists": {
                        "field": "soldDate"
                      }
                    }
                  ]
                }
              }
            ],
            "minimum_should_match": 1
          }
        },
        {
          "bool": {
            "should": [
              {
                "range": {
                  "offMarketDate": {
                    "lte": "2020-01-01"
                  }
                }
              },
              {
                "bool": {
                  "must_not": [
                    {
                      "exists": {
                        "field": "offMarketDate"
                      }
                    }
                  ]
                }
              }
            ],
            "minimum_should_match": 1
          }
        }
      ]
    }
  },
  "aggs": {
    "my_histogram": {
      "date_histogram": {
        "field": "listDate",
        "calendar_interval": "month"
      },
      "aggs": {
        "total_sales_price": {
          "sum": {
            "field": "soldPrice"
          }
        }
      }
    }
  }
}

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 3,
      "relation" : "eq"
    },
    "max_score" : 3.0,
    "hits" : [
      {
        "_index" : "listings",
        "_type" : "_doc",
        "_id" : "1",
        "_score" : 3.0,
        "_source" : {
          "listDate" : "2020-01-01",
          "listPrice" : "100.00",
          "soldDate" : "2019-12-25",
          "soldPrice" : "120.00",
          "offMarketDate" : "2019-12-20"
        }
      },
      {
        "_index" : "listings",
        "_type" : "_doc",
        "_id" : "2",
        "_score" : 3.0,
        "_source" : {
          "listDate" : "2020-01-01",
          "listPrice" : "100.00",
          "soldDate" : "2019-12-24",
          "soldPrice" : "122.00",
          "offMarketDate" : "2019-12-20"
        }
      },
      {
        "_index" : "listings",
        "_type" : "_doc",
        "_id" : "5",
        "_score" : 1.0,
        "_source" : {
          "listDate" : "2020-01-25",
          "listPrice" : "120.00"
        }
      }
    ]
  },
  "aggregations" : {
    "my_histogram" : {
      "buckets" : [
        {
          "key_as_string" : "2020-01-01T00:00:00.000Z",
          "key" : 1577836800000,
          "doc_count" : 3,
          "total_sales_price" : {
            "value" : 242.0
          }
        }
      ]
    }
  }
}