elasticsearch 将查询结果中的时间戳转换为时间格式

在 Elasticsearch 中，可以使用日期格式化功能将查询结果中的时间戳转换为时间格式。以下是一个示例：

假设我们有一个名为 "my_index" 的索引，其中包含一个名为 "timestamp" 的字段，该字段包含一个 Unix 时间戳。

我们可以使用以下查询来获取索引中所有文档的时间戳字段，并将其转换为可读的日期格式：

GET my_index/_search
{
  "query": {
    "match_all": {}
  },
  "script_fields": {
    "timestamp_formatted": {
      "script": {
        "source": "doc['timestamp'].date"
      }
    }
  }
}

在上面的查询中，我们使用 "script_fields" 参数来指定一个名为 "timestamp_formatted" 的新字段，该字段使用一个脚本来转换 "timestamp" 字段的值为日期格式。脚本中的 "doc['timestamp'].date" 表示将 "timestamp" 字段的值转换为日期格式。

查询结果将包含一个新字段 "timestamp_formatted"，其中包含转换后的日期格式。

相关问题

es查询的时候时间戳如何自动转换为日期

在Elasticsearch中，可以使用date类型来自动将时间戳转换为日期。具体步骤如下：

1. 创建mapping时，将时间字段的类型设置为date。

例如，以下是一个包含时间戳字段的mapping示例：

PUT my_index
{
  "mappings": {
    "properties": {
      "timestamp": {
        "type": "date"
      }
    }
  }
}

2. 在查询时，可以使用日期格式化字符串来指定日期的输出格式。

例如，以下是一个查询，它将时间戳字段转换为“YYYY-MM-DD”格式的日期：

GET my_index/_search
{
  "query": {
    "match_all": {}
  },
  "script_fields": {
    "date": {
      "script": {
        "lang": "painless",
        "source": "doc['timestamp'].value.toInstant().toString('yyyy-MM-dd')"
      }
    }
  }
}

在上面的查询中，我们使用了Painless脚本来将时间戳转换为日期，并使用toInstant()方法将时间戳转换为Java 8的Instant对象。然后，我们使用toString()方法和日期格式化字符串来将Instant对象转换为字符串格式的日期。

注意，如果您想要使用其他日期格式，请使用不同的日期格式化字符串。有关日期格式化字符串的更多信息，请参阅Java官方文档。

es查询long类型时间戳转换成年月日并分组聚合查询数量

要将long类型的时间戳转换为年月日并分组聚合查询数量，您可以使用Elasticsearch中的日期处理方式。

首先，您需要将long类型的时间戳转换为日期格式。您可以使用Elasticsearch中的日期格式化功能来完成。下面是一个示例查询：

GET /your_index/_search
{
  "size": 0,
  "aggs": {
    "group_by_date": {
      "date_histogram": {
        "field": "timestamp",
        "interval": "day",
        "format": "yyyy-MM-dd"
      }
    }
  }
}

在上面的查询中，我们使用了一个聚合查询来将时间戳按天分组，并使用日期格式化字符串“yyyy-MM-dd”将其转换为日期格式。

接下来，我们可以在聚合中添加其他聚合函数，例如计算每个日期的文档数量：

GET /your_index/_search
{
  "size": 0,
  "aggs": {
    "group_by_date": {
      "date_histogram": {
        "field": "timestamp",
        "interval": "day",
        "format": "yyyy-MM-dd"
      },
      "aggs": {
        "document_count": {
          "value_count": {
            "field": "_id"
          }
        }
      }
    }
  }
}

在上面的查询中，我们添加了一个value_count聚合函数来计算每个日期的文档数量，并将其添加到日期直方图聚合中。

请注意，上面的查询仅为示例，并且需要根据您的索引和数据进行修改。