elasticsearch rollup如何使用,提供示例

时间: 2023-07-18 10:39:51 浏览: 51
以下是使用 Elasticsearch rollup 的基本步骤,包括创建 rollup job、执行 rollup job 和查询 rollup 数据。 1. 创建 rollup job 首先,你需要创建一个 rollup job,定义要聚合的原始索引、聚合操作、聚合字段等信息。以下是一个示例 rollup job 配置文件: ``` PUT _rollup/job/my_rollup_job { "index_pattern": "my_index-*", "rollup_index": "my_rollup_index", "cron": "0 */5 * * * ?", "groups": { "date_histogram": { "field": "timestamp", "interval": "1h" }, "terms": { "fields": [ "category" ] } }, "metrics": [ { "field": "value", "metrics": [ "sum", "max", "min" ] } ] } ``` 以上配置文件定义了一个名为 my_rollup_job 的 rollup job,它会聚合 my_index-* 索引中的数据,并将聚合结果存储到 my_rollup_index 索引中。聚合操作包括按小时聚合时间戳字段和按类别字段聚合,指标包括值字段的总和、最大值和最小值。 2. 执行 rollup job 一旦你创建了 rollup job,它就会按照预定的计划定期执行聚合操作,并将聚合结果存储到新的索引中。你可以使用以下 API 来启动或停止 rollup job: - 启动 rollup job: ``` POST _rollup/job/my_rollup_job/_start ``` - 停止 rollup job: ``` POST _rollup/job/my_rollup_job/_stop ``` 3. 查询 rollup 数据 一旦聚合数据存储在新索引中,你就可以像查询普通索引一样查询 rollup 数据。以下是一些示例查询: - 查询所有数据: ``` GET my_rollup_index/_search ``` - 按时间聚合数据: ``` GET my_rollup_index/_search { "size": 0, "aggs": { "by_hour": { "date_histogram": { "field": "timestamp", "interval": "1h" }, "aggs": { "sum_value": { "sum": { "field": "value.sum" } } } } } } ``` - 按类别聚合数据: ``` GET my_rollup_index/_search { "size": 0, "aggs": { "by_category": { "terms": { "field": "category" }, "aggs": { "sum_value": { "sum": { "field": "value.sum" } } } } } } ``` 总之,Elasticsearch rollup 是一个非常实用的功能,可以帮助你轻松地聚合和汇总大量数据,并更方便地进行数据分析和可视化。

相关推荐

最新推荐

recommend-type

java使用es查询的示例代码

本篇文章主要介绍了java使用es查询的示例代码,小编觉得挺不错的,现在分享给大家,也给大家做个参考。一起跟随小编过来看看吧
recommend-type

JAVA使用ElasticSearch查询in和not in的实现方式

今天小编就为大家分享一篇关于JAVA使用Elasticsearch查询in和not in的实现方式,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
recommend-type

Elasticsearch 开机自启脚本

Elasticsearch 开机自启脚本,方便用户自动启动Elasticsearch,也可以直接用systemctl启动或是关闭
recommend-type

es(elasticsearch)整合SpringCloud(SpringBoot)搭建教程详解

主要介绍了es(elasticsearch)整合SpringCloud(SpringBoot)搭建教程,本文通过实例图文相结合给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
recommend-type

elasticsearch的详细安装和简单使用

elasticsearch的详细安装,es-sql插件安装、kibana安装和简单使用,以及与关系型数据库的对比等。
recommend-type

zigbee-cluster-library-specification

最新的zigbee-cluster-library-specification说明文档。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

实现实时数据湖架构:Kafka与Hive集成

![实现实时数据湖架构:Kafka与Hive集成](https://img-blog.csdnimg.cn/img_convert/10eb2e6972b3b6086286fc64c0b3ee41.jpeg) # 1. 实时数据湖架构概述** 实时数据湖是一种现代数据管理架构,它允许企业以低延迟的方式收集、存储和处理大量数据。与传统数据仓库不同,实时数据湖不依赖于预先定义的模式,而是采用灵活的架构,可以处理各种数据类型和格式。这种架构为企业提供了以下优势: - **实时洞察:**实时数据湖允许企业访问最新的数据,从而做出更明智的决策。 - **数据民主化:**实时数据湖使各种利益相关者都可
recommend-type

解释minorization-maximization (MM) algorithm,并给出matlab代码编写的例子

Minorization-maximization (MM) algorithm是一种常用的优化算法,用于求解非凸问题或含有约束的优化问题。该算法的基本思想是通过构造一个凸下界函数来逼近原问题,然后通过求解凸下界函数的最优解来逼近原问题的最优解。具体步骤如下: 1. 初始化参数 $\theta_0$,设 $k=0$; 2. 构造一个凸下界函数 $Q(\theta|\theta_k)$,使其满足 $Q(\theta_k|\theta_k)=f(\theta_k)$; 3. 求解 $Q(\theta|\theta_k)$ 的最优值 $\theta_{k+1}=\arg\min_\theta Q(
recommend-type

JSBSim Reference Manual

JSBSim参考手册,其中包含JSBSim简介,JSBSim配置文件xml的编写语法,编程手册以及一些应用实例等。其中有部分内容还没有写完,估计有生之年很难看到完整版了,但是内容还是很有参考价值的。