技术标签: 程序员 elasticsearch 大数据 sql
其他参数:
当管道聚合遇到不存在的值,有点类似于term等聚合的(missing)时所采取的策略,可选择值为:skip、insert_zeros。
skip:此选项将丢失的数据视为bucket不存在。它将跳过桶并使用下一个可用值继续计算。
insert_zeros:默认使用0代替。
format
用于格式化聚合桶的输出(key)。
示例如下:
POST /_search
{
“size”: 0,
“aggs”: {
“sales_per_month”: { // @1
“date_histogram”: {
“field”: “date”,
“interval”: “month”
},
“aggs”: { // @2
“sales”: {
“sum”: {
“field”: “price”
}
}
}
},
“avg_monthly_sales”: { // @3
“avg_bucket”: {
“buckets_path”: “sales_per_month>sales”
}
}
}
}
代码@1:首先定义第一级聚合(按月)直方图聚合。
代码@2:定义第二级聚合,在按月聚合的基础上,对每个月的文档求sum。
代码@3:对上面的聚合求平均值。
其返回结果如下:
{
… // 省略
“aggregations”: {
“sales_per_month”: {
“buckets”: [
{
“key_as_string”: “2015/01/01 00:00:00”,
“key”: 1420070400000,
“doc_count”: 3,
“sales”: {
“value”: 550.0
}
},
{
“key_as_string”: “2015/02/01 00:00:00”,
“key”: 1422748800000,
“doc_count”: 2,
“sales”: {
“value”: 60.0
}
}
]
},
“avg_monthly_sales”: { // 这是对二级聚合的结果再进行一次求平均值聚合。
“value”: 328.33333333333333
}
}
}
对应的JAVA示例如下:
public static void test_pipeline_avg_buncket_aggregation() {
RestHighLevelClient client = EsClient.getClient();
try {
SearchRequest searchRequest = new SearchRequest();
searchRequest.indices(“aggregations_index02”);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
AggregationBuilder aggregationBuild = AggregationBuilders.terms(“seller_agg”)
.field(“sellerId”)
.subAggregation(AggregationBuilders.sum(“seller_num_agg”)
.field(“num”)
)
;
sourceBuilder.aggregation(aggregationBuild);
// 添加 avg bucket pipeline
sourceBuilder.aggregation(new AvgBucketPipelineAggregationBuilder(“seller_num_agg_av”, “seller_agg>seller_num_agg”));
sourceBuilder.size(0);
searchRequest.source(sourceBuilder);
SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(result);
} catch (Throwable e) {
e.printStackTrace();
} finally {
EsClient.close(client);
}
}
2、Percentiles Bucket Aggregation
同级管道聚合,百分位管道聚合。其JAVA示例如下:
public static void test_Percentiles_buncket_aggregation() {
RestHighLevelClient client = EsClient.getClient();
try {
SearchRequest searchRequest = new SearchRequest();
searchRequest.indices(“aggregations_index02”);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
AggregationBuilder aggregationBuild = AggregationBuilders.terms(“seller_agg”)
.field(“sellerId”)
.subAggregation(AggregationBuilders.sum(“seller_num_agg”)
.field(“num”)
)
;
sourceBuilder.aggregation(aggregationBuild);
// 添加 avg bucket pipeline
sourceBuilder.aggregation(new PercentilesBucketPipelineAggregationBuilder(“seller_num_agg_av”, “seller_agg>seller_num_agg”));
sourceBuilder.size(0);
searchRequest.source(sourceBuilder);
SearchResponse result = client.search(searchRequest, RequestOptions.DEFAULT);
System.out.println(result);
} catch (Throwable e) {
e.printStackTrace();
} finally {
EsClient.close(client);
}
}
其返回值如下:
{
… // 省略其他属性
“aggregations”:{
“lterms#seller_agg”:{
“doc_count_error_upper_bound”:0,
“sum_other_doc_count”:12,
“buckets”:[
{
“key”:45,
“doc_count”:567,
“sum#seller_num_agg”:{
“value”:911
}
},
{
“key”:31,
“doc_count”:324,
“sum#seller_num_agg”:{
“value”:353
}
} // 省略其他桶的显示
]
},
“percentiles_bucket#seller_num_agg_av”:{
“values”:{
“1.0”:5,
“5.0”:5,
“25.0”:10,
“50.0”:20,
“75.0”:290,
“95.0”:911,
“99.0”:911
}
}
}
}
3、Cumulative Sum Aggregation
累积管道聚合,就是就是依次将每个管道的sum聚合进行累加。
其语法(restfull)如下:
{
“cumulative_sum”: {
“buckets_path”: “the_sum”
}
}
支持的参数说明:
桶聚合名称,作为管道聚合的输入信息。
格式化key。
使用示例如下:
POST /sales/_search
{
“size”: 0,
“aggs” : {
“sales_per_month” : {
“date_histogram” : {
“field” : “date”,
“interval” : “month”
},
“aggs”: {
“sales”: {
“sum”: {
“field”: “price”
}
},
“cumulative_sales”: {
“cumulative_sum”: {
“buckets_path”: “sales”
}
}
}
}
}
}
其返回结果如下:
{
“took”: 11,
“timed_out”: false,
“_shards”: …,
“hits”: …,
“aggregations”: {
“sales_per_month”: {
“buckets”: [
{
“key_as_string”: “2015/01/01 00:00:00”,
“key”: 1420070400000,
“doc_count”: 3,
“sales”: {
“value”: 550.0
},
“cumulative_sales”: {
“value”: 550.0
}
},
{
“key_as_string”: “2015/02/01 00:00:00”,
“key”: 1422748800000,
“doc_count”: 2,
“sales”: {
“value”: 60.0
},
“cumulative_sales”: {
“value”: 610.0
}
},
{
“key_as_string”: “2015/03/01 00:00:00”,
“key”: 1425168000000,
“doc_count”: 2,
“sales”: {
“value”: 375.0
},
“cumulative_sales”: {
“value”: 985.0
}
}
]
}
}
}
从结果可知,cumulative_sales的值等于上一个cumulative_sales + 当前桶的sum聚合。
对应的JAVA示例如下:
{
“aggregations”:{
“date_histogram#createTime_histogram”:{
“buckets”:{
“2015-12-01 00:00:00”:{
“key_as_string”:“2015-12-01 00:00:00”,
“key”:1448928000000,
“doc_count”:6,
“sum#seller_num_agg”:{
“value”:16
},
“simple_value#Cumulative_Seller_num_agg”:{
“value”:16
}
},
“2016-01-01 00:00:00”:{
“key_as_string”:“2016-03-01 00:00:00”,
“key”:1456790400000,
“doc_count”:10,
“sum#seller_num_agg”:{
“value”:11
},
“simple_value#Cumulative_Seller_num_agg”:{
“value”:31
}
}
// … 忽略
}
}
}
}
4、Bucket Sort Aggregation
一种父管道聚合,它对其父多桶聚合的桶进行排序。并可以指定多个排序字段。每个bucket可以根据它的_key、_count或子聚合进行排序。此外,可以设置from和size的参数,以便截断结果桶。
使用语法如下:
{
“bucket_sort”: {
“sort”: [
{“sort_field_1”: {“order”: “asc”}},
{“sort_field_2”: {“order”: “desc”}},
“sort_field_3”
],
“from”: 1,
“size”: 3
}
}
支持的参数说明如下:
定义排序结构。
用与对父聚合的桶进行截取,该值之前的所有桶将忽略,也就是不参与排序,默认为0。
自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。
深知大多数Java工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!
因此收集整理了一份《2024年Java开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。
既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上Java开发知识点,真正体系化!
由于文件比较大,这里只是将部分目录截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且会持续更新!
如果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)
经过日积月累, 以下是小编归纳整理的深入了解Java虚拟机文档,希望可以帮助大家过关斩将顺利通过面试。
由于整个文档比较全面,内容比较多,篇幅不允许,下面以截图方式展示 。
由于篇幅限制,文档的详解资料太全面,细节内容太多,所以只把部分知识点截图出来粗略的介绍,每个小节点里面都有更细化的内容!
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
果你觉得这些内容对你有帮助,可以扫码获取!!(备注Java获取)**
经过日积月累, 以下是小编归纳整理的深入了解Java虚拟机文档,希望可以帮助大家过关斩将顺利通过面试。
由于整个文档比较全面,内容比较多,篇幅不允许,下面以截图方式展示 。
[外链图片转存中…(img-rGoYI77g-1713084372281)]
[外链图片转存中…(img-KjM4veGo-1713084372281)]
[外链图片转存中…(img-PwUTx0Ue-1713084372281)]
[外链图片转存中…(img-0lUNAAhZ-1713084372281)]
[外链图片转存中…(img-IydV1peg-1713084372282)]
[外链图片转存中…(img-EBWdLLUi-1713084372282)]
[外链图片转存中…(img-UDWg53vm-1713084372282)]
由于篇幅限制,文档的详解资料太全面,细节内容太多,所以只把部分知识点截图出来粗略的介绍,每个小节点里面都有更细化的内容!
《互联网大厂面试真题解析、进阶开发核心学习笔记、全套讲解视频、实战项目源码讲义》点击传送门即可获取!
文章浏览阅读1k次。通过使用ajax方法跨域请求是浏览器所不允许的,浏览器出于安全考虑是禁止的。警告信息如下:不过jQuery对跨域问题也有解决方案,使用jsonp的方式解决,方法如下:$.ajax({ async:false, url: 'http://www.mysite.com/demo.do', // 跨域URL ty..._nginx不停的xhr
文章浏览阅读2k次。关于在 Oracle 中配置 extproc 以访问 ST_Geometry,也就是我们所说的 使用空间SQL 的方法,官方文档链接如下。http://desktop.arcgis.com/zh-cn/arcmap/latest/manage-data/gdbs-in-oracle/configure-oracle-extproc.htm其实简单总结一下,主要就分为以下几个步骤。..._extproc
文章浏览阅读1.5w次。linux下没有上面的两个函数,需要使用函数 mbstowcs和wcstombsmbstowcs将多字节编码转换为宽字节编码wcstombs将宽字节编码转换为多字节编码这两个函数,转换过程中受到系统编码类型的影响,需要通过设置来设定转换前和转换后的编码类型。通过函数setlocale进行系统编码的设置。linux下输入命名locale -a查看系统支持的编码_linux c++ gbk->utf8
文章浏览阅读750次。今天准备从生产库向测试库进行数据导入,结果在imp导入的时候遇到“ IMP-00009:导出文件异常结束” 错误,google一下,发现可能有如下原因导致imp的数据太大,没有写buffer和commit两个数据库字符集不同从低版本exp的dmp文件,向高版本imp导出的dmp文件出错传输dmp文件时,文件损坏解决办法:imp时指定..._imp-00009导出文件异常结束
文章浏览阅读143次。当下是一个大数据的时代,各个行业都离不开数据的支持。因此,网络爬虫就应运而生。网络爬虫当下最为火热的是Python,Python开发爬虫相对简单,而且功能库相当完善,力压众多开发语言。本次教程我们爬取前程无忧的招聘信息来分析Python程序员需要掌握那些编程技术。首先在谷歌浏览器打开前程无忧的首页,按F12打开浏览器的开发者工具。浏览器开发者工具是用于捕捉网站的请求信息,通过分析请求信息可以了解请..._初级python程序员能力要求
文章浏览阅读7.6k次,点赞2次,收藏6次。@Service标注的bean,类名:ABDemoService查看源码后发现,原来是经过一个特殊处理:当类的名字是以两个或以上的大写字母开头的话,bean的名字会与类名保持一致public class AnnotationBeanNameGenerator implements BeanNameGenerator { private static final String C..._@service beanname
文章浏览阅读6.9w次,点赞73次,收藏463次。1.前序创建#include<stdio.h>#include<string.h>#include<stdlib.h>#include<malloc.h>#include<iostream>#include<stack>#include<queue>using namespace std;typed_二叉树的建立
文章浏览阅读7.1k次。在Asp.net上使用Excel导出功能,如果文件名出现中文,便会以乱码视之。 解决方法: fileName = HttpUtility.UrlEncode(fileName, System.Text.Encoding.UTF8);_asp.net utf8 导出中文字符乱码
文章浏览阅读2.1k次,点赞4次,收藏23次。第一次实验 词法分析实验报告设计思想词法分析的主要任务是根据文法的词汇表以及对应约定的编码进行一定的识别,找出文件中所有的合法的单词,并给出一定的信息作为最后的结果,用于后续语法分析程序的使用;本实验针对 PL/0 语言 的文法、词汇表编写一个词法分析程序,对于每个单词根据词汇表输出: (单词种类, 单词的值) 二元对。词汇表:种别编码单词符号助记符0beginb..._对pl/0作以下修改扩充。增加单词
文章浏览阅读773次。我在使用adb.exe时遇到了麻烦.我想使用与bash相同的adb.exe shell提示符,所以我决定更改默认的bash二进制文件(当然二进制文件是交叉编译的,一切都很完美)更改bash二进制文件遵循以下顺序> adb remount> adb push bash / system / bin /> adb shell> cd / system / bin> chm..._adb shell mv 权限
文章浏览阅读6.8k次,点赞12次,收藏125次。1. 单目相机标定引言相机标定已经研究多年,标定的算法可以分为基于摄影测量的标定和自标定。其中,应用最为广泛的还是张正友标定法。这是一种简单灵活、高鲁棒性、低成本的相机标定算法。仅需要一台相机和一块平面标定板构建相机标定系统,在标定过程中,相机拍摄多个角度下(至少两个角度,推荐10~20个角度)的标定板图像(相机和标定板都可以移动),即可对相机的内外参数进行标定。下面介绍张氏标定法(以下也这么称呼)的原理。原理相机模型和单应矩阵相机标定,就是对相机的内外参数进行计算的过程,从而得到物体到图像的投影_相机-投影仪标定
文章浏览阅读2.2k次。文章目录Wayland 架构Wayland 渲染Wayland的 硬件支持简 述: 翻译一篇关于和 wayland 有关的技术文章, 其英文标题为Wayland Architecture .Wayland 架构若是想要更好的理解 Wayland 架构及其与 X (X11 or X Window System) 结构;一种很好的方法是将事件从输入设备就开始跟踪, 查看期间所有的屏幕上出现的变化。这就是我们现在对 X 的理解。 内核是从一个输入设备中获取一个事件,并通过 evdev 输入_wayland