--- title: "排行榜、趋势图，Easysearch 一次查询全搞定" date: 2026-02-18 lastmod: 2026-02-18 description: "讲解 Easysearch 中 date_histogram 聚合的两种切分方式，通过趋势图和排行榜实例演示如何构建业务报表，涵盖 calendar_interval、fixed_interval 的选择策略和 ECharts 可视化实践" tags: ["时间序列", "数据可视化", "聚合查询"] summary: "在数据统计和可视化场景中，排行榜和趋势图是最常见的图表类型，它们分别用于展示分类排行和时间序列变化。Easysearch 的聚合功能，特别是 date_histogram，能够帮助我们通过一次查询就计算出这些统计结果，并用很少的数据处理工作就绘制出图表。 本文带你从原理到实践逐步掌握如何使用 Easysearch 的 date_histogram 聚合做排行榜和趋势图。 一、Easysearch 简要介绍 # Easysearch 是一款分布式搜索与分析引擎，在支持全文检索能力的基础上，还提供了强大的聚合分析能力，可以对匹配的数据进行统计性的提取。你可以利用聚合完成各种统计分析的任务，而不需要额外的数据库或中间计算层。 聚合分析通常用于构建： 趋势图（时间序列展示） 排行榜（分类排名） 报表统计 实时监控指标 二、date_histogram 聚合：时间统计的核心能力 # 在 Easysearch 中，date_histogram 是最常用、也是最容易产生价值的一类聚合。 它的作用只有一件事： 按照时间维度，把数据切成连续的时间段，并在每个时间段内做统计。 只要你的数据中存在时间字段（如日志时间、下单时间、事件发生时间），date_histogram 几乎都是构建趋势图、排行榜和监控看板的首选工具。 2.1 date_histogram 是如何工作的 # 从行为上看，date_histogram 的工作方式可以理解为三步： 读取每条数据的时间字段 按指定规则，将时间划分成一个个“时间桶” 每个时间桶内，统计文档数量或子聚合结果 最终返回的不是单条数据，而是一组按时间顺序排列的统计结果，非常适合直接用于图表展示。 2.2 两种时间切分方式：calendar_interval 与 fixed_interval # 在使用 date_histogram 时，最核心的选择其实只有一个： 时间是按照“日历概念”切，还是按照“固定时长”切？ Easysearch 提供了两种方式，分别对应两个参数。 2.2.1 calendar_interval：按自然日历切分 # calendar_interval 使用的是日历语义，例如： { "date_histogram": { "field": "@timestamp", "calendar_interval": "day" } } 含义是：" --- 在数据统计和可视化场景中，**排行榜和趋势图**是最常见的图表类型，它们分别用于展示分类排行和时间序列变化。Easysearch 的聚合功能，特别是 `date_histogram`，能够帮助我们通过一次查询就计算出这些统计结果，并用很少的数据处理工作就绘制出图表。 本文带你从原理到实践逐步掌握如何使用 Easysearch 的 `date_histogram` 聚合做排行榜和趋势图。 --- ## 一、Easysearch 简要介绍 Easysearch 是一款分布式搜索与分析引擎，在支持全文检索能力的基础上，还提供了强大的聚合分析能力，可以对匹配的数据进行统计性的提取。你可以利用聚合完成各种统计分析的任务，而不需要额外的数据库或中间计算层。 聚合分析通常用于构建： - 趋势图（时间序列展示） - 排行榜（分类排名） - 报表统计 - 实时监控指标 --- ## 二、`date_histogram` 聚合：时间统计的核心能力 在 Easysearch 中，`date_histogram` 是最常用、也是最容易产生价值的一类聚合。 它的作用只有一件事： **按照时间维度，把数据切成连续的时间段，并在每个时间段内做统计。** 只要你的数据中存在时间字段（如日志时间、下单时间、事件发生时间），`date_histogram` 几乎都是构建趋势图、排行榜和监控看板的首选工具。 --- ### 2.1 `date_histogram` 是如何工作的 从行为上看，`date_histogram` 的工作方式可以理解为三步： 1. 读取每条数据的时间字段 2. 按指定规则，将时间划分成一个个“时间桶” 3. 每个时间桶内，统计文档数量或子聚合结果 最终返回的不是单条数据，而是**一组按时间顺序排列的统计结果**，非常适合直接用于图表展示。 --- ### 2.2 两种时间切分方式：`calendar_interval` 与 `fixed_interval` 在使用 `date_histogram` 时，最核心的选择其实只有一个： **时间是按照“日历概念”切，还是按照“固定时长”切？** Easysearch 提供了两种方式，分别对应两个参数。 --- #### 2.2.1 `calendar_interval`：按自然日历切分 `calendar_interval` 使用的是**日历语义**，例如： ```json { "date_histogram": { "field": "@timestamp", "calendar_interval": "day" } } ``` 含义是： - 一天，指的是自然日（00:00 ～ 24:00） - 一周，指的是自然周 - 一个月，长度会随月份变化 这种方式**更符合人的直觉**，非常适合业务报表和运营分析。 常见使用场景包括： - 每日 / 每周 / 每月趋势图 - 运营数据报表 - 按自然周期统计的排行榜 --- #### 2.2.2 `fixed_interval`：按固定时间长度切分 `fixed_interval` 使用的是**绝对时间长度**，不关心日历含义： ```json { "date_histogram": { "field": "@timestamp", "fixed_interval": "1h" } } ``` 这表示： - 每 1 小时切一个时间桶 - 无论是否跨天、跨月 - 每个时间桶长度始终一致 可以把它理解为： **“从某个时间点开始，每隔固定时间统计一次”** 常见的 `fixed_interval` 值包括： - `5m`：每 5 分钟 - `1h`：每 1 小时 - `30s`：每 30 秒 --- #### 2.2.3 两者的直观区别 用一句话概括区别： **calendar_interval 关心“这是哪一天” \*\***fixed_interval 关心“过了多久时间”\*\* 从实践角度看： | 场景 | 推荐方式 | | -------------------- | ----------------- | | 业务趋势、日报、周报 | calendar_interval | | 实时监控、指标统计 | fixed_interval | | 滚动窗口分析 | fixed_interval | | 运营分析 | calendar_interval | --- ### 2.3 一个容易被忽略但很重要的选择 在实际项目中，很多趋势图“看起来不对”，并不是数据问题，而是： - 该用 `calendar_interval` 的地方用了 `fixed_interval` - 或者反过来 例如： - 用 `fixed_interval: 24h` 画“每日订单趋势” - 在跨时区或夏令时场景下，图表可能出现错位 因此，在写 `date_histogram` 之前，**先明确业务语义**，再选择参数，往往比调优更重要。 --- ### 2.4 小结 `date_histogram` 看起来只是一个聚合参数，但它决定了： - 时间如何被理解 - 趋势图是否可信 - 排行榜统计口径是否一致 记住一个简单原则即可： **自然周期 → calendar_interval \*\***固定频率 → fixed_interval\*\* 掌握这一点，`date_histogram` 的大部分使用问题，就已经解决了一半。 --- ## 三、使用 `date_histogram` 做趋势图 趋势图通常用于展示某个指标随时间的变化，例如每天的访问量、每日订单数量等。 ### 1. 场景：统计每日访问量趋势 假设我们有一个日志索引 `logs`，其中包含时间字段 `@timestamp`（UTC 格式），我们希望统计过去一段时间内每天访问次数。 --- ### ① 聚合查询 ```json GET logs/_search { "size": 0, "aggs": { "daily_visits": { "date_histogram": { "field": "@timestamp", "calendar_interval": "day", "format": "yyyy-MM-dd" } } } } ``` 这条聚合表示： - 按天进行分桶 - 每个桶表示某一天范围 - 每个桶返回该天的数据数量（文档数） --- ### ② 返回结果结构示例 ```json { "aggregations": { "daily_visits": { "buckets": [ { "key_as_string": "2026-01-01", "key": 1738252800000, "doc_count": 1590 }, { "key_as_string": "2026-01-02", "key": 1738339200000, "doc_count": 1842 }, { "key_as_string": "2026-01-03", "key": 1738339200000, "doc_count": 2156 }, { "key_as_string": "2026-01-04", "key": 1738339200000, "doc_count": 2367 } ] } } } ``` 说明： - `key_as_string` 是时间段标签 - `doc_count` 是该段内匹配的数据量 --- ### ③ ECharts 折线图的可视化示例 如果使用 ECharts 可视化上述趋势图： ```js // 假设 response 即上面聚合结果 const buckets = response.aggregations.daily_visits.buckets; // 1. 提取坐标数据 const xAxisData = buckets.map((b) => b.key_as_string); const seriesData = buckets.map((b) => b.doc_count); // 2. 配置 ECharts const option = { title: { text: "每日访问趋势" }, tooltip: { trigger: "axis" }, xAxis: { type: "category", data: xAxisData, }, yAxis: { type: "value" }, series: [ { name: "访问量", type: "line", data: seriesData, smooth: true, }, ], }; chart.setOption(option); ``` ![](/img/knowledge-base/usage/easysearch-leaderboard-and-trend-charts/image-1.png) 这个折线图可以直观地帮助你看到每天访问量的波动趋势。 --- ## 四、用 `date_histogram` 做排行榜 你也可以结合分组聚合，在时间维度和其他字段上构建更复杂的排行榜。 ### 1. 场景：每周热门产品排行 现在假设有订单索引 `orders`，其中包含： - `order_time` 时间字段 - `product_id` 产品字段 我们想统计过去一段时间内**每周销量排行榜**。 --- ### ① 聚合查询结构 ```json GET orders/_search { "size": 0, "aggs": { "weekly": { "date_histogram": { "field": "order_time", "calendar_interval": "week", "format": "yyyy-MM-dd" }, "aggs": { "top_products": { "terms": { "field": "product_id.keyword", "size": 10 } } } } } } ``` 这条查询做了： - 按周分桶 - 每周内部按产品分组并统计数量 --- ### ② 返回结果结构示例（简化） ```json { "aggregations": { "weekly": { "buckets": [ { "key_as_string": "2026-01-03", "top_products": { "buckets": [ { "key": "P1", "doc_count": 140 }, { "key": "P2", "doc_count": 98 }, { "key": "P3", "doc_count": 226 } ] } } ] } } } ``` 每周的桶里，有一个大的 `top_products` 子聚合，用来展示产品排行榜。 ![](/img/knowledge-base/usage/easysearch-leaderboard-and-trend-charts/image-2.png) --- ### ③ 排行榜可视化实践 结合 ECharts，你可以为每个时间点生成一个排行榜视图，常见做法： - 柱状图展示某个时间段内 Top N 排行 - 多维折线图（产品销量随时间变化趋势） 以下示例展示单周内的柱状图： ```js // 选取某一桶 const bucket = response.aggregations.weekly.buckets[0]; const productBuckets = bucket.top_products.buckets; // ECharts 数据转换 const xAxisData = productBuckets.map((p) => p.key); const seriesData = productBuckets.map((p) => p.doc_count); const option = { title: { text: `周销量排行榜（${bucket.key_as_string}）` }, tooltip: {}, xAxis: { type: "category", data: xAxisData, }, yAxis: { type: "value" }, series: [ { name: "销量", type: "bar", data: seriesData, }, ], }; chart.setOption(option); ``` --- ## 五、更多进阶用法 ### 1. 结合子聚合计算指标 你可以在 `date_histogram` 内进一步加入指标聚合，例如计算每段的总销售额： ```json "aggs": { "daily_sales": { "date_histogram": { "field": "order_time", "calendar_interval": "day", "format": "yyyy-MM-dd" }, "aggs": { "total_amount": { "sum": { "field": "amount" } } } } } ``` 在每一天分桶内，会输出 `total_amount.value` 总销售额数据，可以在趋势图中画折线显示金额。 --- ## 六、使用建议与注意事项 ### 1. 合理选择时间粒度 粒度太细（如按分钟）可能会产生大量桶，影响性能；而粒度太粗则可能失去趋势细节。根据数据密度与展示需求调整 `calendar_interval`。 ### 2. 时间格式输出 通过 `format` 参数可以设置时间字符串格式，便于图表展示。 ### 3. 时区问题 默认情况下，时间按 UTC 存储并计算。如果要显示本地时间，需要在聚合中设置 `time_zone` 参数。 --- ## 七、总结 通过 `date_histogram` 聚合，Easysearch 能够轻松实现： - **趋势图**（如每日/每周数据变化） - **排行榜**（时间分段内分组排行） 而且所有统计都可以通过一条请求完成。这不仅减少了后端计算与数据搬运工作，还能显著提升报表与看板的实时性。 一句话总结：**排行榜 + 趋势图，用 Easysearch 一次查询就能搞定。**