› › ›

Функции группировки

Функции для создания специальных группировок (также известных как создание ведер); в связи с этим их необходимо использовать в рамках группировки GROUP BY.

`HISTOGRAM`

Синтаксис:

HISTOGRAM(
    numeric_exp,        
    numeric_interval)   

HISTOGRAM(
    date_exp,           
    date_time_interval)

Входные данные:

	числовое выражение (обычно поле). Если это поле содержит только `null` значения, функция возвращает `null`. В противном случае функция игнорирует `null` значения в этом поле.
	числовой интервал. Если `null`, функция возвращает `null`.
	выражение даты/времени (обычно поле). Если это поле содержит только `null` значения, функция возвращает `null`. В противном случае функция игнорирует `null` значения в этом поле.
	интервал даты/времени интервал. Если `null`, функция возвращает `null`.

Выходные данные: непустые ведра или группы заданного выражения, разделенные в соответствии с заданным интервалом

Описание: функция гистограммы берет все соответствующие значения и делит их на ведра с фиксированным размером, соответствующим заданному интервалу, используя (приблизительно) следующую формулу:

bucket_key = Math.floor(value / interval) * interval

Гистограмма в SQL НЕ возвращает пустые ведра для отсутствующих интервалов, как традиционная гистограмма и гистограмма дат. Такое поведение не соответствует концепции SQL, которая обрабатывает все отсутствующие значения как null; в связи с этим гистограмма помещает все отсутствующие значения в группу null.

Histogram можно применять к числовым полям:

SELECT HISTOGRAM(salary, 5000) AS h FROM emp GROUP BY h;

       h
---------------
25000
30000
35000
40000
45000
50000
55000
60000
65000
70000

или полям даты/времени:

SELECT HISTOGRAM(birth_date, INTERVAL 1 YEAR) AS h, COUNT(*) AS c FROM emp GROUP BY h;


           h            |       c
------------------------+---------------
null                    |10
1952-01-01T00:00:00.000Z|8
1953-01-01T00:00:00.000Z|11
1954-01-01T00:00:00.000Z|8
1955-01-01T00:00:00.000Z|4
1956-01-01T00:00:00.000Z|5
1957-01-01T00:00:00.000Z|4
1958-01-01T00:00:00.000Z|7
1959-01-01T00:00:00.000Z|9
1960-01-01T00:00:00.000Z|8
1961-01-01T00:00:00.000Z|8
1962-01-01T00:00:00.000Z|6
1963-01-01T00:00:00.000Z|7
1964-01-01T00:00:00.000Z|4
1965-01-01T00:00:00.000Z|1

Также поддерживаются выражения внутри гистограммы, если тип возвращаемого значения является числовым:

SELECT HISTOGRAM(salary % 100, 10) AS h, COUNT(*) AS c FROM emp GROUP BY h;

       h       |       c
---------------+---------------
0              |10
10             |15
20             |10
30             |14
40             |9
50             |9
60             |8
70             |13
80             |3
90             |9

Обратите внимание, что гистограммы (и функции группировки в целом) позволяют использовать пользовательские выражения, но не могут иметь какие-либо функции, применяемые к ним в GROUP BY. Другими словами, следующее утверждение НЕ разрешено:

SELECT MONTH(HISTOGRAM(birth_date), 2)) AS h, COUNT(*) as c FROM emp GROUP BY h ORDER BY h DESC;

поскольку оно требует двух группировок (одной для гистограммы и второй для применения функции поверх групп гистограммы).

Вместо этого можно переписать запрос, чтобы перенести выражение в гистограмму внутри неё:

SELECT HISTOGRAM(MONTH(birth_date), 2) AS h, COUNT(*) as c FROM emp GROUP BY h ORDER BY h DESC;

       h       |       c
---------------+---------------
12             |7
10             |17
8              |16
6              |16
4              |18
2              |10
0              |6
null           |10

Когда гистограмма в SQL применяется к типу ДАТА вместо ДАТА И ВРЕМЯ, указанный интервал усекается до кратного дня. Например, для HISTOGRAM(CAST(birth_date AS DATE), INTERVAL '2 3:04' DAY TO MINUTE) фактически используемый интервал будет INTERVAL '2' DAY. Если указанный интервал меньше 1 дня, например, HISTOGRAM(CAST(birth_date AS DATE), INTERVAL '20' HOUR), то используемый интервал будет INTERVAL '1' DAY.

Все интервалы, указанные для гистограммы даты/времени, будут использовать фиксированный интервал в их date_histogram определении агрегации, за исключением случаев INTERVAL '1' YEAR, INTERVAL '1' MONTH и INTERVAL '1' DAY, где используется календарный интервал. Выбор календарного интервала был сделан для получения более интуитивного результата для группировок по ГОДУ, МЕСЯЦУ и ДНЮ. Например, в случае ГОДА календарные интервалы рассматривают ведро в один год как ведро, начинающееся с 1 января того года, тогда как фиксированный интервал в один год рассматривает один год как число миллисекунд (например, 31536000000ms, соответствующее 365 дням, 24 часам в день, 60 минутам в час и т. д.). При фиксированных интервалах, день 5 февраля 2019 года, например, относится к ведру, которое начинается 20 декабря 2018 года, и Elasticsearch (и неявно Elasticsearch SQL) вернули бы 2018 год для даты, которая фактически находится в 2019 году. При календарном интервале это поведение более интуитивно, поскольку день 5 февраля 2019 года фактически относится к ведру 2019 года.

Гистограмма в SQL не может применяться к типу ВРЕМЯ. Например: HISTOGRAM(CAST(birth_date AS TIME), INTERVAL '10' MINUTES) в настоящее время не поддерживается.

© 2023-2025 Elasticsearch
As of September 2024, Elasticsearch is available under a choice of three licenses: the Server Side Public License (SSPL), the Elastic License, or the AGPLv3 (OSI approved).
Elasticsearch and the Elasticsearch logo are trademarks of Elasticsearch B.V., registered in the U.S. and in other countries.
https://www.elastic.co/guide/en/elasticsearch/reference/8.17/sql-functions-grouping.html