# bucket filter：统计牌品最近一个月的平均价格
一个简单的语法是这样的
GET /tvs/sales/_search
{
"aggs": {
"NAME": {
"filter": {
"range": {
"FIELD": {
"gte": 10,
"lte": 20
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
2
3
4
5
6
7
8
9
10
11
12
13
14
15
aggs.filter 针对的是聚合去做的，如果放 query 里面的 filter，是全局的，会对所有的数据都有影响
考虑这样一个场景你就明白了 aggs.filter 与 query.filter 的区别：统计长虹电视最近 1 个月的平均值、 最近 3 个月的平均值、 最近 6 个月的平均值
那么针对如上需求，要实现的思路可能是：
- 把所有长虹电视订单先查询出来，然后在这个结果中进行条件过滤。
- 或者每个平均值计算都用不同的聚合分析语句去执行
bucket filter 可以让你在一个聚合分析请求中完成不同数据的过滤统计，对不同的 bucket下的 aggs 进行filter
下面来实现这么一个需求：统计长虹电视过去 130 天、140 天、150 天的平均销售价格
GET /tvs/sales/_search
{
"size": 0,
"query": {
"term": {
"brand": {
"value": "长虹"
}
}
},
"aggs": {
"recent_150d": {
"filter": {
"range": {
"sold_date": {
"gte": "now-150d"
}
}
},
"aggs": {
"recent_150d_avg_price": {
"avg": {
"field": "price"
}
}
}
},
"recent_140d": {
"filter": {
"range": {
"sold_date": {
"gte": "now-140d"
}
}
},
"aggs": {
"recent_140d_avg_price": {
"avg": {
"field": "price"
}
}
}
},
"recent_130d": {
"filter": {
"range": {
"sold_date": {
"gte": "now-130d"
}
}
},
"aggs": {
"recent_130d_avg_price": {
"avg": {
"field": "price"
}
}
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
响应结果
{
"took": 3,
"timed_out": false,
"_shards": {
"total": 5,
"successful": 5,
"failed": 0
},
"hits": {
"total": 3,
"max_score": 0,
"hits": []
},
"aggregations": {
"recent_130d": {
"doc_count": 0,
"recent_130d_avg_price": {
"value": null
}
},
"recent_140d": {
"doc_count": 0,
"recent_140d_avg_price": {
"value": null
}
},
"recent_150d": {
"doc_count": 0,
"recent_150d_avg_price": {
"value": null
}
}
}
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
TIP
由于本笔记是 2019年3月3日20:48:05 记录的，该聚合中使用的是动态时间， 所以就算 130 天也搜索不到 2017 年的数据。所以这里的结果都没有