Es中时间聚合date

Es中时间聚合date 问题描述：

想要统计一天中每个小时的数据，
在没有数据且前面的时间里没有数据的统计数据拿不到，
比如Es中存在6点到20点的数据，直接使用Es中date_histogram指定calendar_interval为1h，得到的数据只有6点到20点的。
如下图Es的search：

POST /logs/_search
{   
    "size": 0, 
    "aggs" : {
        "sales_over_time" : {
            "date_histogram" : {
                "field" : "time",
                "calendar_interval" : "1h",
                "min_doc_count": 0,
  			  }
            }
        }
    }
}

es返回，只能拿到开始有数据的时间，到最后有数据的时间
而不是我想想要的每个小时都有数据

{
  "took" : 1,
  "timed_out" : false,
  "_shards" : {
    "total" : 1,
    "successful" : 1,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 5,
      "relation" : "eq"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "sales_over_time" : {
      "buckets" : [
        {
          "key_as_string" : "2022-01-26T10:00:00.000Z",
          "key" : 1643191200000,
          "doc_count" : 3
        },
        {
          "key_as_string" : "2022-01-26T11:00:00.000Z",
          "key" : 1643194800000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T12:00:00.000Z",
          "key" : 1643198400000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T13:00:00.000Z",
          "key" : 1643202000000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T14:00:00.000Z",
          "key" : 1643205600000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T15:00:00.000Z",
          "key" : 1643209200000,
          "doc_count" : 2
        }
      ]
    }
  }
}

解决方法：

在时间聚合中加入 ，
“extended_bounds”: {
“min”: “time1”,
“max”: “time2”
}
其中的min/max可为时间字符串，
如 2022-01-26T00:00:00.000000 ,
也可以为时间戳，单位为毫秒，
如1643187600000，
即为2022-01-26 08:00:00
各编程语言的直接获取时间戳的精度不一样，
如Java中获取时间戳单位到毫秒，
python中获取时间戳只到秒，注意单位。
建议使用符合格式的时间字符串。
代码实例：

POST /logs/_search
{   
   //已经在限制了时间范围为2022年1月26日	
    ...
    "size": 0, 
    "aggs" : {
        "sales_over_time" : {
            "date_histogram" : {
                "field" : "time",
                "calendar_interval" : "1h",
                "min_doc_count": 0,
                 "extended_bounds": {
        "min": "2022-01-26T00:00:00.000000",
        "max": "2022-01-26T23:59:00.000000"
    }
            }
        }
    }
}

//得到的结果

{
   ...
  "aggregations" : {
    "sales_over_time" : {
      "buckets" : [
        {
          "key_as_string" : "2022-01-26T00:00:00.000Z",
          "key" : 1643155200000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T01:00:00.000Z",
          "key" : 1643158800000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T02:00:00.000Z",
          "key" : 1643162400000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T03:00:00.000Z",
          "key" : 1643166000000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T04:00:00.000Z",
          "key" : 1643169600000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T05:00:00.000Z",
          "key" : 1643173200000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T06:00:00.000Z",
          "key" : 1643176800000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T07:00:00.000Z",
          "key" : 1643180400000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T08:00:00.000Z",
          "key" : 1643184000000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T09:00:00.000Z",
          "key" : 1643187600000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T10:00:00.000Z",
          "key" : 1643191200000,
          "doc_count" : 3
        },
        {
          "key_as_string" : "2022-01-26T11:00:00.000Z",
          "key" : 1643194800000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T12:00:00.000Z",
          "key" : 1643198400000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T13:00:00.000Z",
          "key" : 1643202000000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T14:00:00.000Z",
          "key" : 1643205600000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T15:00:00.000Z",
          "key" : 1643209200000,
          "doc_count" : 2
        },
        {
          "key_as_string" : "2022-01-26T16:00:00.000Z",
          "key" : 1643212800000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T17:00:00.000Z",
          "key" : 1643216400000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T18:00:00.000Z",
          "key" : 1643220000000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T19:00:00.000Z",
          "key" : 1643223600000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T20:00:00.000Z",
          "key" : 1643227200000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T21:00:00.000Z",
          "key" : 1643230800000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T22:00:00.000Z",
          "key" : 1643234400000,
          "doc_count" : 0
        },
        {
          "key_as_string" : "2022-01-26T23:00:00.000Z",
          "key" : 1643238000000,
          "doc_count" : 0
        }
      ]
    }
  }
}

PS
使用上述方案的时候，建议配合range限制时间范围，且和extended_bounds中的时间一致，
如果不一致的话，
例如range中限制时间范围为25日到26日两天的，extended_bounds中的时间仅仅写为26日的，
统计的数据则为25号第一条数据的那个小时到26号所有的小时数据。
如25号一条数据是8点30的，统计的数据则是从25号八点开始到26日结束的小时。