首先得明确咱们的核心需求：从order_history数组里提取每个订单从初始下单状态到首次进入发货前状态的时间差，再计算所有订单的这个差值的平均值。结合你的订单数据，我给出两种可行方案：

方案一：直接使用嵌套聚合实时计算 #

这个方案不需要修改原始数据，完全通过Elasticsearch的聚合能力实时计算结果。假设你的订单索引中order_history是nested类型（如果不是，需要先修改映射为nested，否则数组聚合会出问题），具体DSL如下：

{
  "size": 0,
  "aggs": {
    "group_by_order": {
      "terms": {
        "field": "id",
        "size": 10000  // 根据你的订单总数调整，确保覆盖所有订单；数据量极大时建议用composite聚合分页
      },
      "aggs": {
        "traverse_history": {
          "nested": {
            "path": "order_history"
          },
          "aggs": {
            // 筛选初始状态（比如你的数据里status_id=3是下单状态）的最早时间
            "initial_order_time": {
              "filter": {
                "term": {
                  "order_history.status_id": 3
                }
              },
              "aggs": {
                "first_initial_time": {
                  "min": {
                    "field": "order_history.created_at"
                  }
                }
              }
            },
            // 筛选发货前状态（比如status_id=6是准备发货状态）的最早时间
            "pre_shipment_start_time": {
              "filter": {
                "term": {
                  "order_history.status_id": 6
                }
              },
              "aggs": {
                "first_pre_ship_time": {
                  "min": {
                    "field": "order_history.created_at"
                  }
                }
              }
            },
            // 计算单个订单的等待时间（转换为小时，可自行调整单位）
            "single_order_wait_time": {
              "bucket_script": {
                "buckets_path": {
                  "initial": "initial_order_time>first_initial_time",
                  "preShip": "pre_shipment_start_time>first_pre_ship_time"
                },
                "script": "(params.preShip.getTime() - params.initial.getTime()) / (1000 * 60 * 60)"
              }
            }
          }
        },
        // 过滤掉没有有效时间差的订单（比如缺少初始/发货前状态的）
        "filter_valid_orders": {
          "bucket_selector": {
            "buckets_path": {
              "waitTime": "traverse_history>single_order_wait_time"
            },
            "script": "params.waitTime != null && params.waitTime > 0"
          }
        }
      }
    },
    // 计算所有有效订单的平均等待时间
    "average_wait_time": {
      "avg_bucket": {
        "buckets_path": "group_by_order>traverse_history>single_order_wait_time"
      }
    }
  }
}

关键说明： #

• 替换status_id：根据你的业务实际，把3和6换成对应的初始状态、发货前状态的ID。
• 时间单位调整：脚本里的(1000 * 60 * 60)是把毫秒转换成小时，换成(1000 * 60)就是分钟，直接用1000就是秒。
• 数据量适配：如果订单数超过size设置的值，建议改用composite聚合来分页处理，避免内存溢出。

方案二：预处理字段，简化后续查询 #

如果需要频繁查询这个平均值，或者数据量极大，先预处理每个订单的等待时间字段会更高效：

步骤1：给每个订单添加wait_time_before_shipment字段 #

用_update_by_query批量计算并写入字段：

POST /your_order_index/_update_by_query
{
  "script": {
    "source": """
      def initialTime = null;
      def preShipTime = null;
      // 遍历订单历史，找到初始状态和首次发货前状态的时间
      for (def historyItem : ctx._source.order_history) {
        // 记录初始状态的最早时间
        if (historyItem.status_id == 3 && (initialTime == null || historyItem.created_at.getTime() < initialTime.getTime())) {
          initialTime = historyItem.created_at;
        }
        // 记录首次进入发货前状态的时间
        if (historyItem.status_id == 6 && (preShipTime == null || historyItem.created_at.getTime() < preShipTime.getTime())) {
          preShipTime = historyItem.created_at;
        }
      }
      // 计算并写入等待时间（单位：小时）
      if (initialTime != null && preShipTime != null) {
        ctx._source.wait_time_before_shipment = (preShipTime.getTime() - initialTime.getTime()) / (1000 * 60 * 60);
      } else {
        ctx._source.wait_time_before_shipment = null;
      }
    """,
    "lang": "painless"
  }
}

步骤2：直接查询平均值 #

之后查询就非常简单了：

{
  "size": 0,
  "aggs": {
    "average_wait_time": {
      "avg": {
        "field": "wait_time_before_shipment",
        "missing": 0  // 可以忽略缺失值，或者设置为0，根据需求调整
      }
    }
  }
}

额外注意事项： #

1. 字段类型检查：确保order_history.created_at是Elasticsearch的date类型，否则脚本中的getTime()会报错。
2. 时区处理：如果业务需要考虑时区，需要在时间计算时添加时区偏移，比如在Painless脚本中转换时间时指定时区。
3. 状态逻辑确认：如果你的业务中发货前的状态不止一个，或者初始状态有多个，需要调整筛选条件（比如用terms代替term）。

内容的提问来源于stack exchange，提问作者suliman