Json 我需要合并两个Elasticsearch查询还是可以使用or类型运算符?
我有两个Elasticsearch查询(通过R中的Json 我需要合并两个Elasticsearch查询还是可以使用or类型运算符?,json,
elasticsearch,Json,
elasticsearch,我有两个Elasticsearch查询(通过R中的elastic包使用) 一个查询收集加载功能的次数,另一个查询收集卸载功能的次数 我的需求现在发生了变化,我需要在同一个数据集中同时收集两种类型的数据/状态(状态可以是TRUE或FALSE,我想在同一个数据集中收集这两种数据/状态) 我想做什么:识别可见的为真的或假的两种情况 因此,我想知道最好的方法是什么:我应该(尝试)合并查询,还是应该使用或类型的运算符 如果是后者,我会怎么做 为了完整起见,以下是我的简化查询(未统一的版本在问题的末尾):
elastic
包使用)
一个查询收集加载功能的次数,另一个查询收集卸载功能的次数
我的需求现在发生了变化,我需要在同一个数据集中同时收集两种类型的数据/状态(状态可以是TRUE
或FALSE
,我想在同一个数据集中收集这两种数据/状态)
我想做什么:识别可见的为真的或假的两种情况
因此,我想知道最好的方法是什么:我应该(尝试)合并查询,还是应该使用或类型的运算符
如果是后者,我会怎么做
为了完整起见,以下是我的简化查询(未统一的版本在问题的末尾):
loads\u body是的,您可以使用单个查询和子聚合来完成所需的操作。类似于
{
"query":{
"bool":{
"must":[
{
"match":{
"merchant":"a6xzTHtpQs"
}
},
{
"range":{
"time":{
"gte":"2018-04-02T06:00:00",
"lte":"2018-04-03T05:59:59",
"time_zone":"+00:00"
}
}
}
]
}
},
"aggs":{
"Visible_agg":{
"terms":{
"field":"visible"
},
"aggs":{
"daily":{
"date_histogram":{
"field":"time",
"interval":"hour",
"time_zone":"+00:00",
"min_doc_count":0,
"extended_bounds":{
"min":"2018-04-02T06:00:00",
"max":"2018-04-03T05:59:59"
}
}
}
}
}
}
}
这将在两个桶中生成直方图,一个用于“可见”:true,另一个用于“可见”:false
这就是你要找的吗?谢谢,@sramalingam24。这几乎就是我要寻找的,但我很难将其平坦化,因为它会产生一个由两行(true和false)组成的数据帧,然后是针对每行存储的关联数据列表。为了展平数据帧,我使用了来自JSON的(toJSON(plugins\u connection$aggregations$Visible\u agg$bucket),flatte=TRUE)
。我认为解决方案是切换聚合,以便按日期聚合结果,并将可见性分配给每个实例。简而言之,我想在第一个实例中聚合日期(直方图)。我怎样才能做到这一点?dataframe中是否有一个melt函数可以为您做到这一点?您可以尝试反转聚合顺序。我尝试反转聚合顺序,但仍然留下最后一列,其中包含我无法熔化的数据列表,因为:无法熔化数据。具有非原子“度量”列的帧
。每个列表项都包含一个由3个变量组成的data.frame
。我对python不太熟悉,所以不知道如何处理dataframesI所见的列表。我现在就试试。(仅供参考:data.frame
也是R中常见的数据结构。)
unloads_body <- '{"size":0,"query":{"bool":{"must":[{"match":{"merchant":"a6xzTHtpQs"}},{"term":{"visible":false}},{"range":{"time":{"gte":"2018-04-02T06:00:00","lte":"2018-04-03T05:59:59","time_zone":"+00:00"}}}]}},"aggs":{"daily":{"date_histogram":{"field":"time","interval":"hour","time_zone":"+00:00","min_doc_count":0,"extended_bounds":{"min":"2018-04-02T06:00:00","max":"2018-04-03T05:59:59"}}}}}'
loads_body <- '{
"size":0,
"query": {
"bool": {
"must":[ {
"match": {
"merchant": "a6xzTHtpQs"
}
}
,
{
"term": {
"visible": true
}
}
,
{
"range": {
"time": {
"gte": "2018-04-02T06:00:00", "lte": "2018-04-03T05:59:59", "time_zone": "+00:00"
}
}
}
]
}
}
,
"aggs": {
"daily": {
"date_histogram": {
"field":"time",
"interval":"hour",
"time_zone":"+00:00",
"min_doc_count":0,
"extended_bounds": {
"min": "2018-04-02T06:00:00", "max": "2018-04-03T05:59:59"
}
}
}
}
}'
unloads_body <- '{
"size":0,
"query": {
"bool": {
"must":[ {
"match": {
"merchant": "a6xzTHtpQs"
}
}
,
{
"term": {
"visible": false
}
}
,
{
"range": {
"time": {
"gte": "2018-04-02T06:00:00", "lte": "2018-04-03T05:59:59", "time_zone": "+00:00"
}
}
}
]
}
}
,
"aggs": {
"daily": {
"date_histogram": {
"field":"time",
"interval":"hour",
"time_zone":"+00:00",
"min_doc_count":0,
"extended_bounds": {
"min": "2018-04-02T06:00:00", "max": "2018-04-03T05:59:59"
}
}
}
}
}'
{
"query":{
"bool":{
"must":[
{
"match":{
"merchant":"a6xzTHtpQs"
}
},
{
"range":{
"time":{
"gte":"2018-04-02T06:00:00",
"lte":"2018-04-03T05:59:59",
"time_zone":"+00:00"
}
}
}
]
}
},
"aggs":{
"Visible_agg":{
"terms":{
"field":"visible"
},
"aggs":{
"daily":{
"date_histogram":{
"field":"time",
"interval":"hour",
"time_zone":"+00:00",
"min_doc_count":0,
"extended_bounds":{
"min":"2018-04-02T06:00:00",
"max":"2018-04-03T05:59:59"
}
}
}
}
}
}
}