Question

我对ES有点新意，我不知道如何做到以下几点：

我使用查询运行搜索，该查询只包含一些“应该”参数。

然后还有一些聚合，例如百分位，期限等等。

但是对于聚合，我只想要它，例如，聚合在前1000个文档中（我希望然后通过得分对其进行评分和排序）。

我的想法是，我希望aggs用于特定术语，但如果找不到足够的，则将其填满 - 但仅限于要聚合的特定最大数量。从文档中可以看出pipeline是它返回的文档数量，而不是用于aggs的大小（我不需要点击，只返回aggs）。

那我该如何解决这个问题呢？是否有嵌套/后续查询？我必须{{1}}，例如得到1k文档的搜索，然后攻击那个？

如果首先按照索引的时间戳对文档进行排序，那将是理想的 - 因此用于“填充”的文档是最新的 - 但是AFAIK是不可能的？

填写？

'填写'意味着我有一个指定的'should'字段有100个文档。然后我还需要其他900个文档，以便将所需的1k结果大小聚合（以便将其填充到所需的数量）。因此，我没有使用过滤器，而是在文档中看到了“组合查询”，我认为使用'should'参数就足够了。

Answer 1

解决方案：

        sample = A('sampler', shard_size=docs_per_shard)

要聚合文档子集，请使用Sampler聚合器。返回文档的子集。它需要一个shard_size参数，该参数是必须返回的每个分片的文档数。给出的值是所需的文档大小（100）除以活动分片（5）。

        terms = A('terms', field='action')
        sea = GameAction.search()
        sea.aggs.bucket('mesam', sample).bucket('aksies', terms)

拥有子样本，现在可以通过管道汇总它。这给出了解决方案，但让我们做得更好。

        sea = sea.sort('_score', {'created_at': 'desc'})

这将按分数对文档进行排序，然后按创建日期对文档进行排序，这意味着会返回最相关的文档，并且会按顺序对其进行排序。

此外：

        sea = sea.query('bool', boost=10, should=[Q('match', player=p['name'])])
        sea = sea.query('bool', boost=5, should=[Q('match', vs=vs)])
        sea = sea.query('bool', boost=2, should=[Q('match', phase=phase)])
        sea = sea.query('bool', boost=1, should=[Q('match', site='handhq')])
        sea = sea.query('bool', must=[
            ~Q('match', action='gg') &
            ~Q('match', action='sb') &
            ~Q('match', action='bb')])

这里的相关内容是should。这样就可以填写文件＆＃39;与最相关的文档匹配或紧密匹配（并与最新的相等排序）。这些字段大多是not_analyzed。此外，它可以提升一个非常好的解决方案。

聚合elasticsearch中的最后文档

1 个答案: