在elasticsearch中对postgresql的分区进行排名

Question

我们面临着将大型数据集迁移到postgres（备份或其他）的弹性搜索中的问题。

我们有类似这样的架构

+---------------+--------------+------------+-----------+
|    user_id    |  created_at  |  latitude  | longitude |
+---------------+--------------+------------+-----------+
|       5       |  23.1.2015   |    12.49   |    20.39  |
+---------------+--------------+------------+-----------+
|       2       |  23.1.2015   |    12.42   |    20.32  |
+---------------+--------------+------------+-----------+
|       2       |  24.1.2015   |    12.41   |    20.31  |
+---------------+--------------+------------+-----------+
|       5       |  25.1.2015   |    12.45   |    20.32  |
+---------------+--------------+------------+-----------+
|       1       |  23.1.2015   |    12.43   |    20.34  |
+---------------+--------------+------------+-----------+
|       1       |  24.1.2015   |    12.42   |    20.31  |
+---------------+--------------+------------+-----------+

由于SQL中的rank函数，我们可以通过created_at找到最新的位置

... WITH locations AS ( 
select user_id, lat, lon, rank() over (partition by user_id order by created_at) as r
FROM locations)
SELECT user_id, lat, lon FROM locations WHERE r = 1

结果只为每个用户创建了最新的位置：

+---------------+--------------+------------+-----------+
|    user_id    |  created_at  |  latitude  | longitude |
+---------------+--------------+------------+-----------+
|       2       |  24.1.2015   |    12.41   |    20.31  |
+---------------+--------------+------------+-----------+
|       5       |  25.1.2015   |    12.45   |    20.32  |
+---------------+--------------+------------+-----------+
|       1       |  24.1.2015   |    12.42   |    20.31  |
+---------------+--------------+------------+-----------+

将数据导入elasticsearch后，我们的文档模型如下所示：

{
   "location" : { "lat" : 12.45, "lon" : 46.84 },
   "user_id"  : 5,
   "created_at" : "2015-01-24T07:55:20.606+00:00"
}
etc...

我正在寻找弹性搜索查询中这个SQL查询的替代方案，我认为它必须是可能的，但我还没有找到。

Answer 1

你可以使用inner_hits使用inner_hits field collapsing inner_hits来实现这inner_hits 。

{
    "collapse": {
        "field": "user_id",
        "inner_hits": {
            "name": "order by created_at",
            "size": 1,
            "sort": [
                {
                    "created_at": "desc"
                }
            ]
        }
    },
}

详细文章： https ： //blog.francium.tech/sql-window-function-partition-by-in-elasticsearch-c2e3941495b6

Answer 2

这很简单：如果你想找到最旧的记录（对于给定的id），你只需要没有旧的 （具有相同id）的记录。 （这假设对于给定的id，不存在具有相同 created_at日期的记录）

---

SELECT * FROM locations ll
WHERE NOT EXISTS (
   SELECT * FROM locations nx
   WHERE nx.user_id = ll.user_id
   AND nx.created_at > ll.created_at
   );

---

编辑（似乎OP想要最新的观察，而不是最古老的观察）

Answer 3

使用top_hits。

    "aggs": {
    "user_id": {
    "terms": {"field": "user_id"},
    "aggs": {
        "top_location": {
          "top_hits": {
            "size": 1,
            "sort": { "created_at": "asc" },
            "_source": []
          }
        }
    }
 }
}