Nano Hash - криптовалюты, майнинг, программирование

Как функция фасета elasticsearch работает с асинхронным поисковым запросом?

Я знаю, как с помощью фасетной функции elasticsearch мы можем получить агрегированное значение значений для указанного поля/полей на основе данных результатов поискового запроса.

У меня есть приложение, в котором я отслеживаю журналы и использую elasticsearch для поиска по записям журнала. Что касается пользовательского интерфейса, у меня есть механизм пейджинга и, следовательно, я использую асинхронную функцию поиска для одновременного извлечения «n» записей.

Итак, мой вопрос: если я изменю свой асинхронный поисковый запрос, чтобы получить информацию о аспектах для определенных полей, даст ли он агрегированное значение для подмножества результатов, которое извлекается в результате асинхронного запроса. или он получит агрегированное значение для всего результата поиска (а не подмножества, которое возвращается пользователю).

Большое спасибо и привет, Комал

elasticsearch
18.06.2012

Ответы:


1

Фасеты возвращаются для всего результата поиска. Вы даже можете установить размер в 0 в своем запросе, что приведет к тому, что вы не получите никаких результатов, но вы все равно получите все аспекты.

18.06.2012

2

Подробную документацию см. здесь. Вы можете указать соответствие всем запросам для извлечения аспектов во всех документах { "query" : { "match_all" : { } }, "facets" : { "tag" : { "terms" : { "field" : "tag", "size" : 10 } } } } Пожалуйста, опубликуйте свой код для получения дополнительной информации.

23.06.2012
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..