Nano Hash - криптовалюты, майнинг, программирование

Elasticsearch и Kibana: объединение для ежедневного поиска имени самого высокооплачиваемого майнера

Я создал индекс из топологии Storm для ElasticSearch (ES). Индексная карта в основном:

индекс: btc-блок

  • шахтер: текст
  • награда: двойная
  • дата и время: дата

Из этих документов я хотел бы создать гистограмму самого богатого майнера в ежедневном масштабе.

Мне интересно, должен ли я сначала агрегировать в шторме и просто использовать ES и Kibana для хранения, запроса и последующего отображения данных или если ES и Kibana могут обрабатывать такие запросы.

Я просматривал Transforms в разделе управления индексами, который позволяет создавать новые индексы из запросов и агрегаций в непрерывных режимах, но мне не удается получить ожидаемый результат.

Любая помощь будет оценена.

nosql kibana nosql-aggregation
02.07.2020

  • Вы определенно можете добиться этого с помощью простых графов с областями в Kibana. С какими проблемами вы сталкиваетесь? 03.07.2020
  • Спасибо за Ваш ответ. Ну, я бы предпочел гистограмму, но принцип тот же. Смотрите мой ответ ниже, я думаю, что решил свою проблему. Любые мысли о философии в зависимости от количества данных: агрегация в Storm или в ES/Kibana? 03.07.2020

Ответы:


1

Иногда нам нужно задать вопрос, чтобы найти ответ... Я продолжал просматривать документацию и, в конце концов, смог решить проблему, используя агрегацию родственного конвейера в визуализации. В моем случае максимальная агрегация суммы вознаграждения по оси Y.

В этом случае получится около 6 записей в час, поэтому я думаю, что можно позволить Kibana и ES работать. Что, если я получу намного больше данных? Не разумнее ли было бы агрегироваться в Storm?

03.07.2020
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..