使用弹性搜索地理功能查找最常见的位置？

Question

我有一个 geojson 文件，其中包含一个位置列表，每个位置都有经度、纬度和时间戳。注意经度和纬度乘以 10000000。

{
  "locations" : [ {
    "timestampMs" : "1461820561530",
    "latitudeE7" : -378107308,
    "longitudeE7" : 1449654070,
    "accuracy" : 35,
    "junk_i_want_to_save_but_ignore" : [ { .. } ]
  }, {
    "timestampMs" : "1461820455813",
    "latitudeE7" : -378107279,
    "longitudeE7" : 1449673809,
    "accuracy" : 33
  }, {
    "timestampMs" : "1461820281089",
    "latitudeE7" : -378105184,
    "longitudeE7" : 1449254023,
    "accuracy" : 35
  }, {
    "timestampMs" : "1461820155814",
    "latitudeE7" : -378177434,
    "longitudeE7" : 1429653949,
    "accuracy" : 34
  }
  ..

其中许多位置将是相同的物理位置（例如用户的家），但显然经度和纬度可能不完全相同。

我想使用 Elastic Search 及其地理功能来生成最常见位置的排名列表，如果位置在彼此之间（例如 100m）之内，则这些位置被认为是相同的？

对于每个常见位置，如果可能的话，我还想要他们在该位置的所有时间戳的列表！

非常感谢一个示例查询让我开始！

非常感谢。

Answer 1

为了使其正常工作，您需要像这样修改映射：

PUT /locations
{
  "mappings": {
    "location": {
      "properties": {
        "location": {
          "type": "geo_point"
        },
        "timestampMs": {
          "type": "long"
        },
        "accuracy": {
          "type": "long"
        }
      }
    }
  }
}

然后，当你索引你的文档时，你需要将经纬度除以 10000000，然后索引如下：

PUT /locations/location/1
{
  "timestampMs": "1461820561530",
  "location": {
    "lat": -37.8103308,
    "lon": 14.4967407
  },
  "accuracy": 35
}

最后，您的搜索查询如下...

POST /locations/location/_search
{
  "aggregations": {
    "zoomedInView": {
      "filter": {
        "geo_bounding_box": {
          "location": {
            "top_left": "-37, 14",
            "bottom_right": "-38, 15"
          }
        }
      },
      "aggregations": {
        "zoom1": {
          "geohash_grid": {
            "field": "location",
            "precision": 6
          },
          "aggs": {
            "ts": {
              "date_histogram": {
                "field": "timestampMs",
                "interval": "15m",
                "format": "DDD yyyy-MM-dd HH:mm"
              }
            }
          }
        }
      }
    }
  }
}

...将产生以下结果：

{
  "aggregations": {
    "zoomedInView": {
      "doc_count": 1,
      "zoom1": {
        "buckets": [
          {
            "key": "k362cu",
            "doc_count": 1,
            "ts": {
              "buckets": [
                {
                  "key_as_string": "Thu 2016-04-28 05:15",
                  "key": 1461820500000,
                  "doc_count": 1
                }
              ]
            }
          }
        ]
      }
    }
  }
}

更新

根据我们的讨论，这里有一个适合您的解决方案。使用 Logstash，您可以调用您的 API 并检索大 JSON 文档（使用 http_poller input），提取/转换所有位置并将它们发送到 Elasticsearch（使用 elasticsearch output）非常容易。

这是按照我最初的回答中所述格式化每个事件的方法。

1. 使用http_poller，您可以检索 JSON 位置（请注意，我已将轮询间隔设置为 1 天，但您可以将其更改为其他值，或者在每次要检索位置时手动运行 Logstash )
2. 然后我们将split位置数组转换为单个事件
3. 然后我们将纬度/经度字段除以 10,000,000 以获得正确的坐标
4. 我们还需要通过移动和移除一些字段来稍微清理一下
5. 最后，我们只需将每个事件发送到 Elasticsearch

Logstash 配置locations.conf:

input {
  http_poller {
    urls => {
      get_locations => {
        method => get
        url => "http://your_api.com/locations.json"
        headers => {
          Accept => "application/json"
        }
      }
    }
    request_timeout => 60
    interval => 86400000
    codec => "json"
  }
}
filter {
  split {
    field => "locations" 
  }
  ruby {
    code => "
      event['location'] = {
        'lat' => event['locations']['latitudeE7'] / 10000000.0,
        'lon' => event['locations']['longitudeE7'] / 10000000.0
      }
    "
  }
  mutate {
    add_field => {
      "timestampMs" => "%{[locations][timestampMs]}"
      "accuracy" => "%{[locations][accuracy]}"
      "junk_i_want_to_save_but_ignore" => "%{[locations][junk_i_want_to_save_but_ignore]}"
    }
    remove_field => [
      "locations", "@timestamp", "@version" 
    ]
  }
}
output {
  elasticsearch {
    hosts => ["localhost:9200"]
    index => "locations"
    document_type => "location"
  }
}

然后您可以使用以下命令运行：

bin/logstash -f locations.conf

运行后，您可以启动搜索查询，您应该会得到您所期望的结果。