elasticsearch - [created_utc]之后，Elasticsearch [匹配]未知 token [START_OBJECT]

Question

我正在学习如何使用pushshift.io的2006年reddit注释数据集使用Elasticsearch。

created_utc是创建注释的时间的字段。

我正在尝试在特定时间范围内获取所有帖子。我在Google上搜索了一下，发现我需要使用“range”关键字。

这是我现在的查询:

{
    "query": {
        "match" : {
            "range": {
                "created_utc": {
                    "gte": "1/1/2006",
                    "lte": "31/1/2006",
                    "format": "dd/MM/yyyy"
                }
            }
        }
    }
}

然后，我尝试使用 bool(boolean) 查询，以便我可以将时间范围与已编辑的内容一定不能为False(已编辑的 bool(boolean) 值字段告诉我帖子是否已被编辑):

{
    "query": {
        "bool" : {
            "must" : {
                "range" : {
                    "created_utc": {
                        "gte" : "01/12/2006", "lte": "31/12/2006", "format": "dd/MM/yyyy" 
                    }
                }
            },
            "must_not": {
                "edited": False
            }
        }
    }
}

但是，这给了我一个我不知道的错误:

[编辑]查询格式错误，查询名称后没有start_object

如果有人可以帮助我，我将不胜感激，谢谢!

如果有帮助，这是我的评论映射:

{
   "comment":{
      "properties":{
         "author":{
            "type":"text",
            "fields":{
               "keyword":{
                  "type":"keyword",
                  "ignore_above":256
               }
            }
         },
         "body":{
            "type":"text",
            "fields":{
               "keyword":{
                  "type":"keyword",
                  "ignore_above":256
               }
            }
         },
         "controversiality":{
            "type":"long"
         },
         "created_utc":{
            "type":"date"
         },
         "edited":{
            "type":"boolean"
         },
         "gilded":{
            "type":"long"
         },
         "id":{
            "type":"text",
            "fields":{
               "keyword":{
                  "type":"keyword",
                  "ignore_above":256
               }
            }
         },
         "link_id":{
            "type":"text",
            "fields":{
               "keyword":{
                  "type":"keyword",
                  "ignore_above":256
               }
            }
         },
         "parent_id":{
            "type":"text",
            "fields":{
               "keyword":{
                  "type":"keyword",
                  "ignore_above":256
               }
            }
         },
         "score":{
            "type":"long"
         },
         "subreddit":{
            "type":"text",
            "fields":{
               "keyword":{
                  "type":"keyword",
                  "ignore_above":256
               }
            }
         }
      }
   }
}

Answer 1

如果要获取某个时间范围内的所有帖子，则必须使用范围查询。查询的问题是您在 flex 查询中不允许的匹配查询中使用range，因此查询应类似于:

{
  "query": {
    "range": {
      "created_utc": {
          "gte": 1136074029,
          "lte": 1136076410
      }
    }
  }
}

提供 created_utc 字段已保存为纪元的事实，您必须使用纪元格式进行查询。

您想在 编辑的不能为false的范围内查找帖子的第二个查询:

{
  "query": {
    "bool": {
      "must": [
          {
            "range": {
              "created_utc": {
                "gte": 1136074029,
                "lte": 1136076410
              }
            }
          }
      ],
      "must_not": [
        {
          "match": {
            "edited": false
          }
        }
      ]
    }
  }
} 

注意:如果您的 created_utc 以 dd / MM / yyyy 格式存储，则在查询时应使用 strict companion format，即，而不是1/1/2006，您应该输入01/01/2006。

希望这可以帮助 !