tongchenkeji 发表于：2023-3-2 21:07:280次点击 已关注取消关注 关注 私信 针对时序数据，你有没有想过把每个月的数据放到同一个索引中去的想法？[阿里云检索分析服务 Elasticsearch版] 暂停朗读为您朗读 针对时序数据，你有没有想过把每个月的数据放到同一个索引中去的想法？ 「点点赞赏，手留余香」 赞赏 还没有人赞赏，快来当第一个赞赏的人吧！ 海报 检索分析服务 Elasticsearch版# 检索分析服务 Elasticsearch版775# 索引205
凌云CloudAM 2023-11-27 19:17:03 1 对于时序数据，将每个月的数据放到同一个索引中是一种常见的处理方式。这种方式称为”按月分区”（partitioning by month），它将数据分成多个分区，每个分区对应一个月的数据。 按月分区也有一些缺点。例如，分区的数量可能会非常多，从而增加了数据管理的复杂性。此外，分区方式也可能会影响一些查询和计算的粒度，因此需要根据具体应用场景选择合适的分区策略。
xin在这AM 2023-11-27 19:17:03 2 对于很多案例来说，这样做很容易管理数据，而且查询也带来很大的方便，索引生命周期管理虽然能帮我们做一些事情，但是很难把想要的一个月的数据保存到同一个索引中，比如 data-20190401，data-20190501。Elastic 所提供的 date index name processor 为这种需求带来可能。详细阅读，请参阅文章 “Elasticsearch：使用 pipelines 路由文档到想要的 Elasticsearch 索引中去” https://elasticstack.blog.csdn.net/article/details/129174215，此回答整理自钉群“Elasticsearch中文技术社区”
对于时序数据，将每个月的数据放到同一个索引中是一种常见的处理方式。这种方式称为”按月分区”（partitioning by month），它将数据分成多个分区，每个分区对应一个月的数据。
按月分区也有一些缺点。例如，分区的数量可能会非常多，从而增加了数据管理的复杂性。此外，分区方式也可能会影响一些查询和计算的粒度，因此需要根据具体应用场景选择合适的分区策略。
对于很多案例来说，这样做很容易管理数据，而且查询也带来很大的方便，索引生命周期管理虽然能帮我们做一些事情，但是很难把想要的一个月的数据保存到同一个索引中，比如 data-20190401，data-20190501。Elastic 所提供的 date index name processor 为这种需求带来可能。详细阅读，请参阅文章 “Elasticsearch：使用 pipelines 路由文档到想要的 Elasticsearch 索引中去” https://elasticstack.blog.csdn.net/article/details/129174215，此回答整理自钉群“Elasticsearch中文技术社区”