本文介绍了如何使用Python对接ES进行天气指标数据的高效筛选和导出。通过理解查询优化，包括分区查询和减少不必要的数据传输，以北京天气为例，展示如何配置DSL并使用value_count统计准确数据量，最终将数据转换为CSV文件。
上节课中介绍了对天气指标数据的采集生成，这节课中将重点介绍如何使用 Python 对 ES 开发，以天气指标数据为例。Kibana 确实也能够提供丰富的功能对天气指标数据分析，但是我们的需求是要得到分析原始结果，Kibana 分析的结果需要登录在线看，不能够被缓存下来。
天气 App
假设一个项目场景，开发一款手机天气 App，这款 App 数据由 ES 进行管理。
假设公司在开发一个 15 天趋势预报功能，如下图，想要得到预测数据，那就得使用深度学习去训练不同地区的天气历史数据，大家都是知道深度学习非常的吃数据，因此数据当然是越多越丰富越好。而你在的部门专门有个程序负责采集每天的天气状态，然后存到 ES。你老大布置给你个任务，由你来负责把不同地区的天气历史数据，采集下来，然后用来训练模型。
数据采集
拿到这样的需求，先分析一波。
不同地区的话，那就是要根据地区进行筛选，配置个 filter 就行了，之前的课时也讲过，这种需求应该配置 filter 而不是用 must 来配置条件，这里回顾一下，如果使用 filter 来作为
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
