Agrégations de métriques
Effectuez des calculs tels que la somme, la moyenne, le minimum, le maximum et le décompte sur vos données à l’aide de différents types d’agrégations de métriques.
Agrégations de métriques est une leçon Elasticsearch & Full Text Search Systems gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Elasticsearch & Full Text Search Systems, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Elasticsearch & Full Text Search Systems comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
Discover Data Insights
What if you could ask "how much total sales did we have last month?" or "what's the average price of our products?" Aggregations in Elasticsearch let you do exactly that!
They provide powerful analytical capabilities beyond simple search. Think of them as SQL's GROUP BY and aggregate functions, but for your search data.
Unpacking Metric Aggregations
Metric aggregations are the simplest type of aggregation. They calculate a single metric (like a sum, average, min, or max) over a set of documents.
They give you numerical summaries of your data, helping you quickly understand key statistics and trends without retrieving all individual documents.
Indexing Sample Sales Data
To demonstrate metric aggregations, let's index some sample sales data. We'll use documents with a price field.
Run this curl command to add our first product:
curl -X PUT "localhost:9200/sales_data/_doc/1?pretty" -H 'Content-Type: application/json' -d'
{
"product": "Laptop",
"price": 1200,
"quantity": 1
}'Adding More Sample Data
Great! To have more data for our aggregations, let's add two more products. Imagine you've run similar curl commands for these:
sales_data/_doc/2:{"product": "Mouse", "price": 25, "quantity": 2}sales_data/_doc/3:{"product": "Keyboard", "price": 75, "quantity": 1}
Now we have a small dataset to work with!
Calculating the Average (`avg`)
The avg aggregation calculates the arithmetic mean of a numeric field. It's perfect for finding the average price of products, average age, or average score.
Let's find the average price of our indexed products:
curl -X GET "localhost:9200/sales_data/_search?pretty" -H 'Content-Type: application/json' -d'
{
"size": 0,
"aggs": {
"average_price": {
"avg": {
"field": "price"
}
}
}
}'Summing Up Values (`sum`)
The sum aggregation calculates the total sum of a numeric field's values. This is ideal for finding total sales, total quantity, or total revenue.
Let's calculate the total price of all indexed products:
curl -X GET "localhost:9200/sales_data/_search?pretty" -H 'Content-Type: application/json' -d'
{
"size": 0,
"aggs": {
"total_price": {
"sum": {
"field": "price"
}
}
}
}'Finding Min and Max (`min`, `max`)
The min and max aggregations return the smallest and largest values of a numeric field, respectively. They help identify outliers or boundary values in your data.
Let's find the cheapest and most expensive product prices:
curl -X GET "localhost:9200/sales_data/_search?pretty" -H 'Content-Type: application/json' -d'
{
"size": 0,
"aggs": {
"min_price": { "min": { "field": "price" } },
"max_price": { "max": { "field": "price" } }
}
}'Counting Values (`value_count`)
The value_count aggregation counts the number of documents that have a value for a specific field. It's different from a document count because it only considers documents where the field exists and is not null.
Let's count how many products have a 'price' field:
curl -X GET "localhost:9200/sales_data/_search?pretty" -H 'Content-Type: application/json' -d'
{
"size": 0,
"aggs": {
"price_count": {
"value_count": {
"field": "price"
}
}
}
}'All Stats in One Go (`stats`)
The stats aggregation is a convenience aggregation that computes min, max, sum, avg, and count (of values) all at once for a numeric field.
It saves you from writing five separate aggregations and is great for a quick overview!
curl -X GET "localhost:9200/sales_data/_search?pretty" -H 'Content-Type: application/json' -d'
{
"size": 0,
"aggs": {
"price_stats": {
"stats": {
"field": "price"
}
}
}
}'Metric Aggregation Check
Consider a scenario where you have a list of product prices: 100, 50, 200, 50, null.
What would be the result of a value_count aggregation on the 'price' field?
Metric Aggregations Recap
In this lesson, you've learned about Elasticsearch metric aggregations, powerful tools for summarizing your data:
avg: Calculates the arithmetic mean.sum: Computes the total sum.min&max: Finds the smallest and largest values.value_count: Counts non-null field values.stats: A convenient way to get all basic stats at once.
These aggregations are fundamental for understanding the numerical characteristics of your data and are often combined for more complex analysis.
Questions Fréquemment Posées
La leçon « Agrégations de métriques » est-elle gratuite ?
Oui — le texte complet de « Agrégations de métriques » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Elasticsearch & Full Text Search Systems, passe à CoddyKit PRO. Le cours Elasticsearch & Full Text Search Systems comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Agrégations de métriques » ?
Effectuez des calculs tels que la somme, la moyenne, le minimum, le maximum et le décompte sur vos données à l’aide de différents types d’agrégations de métriques. Tu pratiques Elasticsearch & Full Text Search Systems avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Elasticsearch & Full Text Search Systems ?
Aucune expérience préalable n'est requise. Elasticsearch & Full Text Search Systems sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Agrégations de métriques » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Elasticsearch & Full Text Search Systems ?
Oui. Chaque leçon Elasticsearch & Full Text Search Systems inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Agrégations de métriques
- Agrégations par compartiments
- Agrégations en pipeline
- Agrégations imbriquées et sous-agrégations