Aggregazioni metriche
Esegua calcoli come somma, media, minimo, massimo e conteggio sui dati usando diversi tipi di aggregazione metrica.
Aggregazioni metriche è una lezione Elasticsearch & Full Text Search Systems gratuita su CoddyKit. Questa è la lezione 1 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Elasticsearch & Full Text Search Systems, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Elasticsearch & Full Text Search Systems include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
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.
Impara Elasticsearch & Full Text Search Systems con un tutor IA — gratis
Scrivi ed esegui vero codice nel tuo browser, ricevi aiuto istantaneo da un tutor IA disponibile 24/7, e riprendi da dove hai lasciato sul web o nell'app.
- Corsi
- 12
- Lezioni
- 48
Domande Frequenti
La lezione «Aggregazioni metriche» è gratuita?
Sì — il testo completo di «Aggregazioni metriche» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Elasticsearch & Full Text Search Systems, passa a CoddyKit PRO. Il corso Elasticsearch & Full Text Search Systems include 4 lezioni in totale.
Cosa imparerò in «Aggregazioni metriche»?
Esegua calcoli come somma, media, minimo, massimo e conteggio sui dati usando diversi tipi di aggregazione metrica. Eserciti Elasticsearch & Full Text Search Systems con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Elasticsearch & Full Text Search Systems?
Non è richiesta alcuna esperienza precedente. Elasticsearch & Full Text Search Systems su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 1 di 4.
Quanto tempo richiede la lezione «Aggregazioni metriche»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Elasticsearch & Full Text Search Systems?
Sì. Ogni lezione Elasticsearch & Full Text Search Systems include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Aggregazioni metriche
- Aggregazioni a bucket
- Aggregazioni a pipeline
- Aggregazioni nested e sottoaggregazioni