Elasticsearch & Full Text Search Systems · Lekcja

Agregacje metryczne

Wykonuj na danych obliczenia takie jak suma, średnia, minimum, maksimum i liczność, korzystając z różnych typów agregacji metrycznych.

Agregacje metryczne to bezpłatna lekcja Elasticsearch & Full Text Search Systems na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Elasticsearch & Full Text Search Systems, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Elasticsearch & Full Text Search Systems zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

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.

Często zadawane pytania

Czy lekcja „Agregacje metryczne” jest bezpłatna?

Tak — pełny tekst „Agregacje metryczne” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Elasticsearch & Full Text Search Systems, przejdź na CoddyKit PRO. Kurs Elasticsearch & Full Text Search Systems zawiera 4 lekcji w sumie.

Co nauczysz się w „Agregacje metryczne”?

Wykonuj na danych obliczenia takie jak suma, średnia, minimum, maksimum i liczność, korzystając z różnych typów agregacji metrycznych. Ćwiczysz Elasticsearch & Full Text Search Systems z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Elasticsearch & Full Text Search Systems?

Nie wymagamy żadnego doświadczenia. Elasticsearch & Full Text Search Systems w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.

Ile czasu zajmuje lekcja „Agregacje metryczne”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Elasticsearch & Full Text Search Systems?

Tak. Każda lekcja Elasticsearch & Full Text Search Systems zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do Elasticsearch & Full Text Search Systems