Elasticsearch & Full Text Search Systems · Урок

Вложенные агрегации и подагрегации

«Вложенные агрегации и подагрегации» — бесплатный урок Elasticsearch & Full Text Search Systems на CoddyKit. Это урок 4 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Elasticsearch & Full Text Search Systems, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Elasticsearch & Full Text Search Systems содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

Combining Aggregations

A single aggregation answers one question. Real analytics often need layered answers: average price per category, or top brands per region. Elasticsearch lets you nest aggregations inside one another.

This lesson shows how to compose them.

The aggs Hierarchy

Any bucket aggregation can contain a sub-aggs block. The sub-aggregation runs once per bucket, operating only on the documents in that bucket.

This is the core mechanism for multi-dimensional analytics.

Metric Inside a Bucket

Here we group documents by category, then compute the average price within each group. The metric aggregation lives inside the bucket aggregation's aggs.

GET sales/_search
{
  "size": 0,
  "aggs": {
    "by_category": {
      "terms": { "field": "category" },
      "aggs": {
        "avg_price": { "avg": { "field": "price" } }
      }
    }
  }
}

Reading the Result

Each bucket in by_category now carries an avg_price value alongside its doc_count. You get the category name, how many docs it holds, and its average price in one response.

Bucket Inside a Bucket

You can nest bucket aggregations too. Group by region, then by brand within each region. This produces a two-level breakdown.

"aggs": {
  "by_region": {
    "terms": { "field": "region" },
    "aggs": {
      "by_brand": { "terms": { "field": "brand" } }
    }
  }
}

Mind the Cardinality

Deeply nested terms aggregations can explode combinatorially. A region with 50 brands across 20 regions yields up to 1,000 buckets. Use the size parameter to limit returned buckets and protect memory.

Multiple Sub-Aggregations

A bucket can hold several sub-aggregations at once. Here each category reports both its average and maximum price.

"by_category": {
  "terms": { "field": "category" },
  "aggs": {
    "avg_price": { "avg": { "field": "price" } },
    "max_price": { "max": { "field": "price" } }
  }
}

The nested Aggregation

When data uses the nested field type, you must enter that scope with a nested aggregation before aggregating on its inner fields. It points at a path.

"aggs": {
  "variants": {
    "nested": { "path": "variants" },
    "aggs": {
      "avg_qty": { "avg": { "field": "variants.quantity" } }
    }
  }
}

Reverse Nested

Inside a nested aggregation you can jump back to the parent document scope using reverse_nested. This lets you count distinct parent docs that contain a matching nested element.

"reverse_nested": {},
"aggs": {
  "parent_count": { "value_count": { "field": "_id" } }
}

Sorting Buckets by a Metric

Order parent buckets by a nested sub-metric using order. Here categories are sorted by their average price, descending.

"terms": {
  "field": "category",
  "order": { "avg_price": "desc" }
}

Design Tips

Keep nesting shallow when possible, always set size on inner terms, and put the most selective bucket aggregation first to reduce the work done by deeper levels.

Quick Check

Test your grasp of sub-aggregations.

Recap

You learned to compose aggregations:

Any bucket aggregation can hold sub-aggs that run per bucket.
Nest metrics in buckets, or buckets in buckets for multi-level breakdowns.
Use the nested and reverse_nested aggregations to traverse nested document scopes.
Control bucket explosion with size and order buckets by sub-metrics with order.

Часто задаваемые вопросы

Урок «Вложенные агрегации и подагрегации» бесплатный?

Да — полный текст урока «Вложенные агрегации и подагрегации» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Elasticsearch & Full Text Search Systems, подпишись на CoddyKit PRO. Курс Elasticsearch & Full Text Search Systems содержит 4 уроков всего.

Чему я научусь в уроке «Вложенные агрегации и подагрегации»?

Научитесь объединять агрегации, вкладывая показатели в группы, строить многоуровневую аналитику и обходить вложенные структуры документов с помощью вложенной агрегации. Ты практикуешь Elasticsearch & Full Text Search Systems с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать Elasticsearch & Full Text Search Systems?

Предыдущий опыт не требуется. Elasticsearch & Full Text Search Systems на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 4 из 4.

Сколько времени занимает урок «Вложенные агрегации и подагрегации»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке Elasticsearch & Full Text Search Systems?

Да. Каждый урок Elasticsearch & Full Text Search Systems включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

← Назад к Elasticsearch & Full Text Search Systems