Kova Toplamaları
Belgelerinizi terimler, aralıklar veya tarihler gibi alanlara göre 'kovalara' gruplayarak yönlü aramayı ve veri sınıflandırmasını mümkün kılın.
Kova Toplamaları, CoddyKit'te ücretsiz bir Elasticsearch & Full Text Search Systems dersidir. Bu, 4 dersinin 2. dersidir. Aşağıdan dersin tamamını ücretsiz okuyabilir, sonra tarayıcıda yerleşik kod editörü ve 7/24 yapay zeka koçu ile uygulamalı olarak pratik yapabilirsin. Bu, Elasticsearch & Full Text Search Systems öğrenme yolunun bir parçasıdır ve ilerlemeniz web ve CoddyKit uygulaması arasında senkronize olur. Elasticsearch & Full Text Search Systems kursu toplamda 4 dersten oluşur.
Bu dersin bazı bölümleri henüz çevrilmemiş olup İngilizce olarak gösterilmektedir.
Grouping Your Data with Buckets
Welcome to Bucket Aggregations! In Elasticsearch, aggregations allow you to analyze your data.
Bucket aggregations specifically group documents into sets, or 'buckets', based on field values. Think of it like the GROUP BY clause in SQL.
- Categorize data: Group products by brand.
- Faceted search: Show counts for different filters.
- Analyze trends: See activity per day or month.
Finding Unique Values with Terms
The terms aggregation is one of the most common bucket aggregations. It finds the top unique values for a specific field and then counts how many documents fall into each unique value's bucket.
It's incredibly useful for seeing the distribution of categorical data, like product categories, user roles, or country names.
Example: Products by Category
Let's use a terms aggregation to find the top 5 product categories and the count of products in each. We use .keyword for exact matches on text fields.
GET /products/_search
{
"size": 0,
"aggs": {
"top_categories": {
"terms": {
"field": "category.keyword",
"size": 5
}
}
}
}Bucketing by Numeric Ranges
The range aggregation allows you to define custom ranges for numeric or date fields. Documents whose field values fall within a defined range are grouped into that bucket.
This is perfect for creating price tiers (e.g., $0-10, $10-50, $50+) or age groups (e.g., 0-18, 19-65, 65+).
Example: Products by Price Range
Here, we define three price ranges: products under $10, between $10 and $50, and over $50. The size: 0 means we only want aggregation results, not actual search hits.
GET /products/_search
{
"size": 0,
"aggs": {
"price_tiers": {
"range": {
"field": "price",
"ranges": [
{ "to": 10.00 },
{ "from": 10.00, "to": 50.00 },
{ "from": 50.00 }
]
}
}
}
}Grouping Data Over Time
When working with time-series data, the date_histogram aggregation is your best friend. It buckets documents into fixed time intervals like minutes, hours, days, or months.
You specify an interval (e.g., 'day', 'month') and Elasticsearch automatically creates buckets for each period, even if no documents exist for a particular period.
Example: Sales Trends by Month
This aggregation groups sales orders by month, allowing you to easily track monthly sales performance. We assume an order_date field of type date.
GET /sales/_search
{
"size": 0,
"aggs": {
"monthly_sales": {
"date_histogram": {
"field": "order_date",
"calendar_interval": "month"
}
}
}
}Multi-Level Grouping: Nesting Buckets
The true power of bucket aggregations comes from nesting them. You can place one bucket aggregation inside another to create hierarchical groupings.
For example, you might want to see product categories, and then within each category, the price ranges of products. This enables deep, multi-dimensional analysis.
Where Buckets Shine
Bucket aggregations are fundamental for many real-world applications:
- Faceted Search: Allowing users to filter search results by category, brand, price range, etc.
- Data Exploration: Discovering patterns and distributions in your data.
- Dashboards: Building visualizations like bar charts (e.g., sales per month, products per category).
- Reporting: Generating summary reports based on grouped data.
Bucket Aggregation Quiz
You are analyzing user feedback and want to count how many reviews were submitted each day over the past week. Which aggregation type is most suitable?
Bucket Aggregations Recap
Great job! You've learned about the power of Bucket Aggregations in Elasticsearch.
- They group documents into logical 'buckets'.
terms: Groups by unique field values.range: Groups by custom numeric or date ranges.date_histogram: Groups by fixed time intervals.- You can nest them for multi-level analysis.
Next, we'll explore Metric Aggregations, which perform calculations (like sum, avg, min, max) on the data within these buckets!
Sıkça Sorulan Sorular
“Kova Toplamaları” dersi ücretsiz mi?
Evet — “Kova Toplamaları” dersin tüm metni burada web'de ücretsiz olarak okunabilir. Etkileşimli olarak pratik yapmak (yerleşik kod editörü ve 7/24 yapay zeka koçu) ve Elasticsearch & Full Text Search Systems kursunun geri kalanını açmak için CoddyKit PRO'ya yükselt. Elasticsearch & Full Text Search Systems kursu toplamda 4 dersten oluşur.
“Kova Toplamaları” dersinde ne öğreneceğim?
Belgelerinizi terimler, aralıklar veya tarihler gibi alanlara göre 'kovalara' gruplayarak yönlü aramayı ve veri sınıflandırmasını mümkün kılın. Elasticsearch & Full Text Search Systems ile uygulamalı kodu tarayıcıda doğrudan çalıştırarak pratik yaparsın ve 7/24 yapay zeka koçu dersi çalışırken sorularını yanıtlar.
Elasticsearch & Full Text Search Systems öğrenmeye başlamak için deneyim gerekli mi?
Önceden deneyim gerekmez. CoddyKit'te Elasticsearch & Full Text Search Systems, başlangıçtan ileri seviyeye kadar yapılandırıldığı için buradan başlayabilir veya başından başlayıp kendi hızında ilerleme yapabilirsin. Bu, 4 dersinin 2. dersidir.
“Kova Toplamaları” dersi ne kadar sürer?
Çoğu CoddyKit dersi yaklaşık 5–10 dakika sürer. Her biri kısa ve etkileşimli olduğu için sabit ilerleme yaparsın ve web ile uygulama arasında tam olarak bıraktığın yerden devam edebilirsin.
Bu Elasticsearch & Full Text Search Systems dersinde kod yazıp çalıştırabilir miyim?
Evet. Her Elasticsearch & Full Text Search Systems dersi yerleşik bir kod editörü içerir, bu sayede tarayıcıda gerçek kod yazıp çalıştırabilir ve anlık yapay zeka geri bildirimi alırsın — yerel kurulum gerekli değildir.