Baixar para ler offline
Carregado porWaldemar Neto
Elasticsearch Aggregations
O documento discute agregações no Elasticsearch, que permitem analisar e classificar completamente um grupo de dados ao invés de documentos individuais. Exemplos mostram como agrupar cervejas por marca e tamanho para gerar insights. Diferentes tipos de buckets e métricas são explicados para extrair conhecimento dos dados armazenados.
Elasticsearch Aggregations
- 1.
- 2. E eu?2 Waldemar Neto@waldemarnt http://walde.co/
- 3.
- 4. Vamos falar deque?4
- 5. Vamos falar deque?5 AGGREGATIONS
- 6.
- 7. ” Banon. Shay 7 “Elasticsearchis a search server based on Lucene. It provides a distributed, multitenant-capable full-text search engine with a RESTful web interface and schema-free JSON documents. Elasticsearch is developed in Java and is released as open source under the terms of the Apache License.”
- 8. 8 Quem usa? Fonte:https://www.elastic.co/use-cases
- 9.
- 10.
- 11. Termos comuns ● Cluster ●Node ● Index ● Shard ● Replica ● Type ● Document ● Term 11
- 12. Índice invertido, ondea magia acontece Term Doc_1 Doc_2 Doc_3 Waldemar x x Bicicleta x x x Avião x 12 1. Score 1.1. Bicicleta 3 1.2. Waldemar 2 1.3. Avião 1
- 13.
- 14. Escalonamento14 CLUSTER NODE 1 -MASTER SHARD1 REPLICA 3 NODE 2 SHARD2 REPLICA 1 NODE 3 SHARD3 REPLICA 2
- 15. Indexando um documento15 CLUSTER NODE1 - MASTER SHARD1 REPLICA 3 NODE 2 SHARD2 REPLICA 1 NODE 3 SHARD3 REPLICA 2 CLIENT
- 16. Buscando documentos16 CLUSTER NODE 1- MASTER SHARD1 REPLICA 3 NODE 2 SHARD2 REPLICA 1 NODE 3 SHARD3 REPLICA 2 CLIENT
- 17. Interagindo com oservidor17
- 18. Estrutura de dados 1.Index 2. Type 3. Document 18 1 2 3 RESTful Response
- 19. Na linha doRESTful index type document reference(id) 19 parameters
- 20. Mapping ▹ NoSql style ▹Pode ser criado manualmente ▹ Pode ser alterado dinamicamente 20
- 21. O que oelasticsearch me oferece? ▹ Queries ▹ Filtros ▹ Geolocation ▹ Aggregations ▹ Full Text Search ▹ Escalabilidade ▹ Comunicação RESTful 21
- 22. O que sãoaggregations?
- 23. ” Com aggregations épossível ter um overview dos dados. Ao invés de olhar por documentos individuais. É possível analisar e classificar completamente um grupo de dados. 23
- 24. Aggregations na vidareal! 24 Bora ver na prática?
- 25.
- 26. Itens a seremagrupados26
- 27.
- 28.
- 29.
- 30.
- 31.
- 32. 32 Valor médiodas cervejas
- 33. Tipos de Buckets33 ●Children Aggregation ● Date Histogram Aggregation ● Date Range Aggregation ● Filter Aggregation ● Filters Aggregation ● Geo Distance Aggregation ● GeoHash grid Aggregation ● Global Aggregation ● Histogram Aggregation ● IPv4 Range Aggregation ● Missing Aggregation ● Nested Aggregation ● Range Aggregation ● Reverse nested Aggregation ● Sampler Aggregation ● Significant Terms Aggregation ● Terms Aggregation
- 34. Tipos de Metrics ●Avg Aggregation ● Cardinality Aggregation ● Extended Stats Aggregation ● Geo Bounds Aggregation ● Geo Centroid Aggregation ● Max Aggregation ● Min Aggregation ● Percentiles Aggregation ● Percentile Ranks Aggregation ● Scripted Metric Aggregation 34 ● Stats Aggregation ● Sum Aggregation ● Top hits Aggregation ● Value Count Aggregation
- 35.
- 36.
- 37.
- 38.
- 39.
- 40.
- 41.
- 42.
- 43.
- 44.
- 45.