Elasticsearch offre la possibilità di estrarre statistiche e gruppi di dati mediante le funzioni aggregazione. In molti contesti, però, è necessario concatenare i risultati di queste analisi per ottenere risultati più raffinati. Vediamo come le pipeline di aggregazione ci permettono di ottenere i risultati di nostro interesse.

Con le aggregazioni a bucket di Elasticsearch possiamo creare gruppi di documenti. Dopo aver visto nell’articolo precedente le aggregazioni basate sui campi di tipo keyword, ora ci concentreremo su altre funzioni orientate ad altre tipologie di dato. In particolare, useremo aggregazioni per la definizioni di intervalli numerici, di date o gruppi basati su dati georeferenziati.

Con le aggregazioni a bucket di Elasticsearch possiamo creare gruppi di documenti. In questo articolo ci concentreremo principalmente sulle aggregazioni basate sui campi di tipo keyword presenti negli indici. Utilizzeremo diversi esempi per capire le principali differenze tra le funzioni di aggregazione disponibili.

Oltre alla ricerca testuale, Elasticsearch permette di effettuare analisi sui dati mediante le aggregazioni. Tra le varie tipologie di aggregazione disponibili quelle metriche sono orientate proprio a calcolare statistiche su uno o più campi. Mediante degli esempi vedremo quali informazioni possiamo estrarre con questa tipologia di aggregazione.

Elasticsearch è un database NoSQL molto utilizzato per sviluppare motori di ricerca grazie alle sue capacità di indicizzare in modo opportuno i testi. Ma non si ferma solo a questo. Grazie alle aggregazioni, Elasticsearch può essere utilizzato per analizzare i dati ed estrarre statistiche da grandi moli di dati. Scopriamo questa sua funzionalità che è alla base di molte visualizzazioni usate da Kibana.