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.

1. Elasticsearch
Aggregations

2. E eu?2
Waldemar Neto @waldemarnt
http://walde.co/

3. Quanto mais, melhor!3

4. Vamos falar de que?4

5. Vamos falar de que?5
AGGREGATIONS

6. Elasticsearch

7. ” Banon. Shay
7
“Elasticsearch is 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. O Apache Lucene9

10. REST API10

11. Termos comuns
● Cluster
● Node
● Index
● Shard
● Replica
● Type
● Document
● Term
11

12. Índice invertido, onde a 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. Overview do ecossistema13
CLUSTER
NODE
SHARD REPLICA

14. Escalonamento14
CLUSTER
NODE 1 - MASTER
SHARD1
REPLICA
3
NODE 2
SHARD2
REPLICA
1
NODE 3
SHARD3
REPLICA
2

15. Indexando um documento15
CLUSTER
NODE 1 - 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 o servidor17

18. Estrutura de dados
1. Index
2. Type
3. Document
18
1 2
3
RESTful Response

19. Na linha do RESTful
index
type
document reference(id)
19
parameters

20. Mapping
▹ NoSql style
▹ Pode ser criado manualmente
▹ Pode ser alterado dinamicamente
20

21. O que o elasticsearch me oferece?
▹ Queries
▹ Filtros
▹ Geolocation
▹ Aggregations
▹ Full Text Search
▹ Escalabilidade
▹ Comunicação RESTful
21

22. O que são aggregations?

23. ”
Com aggregations é possível 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 vida real!
24
Bora ver na prática?

25. 25 Buckets

26. Itens a serem agrupados26

27. Agrupando por marcas27

28. Resultado28

29. Agrupando por tamanhos29

30. Resultado30

31. 31 Metrics

32. 32 Valor médio das 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. 35

36. 36

37. 37

38. 38

39. 39

40. 40

41. Onde aprende?

42. 42

43. 43

44. 44
E ERAS ISSO

45. Thanks!
Perguntas?
https://github.com/waldemarnt
https://twitter.com/waldemarnt
https://fb.com/waldemarnt
http://walde.co
45