liuwenqiang1314的博客

这是对于学习ai的一次尝试，使用来把数据向量化之后接入向量数据库(我用的是ElasticSearch)。进而形成向量库实现向量搜索。从来来使用rag功能。当然本文侧重于如何使用该库进行向量化。

上文我们说到了聚合的三类聚合，其中包括指标聚合。Metric aggregations：指标聚合是根据字段值计算量度(如总和或平均值)的量度聚合。此系列中的聚合基于以某种方式从正在聚合的文档中提取的值来计算度量。这些值通常从文档的字段中提取（使用字段数据），但也可以使用脚本生成。数值指标聚合是一种特殊类型的指标聚合，用于输出数值。一些聚合输出单个数值指标（例如 avg），称为单值数值指标聚合，其他聚合生成多个指标（例如统计数据），称为多值数值指标聚合。

基本上我们可以看出来，他是一种聚合分析，类似于做报表那样的一个功能。既然是报表分析的话那就离不开一些常见的概念，什么平均值，最大值，什么按照什么分组之后统计每个组里面的数据量这样的功能。在es中支持了三种聚合来实现这些功能。聚合区别于检索，检索是使用一系列条件把文档从es中搜索回来。但是聚合则是在搜索回来的文档的基础上进一步进行处理。简单来说聚合就是将数据汇总为指标、统计数据或其他分析。此时我们就构建好我们的数据了，后面我们再根据需要做修改等等操作。好了，此时我们就准备好了，下面我们来进行操作。

我不多逼逼，就说一句，可视化就是图表，kibana可以帮你绘制不同的图表，折线图，饼状图，柱状图等等来帮助你分析你的数据，这些图表非常的漂亮。我们可以来看看。之所以支持多种图表就是因为不同类型的数据可能不同的展示方式会更加直观。我们的可视化分析都是建立在kibana的面板功能(dashboards)上的，所以我们可以先进去面板。我们可以在这里创建各种各样的面板来展示我们的数据，下面我们先来创建第一个面板。