弹性搜索聚合 - 桶的确切计数答案

【问题标题】：elasticsearch aggregation - exact count for bucket弹性搜索聚合 - 桶的确切计数
【发布时间】：2017-01-26 14:29:26
【问题描述】：

Elasticsearch 新手问题。我将shakespeare.json 加载到Elastic 中，并试图弄清楚如何进行类似于select speaker, count(1) from line group by speaker 的聚合。（“Line”是文档的类型，“speaker”是属性之一。）

现在我有一个这样的查询：

{
  "size": 0,
  "query": {
    "query": {
      "match": {
        "play_name": "HAMLET"
      }
    }
  },
  "aggs": {
    "line_count": {
      "terms": {
        "field": "speaker.speaker_raw"
      }
    }
  }
}

结果看起来正确，但 ElasticSearch 文档指定术语聚合的文档计数是近似值 (https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-terms-aggregation.html)。还有其他一些魔法可以在桶中获得准确的计数吗？

另外，我已经发现我必须在索引上预先定义一个字段，以获得未经分析的“说话者”版本，以确保我可以聚合原始字段值，而不是标记化。（见Elasticsearch - Cardinality over Full Field Value）

【问题讨论】：

对于 terms 聚合，ES 中的计数是准确和完整的，基数和百分位数聚合的唯一近似值是 (IIRC)。见：elastic.co/guide/en/elasticsearch/reference/current/… 和：elastic.co/guide/en/elasticsearch/reference/current/…
术语聚合的文档也说计数也是近似的。想知道这是否由 size: 0 处理？
哈，从来没有注意到这一点。如果我没看错，大概计数的原因是由于分片存储对“前 x”结果存在“偏见”。所以我想如果你使用size:0 它应该是准确的，你怎么看？
我认为你是对的。如果你这样回答我可以接受。

标签： elasticsearch

【解决方案1】：

现在已弃用设置 size:0，因为具有高基数字段值的集群会出现内存问题。您只能使用 1 到 2147483647 之间的数字。

来源：https://github.com/elastic/elasticsearch/issues/18838

【讨论】：

【解决方案2】：

根据documentation，术语聚合中的近似计数的原因是由于分片分桶对“前 x”结果存在“偏见”。

如果您设置"size": 0，我很确定 Elasticsearch 将返回准确的结果。

【讨论】：

可能在最近的版本中有所改变，但 0 会导致错误[size] must be greater than 0