elasticsearch aggregation - 桶的精确计数

Posted 2021-03-31

Elasticsearch新手问题。我将shakespeare.json加载到Elastic中，我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”是其中一个属性。）

现在我有这样的查询：

{
  "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）。还有其他一些魔法来获取存储桶中的确切数量吗？

另外，我已经发现我必须预先在索引上定义一个字段，以获得未分析的“发言人”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）

答案

根据documentation，聚合术语中近似计数的原因是由于关于“顶部x”结果的碎片争用是“偏向的”。

如果你设置"size": 0，我很确定Elasticsearch会返回准确的结果。

另一答案

设置大小：0现在已弃用，原因是具有高基数字段值的群集上存在内存问题。您只能使用1到2147483647之间的数字。

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