相同值的不同聚合计数

Question

在 Elasticsearch 中面临聚合查询问题。问题如下，

我在同一查询中要求两个不同的聚合。第一个是“显示 subject.label 这些特定值的文档计数”，第二个是“显示 subject.label 中 5 个最常见值的文档计数。”

已尝试查询，

POST my_index/search
{
  "query": {
    "match_all": {}
  },
  "size": 0,
  "aggs": {
    "selected": {
      "terms": {
        "field": "subject.label",
        "include": [ "Buddhist art" ],
        "order": { "_count": "desc" },
        "size": 5
      }
    },
    "subject": {
      "terms": {
        "field": "subject.label",
        "order": { "_count": "desc" },
        "size": 5
      }
    }
  }
}

得到以下结果

{
  "took" : 5,
  "timed_out" : false,
  "_shards" : {
    "total" : 5,
    "successful" : 5,
    "skipped" : 0,
    "failed" : 0
  },
  "hits" : {
    "total" : {
      "value" : 10000,
      "relation" : "gte"
    },
    "max_score" : null,
    "hits" : [ ]
  },
  "aggregations" : {
    "userFacets" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 0,
      "buckets" : [
        {
          "key" : "Buddhist art",
          "doc_count" : 12
        }
      ]
    },
    "subject" : {
      "doc_count_error_upper_bound" : 11,
      "sum_other_doc_count" : 1005,
      "buckets" : [
        {
          "key" : "Architecture",
          "doc_count" : 88
        },
        {
          "key" : "Painting",
          "doc_count" : 80
        },
        {
          "key" : "Berkeley (Calif.)",
          "doc_count" : 25
        },
        {
          "key" : "Buddhist art",
          "doc_count" : 11
        },
        {
          "key" : "Church architecture",
          "doc_count" : 10
        }
      ]
    }
  }
}

第一个聚合结果中Buddhist art的值怎么可能是12而第二个聚合结果中却是11？这是对单个索引的单个聚合查询。 （事实上，有 12 个文档的 subject.label 值为“佛教艺术”。）。

（这个例子我取自另一篇文章https://discuss.elastic.co/t/ Different-aggregation-count-for-the-same-value/324566）

谢谢你。

Answer 1

术语聚合返回

approximate

结果。

从您分享的 ES 回复中我可以看到以下内容：

"subject" : {
  "doc_count_error_upper_bound" : 11,
  "sum_other_doc_count" : 1005,

这意味着为了搜索速度而忽略了一些文档。

即使使用较大的 shard_size 值，术语聚合的 doc_count 值也可能是近似的。因此，术语聚合上的任何子聚合也可能是近似的。

您可以增加shard_size以获得更准确的结果。

sum_other_doc_count 是未成功的文档数量 进入顶部尺寸条款。如果这个值大于0，你可以 确保术语 agg 必须扔掉一些桶，要么是因为 它们不适合协调节点的尺寸或者不适合 到数据节点上的 shard_size 中。 https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-bucket-terms-aggregation.html#terms-agg-doc-count-error