修改。更多测试

Question

我写了一些aggs查询来获得总计（总和）和唯一计数。但结果有点困惑。

唯一值大于doc_count 可能吗？

我知道基数aggs是实验性的，可以得到不同值的近似计数 http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/search-aggregations-metrics-cardinality-aggregation.html

但结果太差了。正如你所看到的那样，有许多独特的桶比doc_count大。
请求格式有什么问题吗？或基数限制？

索引的文件有50万份并且有15种类型的eventID
ES 1.4使用。

请求

{
"size": 0,
"_source": false,
"aggs": {
    "eventIds": {
        "terms": {
            "field": "_EventID_",
            "size": 0
        },
        "aggs": {
            "unique": {
                "cardinality": {
                    "field": "UUID"
                }
            }
        }
    }
}

{
"took": 383,
"timed_out": false,
"_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
},
"hits": {
    "total": 550971,
    "max_score": 0,
    "hits": [

    ]
},
"aggregations": {
    "eventIds": {
        "doc_count_error_upper_bound": 0,
        "sum_other_doc_count": 0,
        "buckets": [
            {
                "key": "red",
                "doc_count": 165110,
                "unique": {
                    "value": 27423
                }
            },
            {
                "key": "blue",
                "doc_count": 108376,
                "unique": {
                    "value": 94775
                }
            },
            {
                "key": "yellow",
                "doc_count": 78919,
                "unique": {
                    "value": 70094
                }
            },
            {
                "key": "green",
                "doc_count": 60580,
                "unique": {
                    "value": 78945
                }
            },
            {
                "key": "black",
                "doc_count": 49923,
                "unique": {
                    "value": 56200
                }
            },
            {
                "key": "white",
                "doc_count": 38744,
                "unique": {
                    "value": 45229
                }
            },

修改。更多测试

我再次尝试使用1,000精度阈值，仅过滤了一个eventId
但结果的错误是一样的。基数预计低于30,000，但超过66,000（这大于文件总大小）

doc_count：65,672（没问题。右）基数：66,037（大于doc_count）实际基数：约23,000（由rdbms脚本计算......）

请求

{
"size": 0,
"_source": false,
"query": {
    "term": {
        "_EventID_": "packdownload"
    }
},
"aggs": {
    "unique": {
        "cardinality": {
            "field": "UUID",
            "precision_threshold": 10000
        }
    }
}

}

{
"took": 28,
"timed_out": false,
"_shards": {
    "total": 5,
    "successful": 5,
    "failed": 0
},
"hits": {
    "total": 65672,
    "max_score": 0,
    "hits": []
},
"aggregations": {
    "unique": {
        "value": 66037
    }
}

}

Answer 1

精度阈值的最高值为40,000。这应该会略微改善结果，但是如果计算出明显不同的值，则可能会出现20％加上减去的误差。它甚至会以较低的值发生。

distinctsearch在弹性搜索aggs中大于doc_count

修改。更多测试

1 个答案: