ElasticSearch基数问题

问题描述：

基数聚合计算不同值的近似计数。但是为什么即使是存储在单个分片中的索引，它显示的值也不正确？ElasticSearch基数问题

 

    GET /jobs/_settings 

    { 
     "jobs": { 
     "settings": { 
      "index": { 
      "number_of_shards": "1", 
    ... 


    position_id is long 

    GET /jobs/_search 
    { 
     "size": 0, 
     "aggs": { 
     "count_position_id": { 
      "value_count": { 
      "field": "position_id" 
      } 
     }, 
     "unique_position_id": { 
      "cardinality": { 
      "field": "position_id", 
      "precision_threshold": 40000 
      } 
     } 
     } 
    } 

    { 
     "took": 44, 
     "timed_out": false, 
     "_shards": { 
     "total": 1, 
     "successful": 1, 
     "failed": 0 
     }, 
     "hits": { 
     "total": 52836, 
     "max_score": 0, 
     "hits": [] 
     }, 
     "aggregations": { 
     "unique_position_id": { 
      "value": 52930 
     }, 
     "count_position_id": { 
      "value": 52836 
     } 
     } 
    }

答

它更多的是用来计算基数的算法，而不是单张碎片的图片。

ES基数AGG工程，并使用HLL（hyperloglog），这是近似计数算法（它依赖于观察散列的二进制表示近似唯一值计算）

您可以通过定义这种日益增长的precision_threshold。所以控制精度是“近似计数” - 并非真的不正确。

ElasticSearch基数问题

相关推荐