elasticsearch - elasticsearch aggs 中的非重复计数大于 doc_count

Question

我写了一些聚合查询来获取总数(总和)和唯一计数。但结果有点困惑。

唯一值大于 doc_count。
是否可以？

我知道 cardinality aggs 是实验性的，可以获得不同值的近似计数。
http://www.elasticsearch.org/guide/en/elasticsearch/reference/current/search-aggregations-metrics-cardinality-aggregation.html

但是这个结果太糟糕了。如您所见，有许多唯一大于 doc_count 的桶。
请求格式有问题吗？或基数限制？

索引了 50 万个文档
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"
                }
            }
        }
    }
}  

响应

{
"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
                }
            },

编辑。更多测试

我再次尝试使用仅过滤一个 eventId 的 1,000 precision_threshold
但结果的错误是一样的。基数预计少于 30,000，但超过 66,000(这大于文档总大小)

doc_count : 65,672(没问题。对)基数:66,037(大于 doc_count)实际基数:大约 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
        }
    }
}

响应

{
"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。这应该会稍微改善结果，但是由于不同值的数量很大，可能会有 20% 加减的误差。它甚至会发生在较小的值上。