# 基數聚合 原文鏈接 :[https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-metrics-cardinality-aggregation.html](https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations-metrics-cardinality-aggregation.html) 譯文鏈接 :[基數聚合](/pages/viewpage.action?pageId=5505309) 貢獻者 : @您的名字 @wangxiang single-value度量聚合就是計算單值的近似值。這些值可以從文本中獲取或者使用腳本生成。 假設你正在建立書的索引，并且希望請求與作者唯一匹配： ``` { "aggs" : { "author_count" : { "cardinality" : { "field" : "author" } } } } ``` ## Precision Control 這個聚類操作支持precision_threshold選項： | 警告 | precision_threshold選項特定于當前內部實現的cardinality agg，它可能會在以后進行修改。 | | --- | --- | ``` { "aggs" : { "author_count" : { "cardinality" : { "field" : "author_hash", "precision_threshold": 100 } } } } ``` precision_threshold選項允許交易內存的準確性，并定義一個唯一的計數，低于該計數預計接近準確。 高于這個值，計數可能會變得更模糊。 支持的最大值為40000，超過此數字的閾值將具有與閾值40000相同的效果。默認值為3000。 ## Counts are approximate 計算精確計數要求加載值到一個哈希集并返回它的大小，當工作在高基數時需要占用大量的內存空間，同時在節點間溝通每個分片集也會占用大量的集群資源，所以計算的效率是比較低的。基數聚合基于[HyperLogLog++](http://static.googleusercontent.com/media/research.google.com/fr//pubs/archive/40671.pdf)?算法，這個算法基于散列值，它有以下這些有趣的性質： * 可配置的精度，它決定為了準確性如何交換內存； * 低基數集的優良精度； * 固定內存使用：無論有幾十或數十億的唯一值，內存的使用僅取決于配置的精度。 對于c的精確閾值，我們的實現需要使用大約8字節。 下圖顯示了設置閾值前后誤差如何變化：  對于所有3個閾值，計數已準確到配置閾值（雖然沒有保證，這是可能的情況下）。請注意，即使有一個閾值低至100，錯誤仍然非常低，即使是數以百萬計數據。 ## Pre-computed hashes 在具有高基數的字符串字段中，在索引中存儲字段值的哈希值可能更快，然后在該字段中運行基數聚合。可以在客戶端計算出哈希值（再提供給es），也可以讓elasticsearch使用[`mapper-murmur3`](https://www.elastic.co/guide/en/elasticsearch/plugins/5.3/mapper-murmur3.html)插件為你計算出哈希值。 預計算哈希值通常僅適用于非常大的和/或高基數字段，這樣可以節省CPU和內存。然而，對于數字字段，計算哈希是非常快速的，存儲原始的值需要的內存比存儲計算出的哈希值可能更多也，可能更少（差不多，所以沒必要使用預計算哈希值）。對于低基數字符串字段也是這樣，特別是在那些優化確保每一段數據哈希值保持唯一值的情況下（也沒必要使用預計算哈希值）。 ## Script 基數聚合支持使用腳本，但是使用腳本會帶來明顯的性能損失： ``` { "aggs" : { "author_count" : { "cardinality" : { "script": { "lang": "painless", "inline": "doc['author.first_name'].value + ' ' + doc['author.last_name'].value" } } } } } ``` 上面的語句將會使用系統內置的腳本語言進行解釋，而且是不帶參數的。用一個文件腳本的完整語法如下： ``` { "aggs" : { "author_count" : { "cardinality" : { "script" : { "file": "my_script", "params": { "first_name_field": "author.first_name", "last_name_field": "author.last_name" } } } } } } ``` 對于索引腳本只需要將file參數替換為id參數。 ## Missing Value Missing字段定義了文檔缺失值的時候應該如何處理。默認情況下這些文檔會被忽略，但是也可以認為它們有一個默認的值存在： ``` { "aggs" : { "tag_cardinality" : { "cardinality" : { "field" : "tag", "missing": "N/A" } } } } ``` 如果文檔沒有tag字段，則認為該文檔的tag值為“N/A”。