加载中

_doc_count 字段

Bucket 聚合始终返回一个名为 doc_count 的字段，其中显示了在每个 Bucket 中聚合和分区的文档数量。doc_count 值的计算非常简单。每个 Bucket 中收集到的每个文档都会使 doc_count 递增 1。

虽然这种简单方法在计算单个文档的聚合时是有效的，但它无法准确表示存储预聚合数据的文档（例如 histogram 或 aggregate_metric_double 字段），因为一个汇总字段可能代表多个文档。

为了在使用预聚合数据时正确计算文档数量，我们引入了一种名为 _doc_count 的元数据字段类型。_doc_count 必须始终是一个正整数，表示在单个汇总字段中聚合的文档数量。

将字段 _doc_count 添加到文档后，所有 Bucket 聚合都将尊重其值，并将 Bucket 的 doc_count 按该字段的值递增。如果文档不包含任何 _doc_count 字段，则默认隐含 _doc_count = 1。

重要提示
  • _doc_count 字段每个文档只能存储一个正整数。不允许使用嵌套数组。
  • 如果文档不包含任何 _doc_count 字段，Aggregator 将递增 1，这是默认行为。

以下 create index API 请求创建了一个新索引，其字段映射如下：

  • my_histogram，一个用于存储百分位数据的 histogram 字段
  • my_text，一个用于存储直方图标题的 keyword 字段
 PUT my_index {
  "mappings" : {
    "properties" : {
      "my_histogram" : {
        "type" : "histogram"
      },
      "my_text" : {
        "type" : "keyword"
      }
    }
  }
}

以下 index API 请求存储了两个直方图的预聚合数据：histogram_1 和 histogram_2。

 PUT my_index/_doc/1 {
  "my_text" : "histogram_1",
  "my_histogram" : {
      "values" : [0.1, 0.2, 0.3, 0.4, 0.5],
      "counts" : [3, 7, 23, 12, 6]
   },
  "_doc_count": 45
}

PUT my_index/_doc/2
{
  "my_text" : "histogram_2",
  "my_histogram" : {
      "values" : [0.1, 0.25, 0.35, 0.4, 0.45, 0.5],
      "counts" : [8, 17, 8, 7, 6, 2]
   },
  "_doc_count": 62
}
  1. 字段 _doc_count 必须是一个正整数，存储聚合生成每个直方图的文档数量。

如果在 my_index 上运行以下 terms aggregation

 GET /_search {
    "aggs" : {
        "histogram_titles" : {
            "terms" : { "field" : "my_text" }
        }
    }
}

我们将获得以下响应

{
    ...
    "aggregations" : {
        "histogram_titles" : {
            "doc_count_error_upper_bound": 0,
            "sum_other_doc_count": 0,
            "buckets" : [
                {
                    "key" : "histogram_2",
                    "doc_count" : 62
                },
                {
                    "key" : "histogram_1",
                    "doc_count" : 45
                }
            ]
        }
    }
}
© . All rights reserved.