35、Elasticsearch 近似聚合与显著词分析

Elasticsearch 近似聚合与显著词分析

1. 基数度量（Cardinality Metric）

基数度量是一种近似算法，基于 HyperLogLog++（HLL）算法。HLL 通过对输入进行哈希处理，并利用哈希值的位来对基数进行概率估计。

1.1 算法特性

• 可配置精度：精度控制内存使用，精度越高，内存使用越多。
• 低基数集的高精度：在低基数集合上具有出色的准确性。
• 固定内存使用：无论唯一值是数千还是数十亿，内存使用仅取决于配置的精度。

1.2 精度配置

要配置精度，需指定precision_threshold参数。该阈值定义了基数预计非常接近准确值的点。例如：

GET /cars/transactions/_search?search_type=count { "aggs" : { "distinct_colors" : { "cardinality" : { "field" : "color", "precision_threshold" : 100 } } } }

precision_threshold接受 0 -