Elasticsearch 按字段分组并获取包含 2 个以上文档的存储桶的数量

Question

试图找到一种方法来获取聚合方面的存储桶计数，其中每个存储桶中至少包含两个文档。

能够获取存储桶，并保持足够大的大小以获取所有存储桶，但我真的很想知道如何获取存储桶总数：

"aggregations": {
    "by_universalId": {
        "terms": {
          "size": 10, 
            "field": "universalId",
            "min_doc_count": 2,
            "order": [
                {
                    "_count": "desc"
                },
                {
                    "_key": "asc"
                }
            ]
        }
    }
}

This GitHub 线程说，桶选择器是获取计数的正确方法，但无法找到方法。任何帮助表示赞赏，谢谢。

编辑1： 这是索引数据的样子：

{"id":"1", "universalId": "a"}
{"id":"2", "universalId": "a"}
{"id":"3", "universalId": "b"}
{"id":"4", "universalId": "b"}
{"id":"5", "universalId": "c"}
{"id":"6", "universalId": "c"}
{"id":"7", "universalId": "d"}
{"id":"8", "universalId": "d"}
{"id":"9", "universalId": "e"}
{"id":"10", "universalId": "e"}
{"id":"11", "universalId": "f"}
{"id":"12", "universalId": "f"}
{"id":"13", "universalId": "f"}
{"id":"14", "universalId": "g"}
{"id":"15", "universalId": "g"}
{"id":"16", "universalId": "g"}
{"id":"17", "universalId": "g"}
{"id":"18", "universalId": "h"}
{"id":"19", "universalId": "i"}
{"id":"20", "universalId": "j"}

当我运行这个查询时，我得到的计数是 5，而不是 7：

{
  "aggregations": {
      "by_universalId": {
        "terms": {
          "size": 5,
          "field": "universalId",
          "min_doc_count": 2,
          "order": [
            {
              "_count": "desc"
            },
            {
              "_key": "asc"
            }
          ]
        }
      },
      "bucketcount": {
        "stats_bucket": {
          "buckets_path": "by_universalId._count"
        }
      }
    }
}

这是我得到的：

"aggregations" : {
    "by_universalId" : {
      "doc_count_error_upper_bound" : 0,
      "sum_other_doc_count" : 4,
      "buckets" : [
        {
          "key" : "g",
          "doc_count" : 4
        },
        {
          "key" : "f",
          "doc_count" : 3
        },
        {
          "key" : "a",
          "doc_count" : 2
        },
        {
          "key" : "b",
          "doc_count" : 2
        },
        {
          "key" : "c",
          "doc_count" : 2
        }
      ]
    },
    "bucketcount" : {
      "count" : 5,
      "min" : 2.0,
      "max" : 4.0,
      "avg" : 2.6,
      "sum" : 13.0
    }
  }

如果我将大小更改为 10，那么我会得到正确的计数，即 7。

无论我在聚合方面传递的大小如何，我都希望计数为 7。

Elasticsearch 版本详情：

"version" : {
    "number" : "7.9.2",
    "build_flavor" : "default",
    "build_type" : "deb",

Answer 1

如果您想获得由术语聚合形成的桶的总数（最小文档计数为 2），那么您需要使用stats bucket aggregation

{
  "size": 0,
  "aggregations": {
    "by_universalId": {
      "terms": {
        "size": 10,
        "field": "universalId",
        "min_doc_count": 2,
        "order": [
          {
            "_count": "desc"
          },
          {
            "_key": "asc"
          }
        ]
      }
    },
    "bucketcount": {
      "stats_bucket": {
        "buckets_path": "by_universalId._count"
      }
    }
  }
}

更新 1：

您正在使用 stats_bucket 聚合（使用上述搜索查询）获取存储桶数。默认情况下，terms 聚合中的 size 参数默认为 10。

size参数用于设置聚合结果中应该返回的桶数。如果您指定 "size :5"，则只会返回 5 个存储桶，并且基于该统计信息，存储桶聚合将返回计数为 5。

在您的情况下，如果您甚至没有在 terms 聚合中传递 size 参数，您将得到计数为 7