10、Elasticsearch 聚合与文档关系深度解析

Elasticsearch 聚合与文档关系深度解析

1. 显著词聚合（significant_terms aggregation）

显著词聚合用于找出在给定查询中显著的词项，不过在使用时存在一些需要注意的点。

1.1 参数设置影响

降低显著词的约束条件会使结果与原示例不同，虽然能获取更多词项，但结果质量可能变差。将参数设置为 1 可能导致结果包含拼写错误和奇怪的词，一般不建议这样做。

使用 min_doc_count 属性时需注意，在聚合计算的第一阶段，Elasticsearch 会在每个分片上收集得分最高的词项。由于分片没有全局词频信息，判断一个词项是否为显著词项是基于分片词频。 min_doc_count 属性在查询的最后阶段应用，当所有分片结果合并时，可能出现高频词不在显著词列表中，而列表被高得分词项填充的情况。为避免这种情况，可以增加 shard_size 属性，但会增加内存消耗和网络使用量。

1.2 执行模式选择

Elasticsearch 允许指定执行模式来计算显著词聚合。可以将 execution_hint 属性设置为 map 或 ordinal 。 map 类型让 Elasticsearch 使用值本身按桶聚合数据， ordinal 类型则使用值的序号。在大多数情况下，将 execution_hint 属性设置为 or