ES 聚合分析的不准确原因分析

ElasticSearch 在聚合分析海量数据时不得不放弃搜索精准度以提高实时性为目标

Terms聚合分析的执行流程：

不精准的原因：

数据被分散至多段存储区域中，在执行聚合操作时，默认会对各存储区域实施Top-X策略（即取值个数），但这可能导致结果出现偏差）。另一方面，在分布式系统架构中通常不会为每段存储区域单独实施Top-X策略而是选择进行全量聚合操作（即对所有数据进行汇总计算），但这种做法必定会导致较大的性能开销

如何提高聚合精确度

方案1：设置主分片为1

注意7.x版本已经默认为1。

适用场景：数据量小的小集群规模业务场景。

方案2：调大 shard_size 值

建议将 shard_size 设置为较大的数值，并参考官方建议采用 size 的 1.5 倍加 10 的计算方法。shard_size 越大，则结果会更加接近精确聚合的结果值。另