elasticsearch聚合精确性问题

Question

在elasticsearch中做聚合 cardinality 时，当数据在百万级别的时候，精确性往往得不到保证。实测发现大概5% 左右的误差。难道elasticsearch中 cardinality 聚合真的不能做到完全精确吗？

另外，mysql中 distinct或者group by对于百万级别千万级别数据，加索引优化速度依然不理想。关于这种聚合查询，既然elasticsearch不能保证精确性，那在实时性要求较高的场景中应该如何处理比较好呢

Answer 1

是的，官方文档已经说明。cardinality 度量是一个近似算法。 它是基于 HyperLogLog++ （HLL）算法的。 HLL 会先对我们的输入作哈希运算，然后根据哈希运算的结果中的 bits 做概率估算从而得到基数。所以在效率和准确度权衡之下，误差是可以接受的。