Elasticsearch多值字段基数聚合结果不符的脚本实现问询

我有一个多值字段foo，想要对它执行cardinality聚合，聚合代码如下：

"fooCount": {
  "cardinality": {
    "precision_threshold": 1000,
    "field": "foo"
  }
}

同时查询里用terms过滤了foo的指定值：

{
  "terms": {
    "foo": [
      1042,
      1594,
      1741,
      4178
    ]
  }
}

预期基数结果是4，但实际结果更高——因为cardinality聚合会统计被过滤文档中foo字段包含的所有唯一值，而非仅我指定的那几个。我尝试用Painless脚本解决，最初的循环匹配和集合交集脚本都返回0，后来发现是字段类型不匹配（字段是字符串但用了数字），调整后脚本可用，但不确定这是不是最优、最高效的实现方式，想请教正确的脚本写法及最优方案。

高效的Painless脚本实现 #

核心思路是：仅保留foo字段值中与目标过滤值匹配的项，再对这些匹配项统计基数。由于foo是字符串类型，需将目标值转为字符串保证类型一致，同时利用集合交集操作提升效率：

"fooCount": {
  "cardinality": {
    "script": {
      "source": """
        def intersection = new HashSet(doc['foo'].values);
        intersection.retainAll(params.targets);
        return intersection;
      """,
      "lang": "painless",
      "params": {
        "targets": ["1042", "1594", "1741", "4178"]
      }
    },
    "precision_threshold": 1000
  }
}

脚本优势 #

• 性能最优：HashSet.retainAll()基于哈希表实现交集计算，时间复杂度远低于逐个循环匹配，处理大量数据时优势明显。
• 可维护性高：目标值通过params传递，便于修改和复用，无需修改脚本主体。
• 逻辑准确：直接返回匹配值的集合，cardinality聚合会自动统计其唯一值数量，正好得到预期的4。

常见问题规避 #

• 必须保证params.targets的类型与foo字段类型完全一致（本例中均为字符串），否则会出现匹配失败返回0的情况。
• 如果目标值数量极少（比如少于5个），循环匹配的性能差异不大，但集合交集写法仍更简洁。

内容的提问来源于stack exchange，提问作者Matt Burland