如何在Watson Discovery v2中统计集合内的文档数量？

Watson Discovery v2确实移除了v1版本中get_collection接口返回的document_counts字段，不过可以通过以下两种高效方式实现文档计数，避免全量查询的超时问题：

方法1：利用聚合查询快速统计 #

通过Discovery v2的query接口聚合功能，仅请求文档总数，不返回实际文档内容，响应速度快且无超时风险：

from ibm_watson import DiscoveryV2
from ibm_cloud_sdk_core.authenticators import IAMAuthenticator

def get_collection_doc_count(apikey, service_url, project_id, collection_id):
    authenticator = IAMAuthenticator(apikey)
    discovery = DiscoveryV2(
        version='2021-08-30',
        authenticator=authenticator
    )
    discovery.set_service_url(service_url)
    
    # 发起聚合查询，仅统计文档总数
    response = discovery.query(
        project_id=project_id,
        collection_ids=[collection_id],
        aggregations=['count()'],
        return_fields='',  # 不返回任何文档字段，减少数据传输
        limit=0  # 不返回具体文档结果
    ).get_result()
    
    # 提取聚合结果中的文档总数
    return response['aggregations'][0]['count']

方法2：从集合索引状态获取计数 #

如果集合近期完成过索引任务，可以通过get_collection接口返回的索引状态元数据间接获取已处理文档数：

from ibm_watson import DiscoveryV2
from ibm_cloud_sdk_core.authenticators import IAMAuthenticator

def get_count_from_index_status(apikey, service_url, project_id, collection_id):
    authenticator = IAMAuthenticator(apikey)
    discovery = DiscoveryV2(
        version='2021-08-30',
        authenticator=authenticator
    )
    discovery.set_service_url(service_url)
    
    coll_details = discovery.get_collection(
        project_id=project_id,
        collection_id=collection_id
    ).get_result()
    
    # 提取已完成索引的文档数量
    return coll_details['index_status']['documents_processed']

注意：该方法返回的是已完成索引的文档数，若有正在处理的文档，数值会和实际可用文档数存在偏差，适合对实时性要求不高的场景。

内容的提问来源于stack exchange，提问作者Giacomo Bartoli