ElasticSearch重要词聚合疑问：搜索词的doc_count与bg_count不匹配

嘿，我来帮你拆解这个疑惑～首先得把doc_count和bg_count的真实含义掰扯清楚，这大概率是你理解偏差的核心点：

先明确两个字段的正确定义 #

• doc_count：它统计的是当前聚合上下文范围内（也就是你执行聚合时的查询/过滤结果集），包含该词条的文档数量。不是“同时匹配关键词和过滤条件”，而是“在过滤后的文档池里，有多少篇包含这个词条”。
• bg_count：它统计的是背景数据集里包含该词条的文档数量。这里的背景集默认是整个索引，但如果你设置了background_filter参数，或者你的聚合是嵌套在某个查询下的，背景集就会变成你指定的范围，而非全量数据。

为什么两者会不相等？ #

最常见的场景就是你的聚合是基于一个限定范围的查询/过滤结果来执行的：
举个简单例子：
假设你的索引总共有1000篇文档，其中有500篇包含“elasticsearch”（这时候默认bg_count=500）。然后你做了一个过滤查询，只筛选出tag:开发的文档，共200篇，其中150篇包含“elasticsearch”（这时候doc_count=150）。这时候执行significant terms聚合，“elasticsearch”的doc_count和bg_count自然就不一样——因为前者是过滤后的小池子的统计，后者是全索引的统计。

另外还有两种可能：

1. 你手动配置了background_filter：比如你把背景集限定为tag:运维的文档，那bg_count就是运维标签下包含该词条的数量，和当前聚合的上下文（比如tag:开发）的doc_count肯定不同。
2. 字段分词的影响：如果你的字段是分词字段，比如搜索词是“java”，但文档里有“java编程”，分词后“java”会被统计，但如果当前上下文和背景集的文档构成不同，统计数量也会出现差异。

什么时候两者才会相等？ #

只有当你的聚合上下文（查询/过滤后的结果集）完全等于背景集的时候，比如：

• 你没有设置任何过滤条件，直接对全索引做significant terms聚合；
• 你设置的background_filter和聚合的上下文过滤条件完全一致。

这时候doc_count和bg_count才会是同一个数值。

所以你可以先检查下自己的聚合查询：是否加了前置的过滤条件？有没有配置background_filter？这些都会导致两个数值出现差异，这其实是符合Elasticsearch的设计逻辑的哦～

内容的提问来源于stack exchange，提问作者Metropolis