关于这种聚合的文档上有一个警告，内容涉及超大索引[1]的自由文本字段上的RAM使用。在大索引上，它对于词汇量较小的低基数字段（例如，标签）有效，但许多自由文本术语和许多文档的组合却很浪费内存。您可以查看在为Field 字段加载FieldData缓存[2]时指定一个过滤器，以修整低频项的长尾（例如doc频率<2），这将减少RAM开销。
在分析仅匹配的顶级文档样本中的重要术语之前，我使用了该算法的变体，并且此方法所需的RAM更少，因为仅从磁盘读取了前N个文档并标记了令牌（使用TermVectors或Analyzer）。但是，目前，Elasticsearch中的实现依赖于FieldData缓存并查找所有匹配文档的术语。
还有一件事- 当您说要“比较指定文档的正文”时，请注意，通常的操作方式是将一组文档与背景进行比较，而不仅仅是一个。所有分析均基于文档频率计数，因此，对于仅包含一个文档的样本集，所有术语的前景频率均为1，这意味着您缺乏加强任何分析的证据。
602392714
清零编程群