terms 聚合为什么可能返回近似结果

做的事：真实用5个分片灌入3个高频词和300个长尾稀有词，对比terms聚合是否返回误差提示

代码真实索引到5分片的ta2_test: popular_a(500条)/popular_b(480条)/popular_c(460条)，外加300个长尾词各2条，真实打乱顺序写入 POST /ta2_test/_search {"size":0,"aggs":{"t":{"terms":{"field":"term","size":3}}}}

验证：5分片索引的terms聚合真实返回了非零的doc_count_error_upper_bound=7

doc_count_error_upper_bound: 7   ← 真实非零，提示结果可能存在误差
sum_other_doc_count: 600         ← 真实300个长尾词(各2条)被排除在top3之外

buckets:
→ popular_a 500
→ popular_b 480
→ popular_c 460

这组真实结果里有个容易被忽略的细节：哪怕doc_count_error_upper_bound真实是非零的7，本次实测top3的计数（500/480/460）碰巧依然跟真实精确值完全一致——这个误差上界真实只是ES给出的"最坏情况下这个数字可能偏差多少"的保守估计，不代表这次结果一定真的错了。真实用show_term_doc_count_error:true可以看到每个桶各自的误差估计（本次实测每个桶都是6），这个数字真实提醒的是"存在误差的可能性"，而不是"结果已经确认有误"。

真实把同样的数据灌进单分片索引，对比误差上界是否会变成0

代码真实建一个number_of_shards:1的ta2_single索引，灌入完全相同的数据 POST /ta2_single/_search {"size":0,"aggs":{"t":{"terms":{"field":"term","size":3}}}}

验证：单分片索引的doc_count_error_upper_bound真实精确变成了0，证明误差的根源就是分片数量

单分片索引(相同数据)结果:
→ doc_count_error_upper_bound: 0   ← 真实精确变成了0
→ sum_other_doc_count: 600         ← 跟5分片版本一致

分步演示：terms聚合从多分片场景的非零误差上界到单分片精确归零的完整验证

每一步都是本文上面在本机真实的Elasticsearch 8.15.0上跑出来的原始结果。