由于您使用的是dplyr，下面是@Jon Spring在dplyr语法中的答案版本。
看起来您的问题确实与abc的内容有关。

library(dplyr)

random_id <- sample(1:1000, 500, replace = F)
total <- tibble(id = sample(1:6000, 1e6, replace = T))

filtered <- total %>% filter(id %in% random_id)

n_distinct(filtered$id) # 500

注意：dplyr::n_distinct省去了对length和unique的两次调用。

你没有提到abc是从哪里来的，但是如果它有重复的，那么你可能实际上没有画出500个唯一的id号。
当你从一个有重复的向量中提取一个样本时，即使你不替换，一些样本本身也可能是重复的，因为你可能是在对同一个id的不同示例进行采样。
如果源分布本身有重复值，我们可以从样本中获得非唯一值而无需替换：

set.seed(0)
sample(c(1,1,2), size = 3, replace = FALSE)
[1] 1 1 2

或者用你的例子：

set.seed(0)
abc = sample(1:6000, size = 1E6, replace = TRUE)

length(unique(sample(abc, 500, replace=F)))
[1] 477

length(unique(sample(unique(abc), 500, replace=F)))
[1] 500

我使用这个函数：

"%or%"=function(x,y) {  
          r=rep(F,length(x))
          for(i in y) r= r | sapply(x,function(x) x==i)  
          return(r)}

在您的案例中：

> abc=sample(1:10,100,replace=T)
> table(abc)
abc
 1  2  3  4  5  6  7  8  9 10 
13  7 10 11 15  5 13  7  8 11 
> random.id=sample(1:10,4)
> random.id
[1]  2  8  1 10
> y=abc[abc %or% random.id]
> table(y)
y
 1  2  8 10 
13  7  7 11