如何通过Elasticsearch内部文档ID定位触发报错的目标文档？

问题场景 #

在Rails应用中基于Elasticsearch索引执行全文档文本搜索时，触发如下报错：

The length [3618270] of field [text] in doc[126737]/index[my-index] exceeds the [index.highlight.max_analyzed_offset] limit [1000000]. To avoid this error, set the query parameter [max_analyzed_offset] to a value less than index setting [1000000] and this will tolerate long field values by truncating them.

报错里的doc[126737]是Elasticsearch底层Lucene的内部文档ID，并非项目自定义的文档ID，直接通过http://localhost:9200/my-index/_doc/126737查询会返回未找到，以下是具体定位方法：

定位步骤 #

1. 通过脚本查询匹配内部ID #

向Elasticsearch发送搜索请求，用脚本直接匹配Lucene内部文档ID，获取对应文档的自定义ID及完整内容：

请求地址：http://localhost:9200/my-index/_search
请求方式：POST/PUT
请求体：

{
  "query": {
    "bool": {
      "filter": {
        "script": {
          "script": "doc._id == 126737"
        }
      }
    }
  },
  "_source": true
}

将126737替换为报错中的实际内部ID数值即可。执行后返回的结果里，会包含该文档的自定义_id以及所有字段内容，以此定位到超长text字段的目标文档。

2. （可选）指定分片缩小查询范围 #

若已知该内部ID所在的分片编号，可在请求地址后添加参数缩小查询范围，比如分片号为0时：
http://localhost:9200/my-index/_search?preference=_shards:0
请求体与上述一致，能提升查询效率。

后续处理 #

定位到目标文档后，在Rails API的摄入逻辑中添加text字段截断处理，示例代码：

# 在数据入库前截断text字段，控制在1000000字符以内
document.text = document.text.truncate(999999, omission: '')

内容的提问来源于stack exchange，提问作者William Dewey