ElasticSearch/OpenSearch超长keyword字段通配符查询失效咨询

我是ElasticSearch/OpenSearch新手，若有基础内容疏漏请见谅。我正在开发小说全文检索服务，novels索引包含以下字段：

• title：keyword类型，平均长度10-40字符
• content：原text类型，多数文档长度远超10万字符

为测试text与keyword类型差异，我将content改为keyword类型，文档可正常索引。随后执行以下通配符查询：

{
  "query": {
    "wildcard": {
      "content": "*あらゆる透明な幽霊の複合体*"
    }
  }
}

但未命中包含该短语的文档。而对title字段执行通配符查询可正常生效，执行以下match_phrase查询也能命中目标文档：

{
  "query": {
    "match_phrase": {
      "content": "あらゆる透明な幽霊の複合体"
    }
  }
}

我推测失效原因是content字段过长，现提出两个问题：

1. 我的假设——通配符查询对超长文本无效——是否正确？
2. 若假设成立，底层机制是什么？

使用环境：Docker部署的OpenSearch 1.2.4

1. 你的假设部分正确——并非所有超长keyword字段的通配符查询都会失效，而是当keyword字段内容长度超过特定阈值时，通配符查询无法命中目标内容。

2. 底层核心机制源于OpenSearch对超长keyword字段的索引规则：

   • keyword类型默认通过ignore_above参数限制索引的内容长度，OpenSearch 1.2.4中该参数默认值为256字节（注意是字节数，多字节字符如日文会占用更多字节，对应字符数更少）。
   • 当字段内容长度超过ignore_above阈值时，OpenSearch不会为该字段创建倒排索引，仅会在文档的_source中保留原始内容。
   • 通配符查询（wildcard）依赖倒排索引实现快速匹配，没有倒排索引的情况下，无法定位到目标文档。
   • 而match_phrase针对keyword类型时，会直接基于_source中的原始内容做匹配（本质是全文档扫描），因此能命中目标；title字段长度远低于256字节，有完整的倒排索引，所以通配符查询正常生效。

如果需要对超长文本做类似通配符的模糊匹配，更合理的方案是使用text类型配合合适的分词器，或者针对text类型分词后的词项执行查询（需注意性能损耗）；若坚持使用keyword类型，可调整ignore_above参数到足够大的值，但会大幅增加索引体积与内存占用，不建议对超长篇文本采用此方式。

内容的提问来源于stack exchange，提问作者Nullable Yogurt