Elasticsearch多分片索引通配符查询固定返回分片的原因与影响咨询

原因 #

精准词查询的分片定位逻辑 #

执行"query": "bar"这类精准词查询时，Elasticsearch会通过倒排索引的词项映射，直接定位到包含该词项的分片；或者通过默认的文档路由规则（基于_id哈希值），仅将查询发送到文档实际存储的分片。因此返回的_shard字段就是文档真实所在的分片（比如[my-index][1]）。

通配符/前缀查询的分片执行逻辑 #

当使用"query": "bar*"这类通配符/前缀查询时，Elasticsearch无法提前通过倒排索引确定哪些分片包含匹配的词项，会将查询广播到索引的所有分片。虽然只有存储目标文档的分片会返回该文档，但启用explain参数后，协调节点在合并结果、生成解释信息时，会固定选择某个分片（通常是分片0）来输出_shard字段，而非保留文档实际存储的分片标识。

影响 #

• 结果正确性无影响：目标文档依然会被正确命中，_shard字段的显示错误仅存在于explain输出中，不影响查询结果的准确性。
• 性能层面：通配符/前缀查询本身属于“昂贵查询”，需要遍历所有分片的倒排索引，相比精准词查询性能损耗更大，但这和_shard显示问题是独立的两个点。
• 自定义路由可规避：如果索引使用了自定义路由，查询时指定routing参数，通配符查询会仅发送到目标分片，此时_shard会显示正确的分片信息。

内容的提问来源于stack exchange，提问作者tau