Elasticsearch tags字段为何随机存为数组字符串而非字符串数组

这个偶发的字段类型异常和Elasticsearch本身的数组处理逻辑无关，核心原因是写入流程中出现了重复JSON序列化，或者字段在传入ES客户端前就已经被转成了字符串。
Elasticsearch本身不需要提前为数组配置特殊mapping，只要写入的_source里对应值是数组结构，就会自动按数组类型处理，不会主动把数组转成字符串。
随机出现的特征基本可以锁定是代码分支逻辑不一致、或者全局序列化逻辑偶发冲突导致的，常见触发场景有两类：

• 业务预处理逻辑的分支漏判：不同来源的tags数据走了不同的处理流程，某条分支里提前对tags数组调用了to_json/JSON.dump之类的序列化方法，把原生Ruby数组["food"]转成了字符串"[\"food\"]"，后续组装索引请求时，ES客户端会把整个请求体再做一次序列化，最终存入ES的就是转义后的字符串，而非数组。
• 客户端序列化配置异常：如果初始化elasticsearch-ruby客户端时自定义了序列化器，或者项目中引入了会对Hash/Array做全局自动序列化的第三方gem，会出现偶发的重复序列化问题。ES客户端不会对传入的字段做类型强校验，如果收到的tags字段已经是字符串，会直接原样写入，不会自动反解析回数组。

• 定位问题点：在调用index方法前打印tags字段的类型，异常触发时你会看到该字段的类型是String而非Array，顺着调用栈往上找就能定位到提前序列化字段的代码位置。
• 加写入兜底逻辑：组装索引请求前对tags字段做类型校验，如果是数组格式的字符串，先通过JSON.parse转成原生数组再传入，避免脏数据落盘。
• 检查客户端配置：不要覆盖elasticsearch-ruby默认的序列化逻辑，调用index接口时始终传入原生Ruby Hash结构的body，不要提前把整个body转成JSON字符串再传入。
• 排查项目内的全局hook：检查是否有参数处理、日志埋点、序列化相关的全局逻辑会偶发修改Hash内的数组值。

内容的提问来源于stack exchange，提问作者user16012143