Elasticsearch Painless查询index_out_of_bounds_exception异常排查

• 分片部分成功部分失败是Elasticsearch分布式查询的正常表现：查询请求会分发到所有关联分片独立执行，协调节点会汇总所有返回的分片结果，你使用的客户端配置了「任意分片失败即抛出整体错误」的策略，因此哪怕4个分片返回了匹配结果，只要1个分片执行报错，客户端就会直接抛出异常。
• index_out_of_bounds_exception的直接触发原因是脚本逻辑存在边界缺失，且问题分片上存在格式不一致的脏文档：
  • 你的脚本逻辑默认遍历doc['collection']时，自增生成的下标index0/index1，一定能在creativeCollectionProperties字段下找到对应的{n}_index层级节点。
  • 失败分片上存储的部分文档，collection数组长度大于creativeCollectionProperties下实际存在的下标节点数量：比如某条文档collection有3个元素，但creativeCollectionProperties下仅存在0_index、1_index两个子属性，当循环自增到下标2、尝试访问creativeCollectionProperties.2_index.xxx路径时就会触发越界。
  • 你脚本中写的doc.containsKey()判断在ES部分版本中无法拦截这类路径越界问题：当路径对应的字段节点不存在时，直接调用.size()、.value方法会直接抛出数组越界异常。
  • 其余同结构索引没有触发问题，仅因为这些索引内的文档刚好满足collection长度与属性长度完全一致，不存在这类数据不一致的情况。

• 补全脚本的边界判断逻辑：循环内每次访问拼接的字段路径前，先获取creativeCollectionProperties相关字段的实际可访问长度，若当前自增下标超过实际长度，直接终止循环，不要访问不存在的路径。
• 简化脚本冗余逻辑，规避不稳定写法：
  • 删除Long.parseLong(131784.toString())这类无意义的类型转换，直接使用131784L表示长整型数值，减少执行开销
  • 多值字段判断长度大于0后，直接用doc[fieldPath][0]获取首个值，不要直接调用.value，避免隐式类型转换触发的不可预期错误
• 若业务不需要分片部分返回结果，可以在查询顶层增加参数"allow_partial_search_results": false，从ES服务层面禁止部分分片成功时返回结果，统一错误返回逻辑。

修复后的脚本参考：

{
  "query": {
    "bool": {
      "must": [
        {"term": {"type": {"value": 2}}},
        {"term": {"channels": {"value": 94}}},
        {"term": {"active": {"value": true}}}
      ],
      "filter": {
        "script": {
          "script": """
            int successCount = 2;
            int successIndex = 0;
            // 提前获取关联字段最大可访问长度，做边界校验
            int maxIndex = doc['collection'].size();
            // 第一组匹配逻辑
            int oneCombinationSuccessCount0 = 1;
            int index0 = 0;
            boolean productFound0 = false;
            for (def c : doc['collection']) {
              if (productFound0 || index0 >= maxIndex) {
                break;
              }
              int oneCombinationSuccessIndex0 = 0;
              def key = 'creativeCollectionProperties.' + index0 + '_index';
              if (doc.containsKey(key+'.product_category') && doc[key+'.product_category'].size() > 0) {
                def catVal = doc[key+'.product_category'][0];
                if (catVal == 131784L || doc[key+'.product_category'].contains(131784L)) {
                  oneCombinationSuccessIndex0 += 1;
                }
              }
              index0++;
              if (oneCombinationSuccessIndex0 >= oneCombinationSuccessCount0) {
                successIndex +=1;
                productFound0 = true;
              }
            }
            // 第二组匹配逻辑
            int oneCombinationSuccessCount1 = 2;
            int index1 = 0;
            boolean productFound1 = false;
            for (def c : doc['collection']) {
              if (productFound1 || index1 >= maxIndex) {
                break;
              }
              int oneCombinationSuccessIndex1 = 0;
              def key = 'creativeCollectionProperties.' + index1 + '_index';
              if (doc.containsKey(key+'.product_category') && doc[key+'.product_category'].size() > 0) {
                def catVal = doc[key+'.product_category'][0];
                if (catVal == 5818L || doc[key+'.product_category'].contains(5818L)) {
                  oneCombinationSuccessIndex1 +=1;
                }
              }
              if (doc.containsKey(key+'.generated_color') && doc[key+'.generated_color'].size() > 0) {
                def colorVal = doc[key+'.generated_color'][0];
                if (colorVal == 123324L || doc[key+'.generated_color'].contains(123324L)) {
                  oneCombinationSuccessIndex1 +=1;
                }
              }
              index1++;
              if (oneCombinationSuccessIndex1 >= oneCombinationSuccessCount1) {
                successIndex +=1;
                productFound1 = true;
              }
            }
            return successIndex >= successCount;
          """
        }
      }
    }
  },
  "allow_partial_search_results": false
}

额外优化建议：这类多条件关联过滤逻辑尽量不要用Painless脚本实现，性能比原生查询低1~2个数量级，数据量较大时会严重影响查询延迟，可以重构索引映射使用nested类型存储关联属性，用原生查询替代脚本过滤。

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