如何确定Azure Cognitive Search中索引器已索引的具体文件？

以下是3种可落地的实现方式，无需依赖你目前使用的仅返回统计值的API：

• 开启索引器详细操作日志
  大部分通用索引服务（包括开源的Elasticsearch、商业云服务的检索组件）都支持配置索引操作的详细审计日志，你可以在索引器配置页开启文件级操作日志开关，日志中会自动记录每一个被处理文件的文件名、存储路径、处理状态、完成时间等信息，你可以直接导出日志筛选状态为成功的记录即可得到全量已索引文件列表。本地部署的索引服务可以直接修改配置文件，开启index.document.trace参数即可生成对应日志。
• 新增索引元数据字段映射
  在现有索引结构中新增source_file_name、source_file_path两个字符串类型的字段，随后修改索引器的元数据映射规则，将源文件自带的文件名、路径属性自动映射到这两个新增字段中。后续索引完成后，你可以直接调用索引的查询接口拉取所有文档的这两个字段值，即可得到完整的已索引文件列表，查询示例如下：

GET /your_index_name/_search?size=10000&_source=source_file_name,source_file_path

若索引内的文档总量超过单次查询的上限（通常为10000条），可以使用滚动查询/分页查询的方式分批拉取全量数据。

• 差集计算法
  如果你能拿到全量待索引的源文件列表，同时可以通过现有API拉取到索引失败的文件列表，直接对两个列表做差集计算，即可快速得到成功索引的文件列表。该方案无需修改现有索引和索引器配置，适合临时排查的场景。

内容的提问来源于stack exchange，提问作者siddarfer