Manticore Search分布式查询中重复ID导致崩溃问题解析
2025-05-23 15:24:00作者:魏侃纯Zoe
问题背景
在Manticore Search这个开源搜索引擎中,当数据表中存在重复ID的记录时,通过分布式表执行查询操作会导致服务崩溃。这个问题不仅影响实时表(RT表),也影响普通表(plain表),因为普通表允许用户自行控制ID重复问题。
问题重现
这个问题可以通过两种方式重现:
- 实时表重现方式:
-- 创建表并插入重复ID数据
CREATE TABLE t(f text);
REPLACE INTO t VALUES(2, 'a');
FLUSH RAMCHUNK t;
REPLACE INTO t VALUES(10000000000000000000, 'a'),(2, 'a');
-- 创建分布式表并查询
CREATE TABLE d TYPE='distributed' AGENT='localhost:9312:t';
SELECT * FROM d WHERE id = 2; -- 这里会导致崩溃
- 普通表重现方式: 通过配置文件创建包含重复ID的CSV数据源:
source src {
type = csvpipe
csvpipe_command = echo "1,abc" && echo "1,def"
csvpipe_field = F
}
table t {
type = plain
source = src
path = /tmp/plain
}
table d {
type = distributed
agent = 127.0.0.1:19312:t
}
技术分析
这个问题的核心在于分布式查询处理过程中对重复ID的处理机制存在缺陷。当分布式表代理查询到本地表时,如果本地表包含重复ID记录,在结果聚合阶段会出现内存访问越界,导致服务崩溃。
从技术栈回溯来看,崩溃发生在RemotesGetField
函数中,这是分布式查询结果处理的关键环节。该函数未能正确处理来自不同分片的重复ID记录,导致内存访问异常。
影响范围
这个问题影响所有版本的Manticore Search,特别是在以下场景:
- 用户手动创建了包含重复ID的普通表
- 在7.0.0版本中创建的实时表可能存在重复ID问题(虽然7.0.1已修复创建重复ID的问题,但已存在的重复ID仍会导致崩溃)
解决方案
开发团队已经修复了这个问题,主要改进包括:
- 在分布式查询结果聚合阶段增加了对重复ID的健壮性检查
- 确保即使存在重复ID,查询也能正常返回结果而不会崩溃
需要注意的是,虽然服务不再崩溃,但分布式表和本地表对重复ID的查询结果展示仍存在细微差异(本地表会显示完整记录,而分布式表可能在某些字段上显示为空)。这是预期行为,因为分布式系统需要权衡一致性和可用性。
最佳实践建议
为避免此类问题,建议用户:
- 尽量避免在表中创建重复ID的记录
- 如果必须使用重复ID,确保所有相关字段值也完全相同
- 升级到包含此修复的最新版本
- 对于已存在重复ID的表,考虑重建表结构消除重复
这个问题再次提醒我们,在分布式系统中处理数据一致性需要特别谨慎,特别是在主键设计和查询处理方面。
登录后查看全文
热门项目推荐
- QQwen3-Next-80B-A3B-InstructQwen3-Next-80B-A3B-Instruct 是一款支持超长上下文(最高 256K tokens)、具备高效推理与卓越性能的指令微调大模型00
- QQwen3-Next-80B-A3B-ThinkingQwen3-Next-80B-A3B-Thinking 在复杂推理和强化学习任务中超越 30B–32B 同类模型,并在多项基准测试中优于 Gemini-2.5-Flash-Thinking00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0267cinatra
c++20实现的跨平台、header only、跨平台的高性能http库。C++00AI内容魔方
AI内容专区,汇集全球AI开源项目,集结模块、可组合的内容,致力于分享、交流。02- HHunyuan-MT-7B腾讯混元翻译模型主要支持33种语言间的互译,包括中国五种少数民族语言。00
GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile06
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.92 K

deepin linux kernel
C
22
6

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
192
274

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
929
553

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
422
392

openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
65

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K

Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8