Manticore Search中JSON SI查询在伪分片模式下的结果不一致问题分析

问题背景

在Manticore Search 6.3.1版本中，开发人员发现了一个与JSON字符串索引(JSON SI)和伪分片(pseudo_sharding)功能相关的查询结果不一致问题。当使用in()函数对JSON字符串字段进行查询时，查询结果会因线程数设置的不同而出现差异。

问题现象

具体表现为以下两个查询返回不同的结果集：

-- 使用单线程查询
select id, in(j.str,'str1','str2','str3') as check from t where check=1 order by id asc option threads=1;

-- 使用双线程查询
select id, in(j.str,'str1','str2','str3') as check from t where check=1 order by id asc option threads=2;

技术分析

伪分片机制

伪分片是Manticore Search中的一项性能优化技术，它通过将单个索引在逻辑上划分为多个"分片"来并行处理查询。当启用pseudo_sharding=1时，系统会根据可用CPU核心数自动决定分片数量，或者可以通过option threads参数手动指定。

JSON字符串索引

JSON SI是Manticore Search对JSON文档中字符串字段的特殊索引方式，它允许高效地进行字符串匹配操作。in()函数是常用的字符串匹配函数，用于检查字段值是否在指定的值列表中。

问题根源

经过分析，这个问题源于伪分片模式下JSON SI查询处理的线程同步问题。当使用多线程时，不同线程处理的分片可能对JSON字符串字段的匹配结果产生不一致的判断，特别是在处理边界条件或特殊字符时。

解决方案

该问题已在代码提交cd1b93fcc56ad8e8e99c6c7a2f4c230e1bdaedce中得到修复。修复主要涉及以下几个方面：

1. 改进了JSON SI在多线程环境下的同步机制
2. 确保in()函数在不同分片间的一致性处理
3. 优化了伪分片模式下字符串匹配的逻辑流程

影响范围

这个问题主要影响以下使用场景：

• 启用了伪分片功能(pseudo_sharding=1)
• 使用JSON字符串索引(JSON SI)
• 在查询中使用了in()等字符串匹配函数
• 查询使用了多线程处理(threads>1)

最佳实践

为了避免类似问题，建议：

1. 对于关键业务查询，在升级前进行充分测试
2. 在使用JSON SI和伪分片功能时，保持Manticore Search版本更新
3. 如果发现查询结果不一致，可以尝试调整线程数进行排查

总结

Manticore Search作为高性能搜索引擎，其伪分片和JSON处理能力为复杂查询提供了强大支持。这次修复确保了在高并发环境下JSON查询结果的准确性，进一步提升了系统的可靠性。开发人员在使用这些高级功能时，应当注意版本兼容性和功能间的交互影响。