Manticore Search中CALL KEYWORDS查询的优化与修复

在Manticore Search这个开源的全文搜索引擎中，CALL KEYWORDS是一个非常有用的功能，它允许用户查看查询词如何被分词和规范化。最近发现了一个与这个功能相关的重要修复，涉及到带通配符查询的处理方式。

问题背景

当使用CALL KEYWORDS查询时，系统会返回查询词的分词结果和规范化形式。用户发现了一个奇怪的现象：当查询中包含通配符时，是否添加"1 as stats"参数会导致不同的结果。

具体表现为：

1. 不带stats参数时，查询"asto*"能正确返回所有匹配的扩展词
2. 带上stats参数后，结果中除了扩展词外，还包含了原始通配符查询词
3. 执行FLUSH RAMCHUNK后，不带stats参数的查询只能返回原始通配符词，而带stats参数的查询仍能返回所有扩展词

技术原因分析

这个问题的根源在于Manticore Search对CALL KEYWORDS查询的处理优化。为了提升性能，系统做了一个优化：当不请求统计信息(即不带"1 as stats"参数)时，系统会直接从内存中的RT索引获取分词结果，而不去处理磁盘上的数据块(chunks)。

这种优化在大多数情况下是有效的，因为RT索引和磁盘chunks通常会产生相同的分词结果。然而，当查询包含通配符时，这种假设就不成立了。因为：

1. 磁盘chunks可能使用不同的字典
2. 通配符在不同字典中可能扩展出不同的词
3. 内存中的RT索引可能无法完全代表磁盘chunks中的分词行为

修复方案

修复方案的核心思想是：当检测到查询中包含通配符时，无论是否请求统计信息，都应该处理磁盘chunks以确保结果的准确性。

具体修改包括：

1. 在执行CALL KEYWORDS时检查查询词是否包含通配符
2. 如果发现通配符，则强制处理磁盘chunks
3. 确保通配符在所有字典中的扩展都能被正确处理

技术影响

这个修复对系统行为有以下影响：

1. 提高了带通配符查询的准确性
2. 对于包含通配符的查询，可能会略微降低性能(因为必须处理磁盘chunks)
3. 确保了查询结果的一致性，无论是否请求统计信息

最佳实践建议

对于使用Manticore Search的开发人员，建议：

1. 对于包含通配符的查询，始终检查CALL KEYWORDS的结果
2. 如果查询性能是关键考虑因素，尽量避免使用通配符查询
3. 在升级后，验证现有通配符查询的行为是否符合预期

这个修复体现了Manticore Search团队对查询准确性和一致性的重视，即使以轻微的性能代价为交换。对于依赖通配符查询的应用场景，这一改进将显著提升查询结果的可靠性。