Elasticsearch 搜索建议（Suggester）详解

在现代搜索应用中，搜索建议（Suggester） 是提升用户体验的关键功能。它能在用户输入过程中实时提供补全、纠错、联想等建议，显著降低拼写错误、提高搜索命中率。

Elasticsearch 提供了强大的 Suggester API，支持多种类型的搜索建议。本文将全面详解其原理、类型、配置与最佳实践。

---

一、什么是 Suggester？

Suggester 是 Elasticsearch 提供的一组 API，用于根据用户输入前缀或模糊拼写，返回可能的搜索建议。它不返回文档，而是返回建议文本（suggestion text）。

✅ 典型应用场景：

• 搜索框自动补全（“iph” → “iPhone”）
• 拼写纠错（“elasticsearch” → “Elasticsearch”）
• 相关搜索（“手机” → “手机壳”、“手机支架”）

---

二、Suggester 的基本结构

GET /products/_search
{
  "suggest": {
    "NAME": {                    // 建议名称（自定义）
      "TEXT": "iph",             // 用户输入文本
      "completion": {            // 建议类型
        "field": "title_suggest" // 包含建议数据的字段
      }
    }
  }
}

• suggest 位于查询顶层；
• 可同时返回多种建议；
• 不影响普通搜索结果。

---

三、四种核心 Suggester 类型

1. completion Suggester —— 自动补全（最常用）

适用于 前缀匹配，如搜索框补全。

Step 1：定义字段映射

PUT /products
{
  "mappings": {
    "properties": {
      "title": { "type": "text" },
      "title_suggest": {
        "type": "completion",
        "analyzer": "simple",
        "preserve_separators": true,
        "preserve_position_increments": true,
        "max_input_length": 50
      }
    }
  }
}

✅ completion 字段使用专用数据结构（FST），查询极快（毫秒级）。

Step 2：写入文档

PUT /products/_doc/1
{
  "title": "iPhone 15 Pro",
  "title_suggest": {
    "input": ["iPhone", "iPhone 15", "iPhone 15 Pro", "苹果手机"],
    "weight": 30
  }
}

• input：建议词列表；
• weight：权重，影响排序。

Step 3：查询建议

POST /products/_search
{
  "suggest": {
    "product_suggest": {
      "prefix": "iph",
      "completion": {
        "field": "title_suggest",
        "skip_duplicates": true
      }
    }
  }
}

返回结果：

"suggest": {
  "product_suggest": [
    {
      "text": "iph",
      "offset": 0,
      "length": 3,
      "options": [
        { "text": "iPhone 15 Pro", "score": 30, "_source": {} }
      ]
    }
  ]
}

✅ 支持 fuzzy 模糊匹配：

"fuzzy": {
  "fuzziness": 1,
  "transpositions": true
}

---

2. phrase Suggester —— 短语纠错

用于纠正搜索短语中的拼写错误，基于语言模型。

示例：

"suggest": {
  "text": "carmera lucne",
  "phrase": {
    "field": "title",
    "max_errors": 2,
    "confidence": 1.0,
    "direct_generator": [
      {
        "field": "title.trigram",
        "suggest_mode": "always",
        "min_term_freq": 1
      }
    ]
  }
}

返回纠正后的短语：“camera lunch” → “camera lens”

⚠️ 需要对字段使用 ngram 分词器预处理。

---

3. term Suggester —— 单词纠错

对单个词进行拼写纠错，适用于简单场景。

"suggest": {
  "text": "elaticsearch",
  "term": {
    "field": "title",
    "sort": "frequency",
    "suggest_mode": "missing"
  }
}

• suggest_mode:
  • missing: 仅当词不在索引中时建议
  • popular: 建议更常见的词
  • always: 总是建议

返回：“elasticsearch”

---

4. context Suggester —— 上下文感知补全

在 completion 基础上，支持基于上下文过滤建议。

示例：按类目补全

"category_suggest": {
  "type": "completion",
  "contexts": {
    "category": {
      "type": "category"
    }
  }
}

写入：

"category_suggest": {
  "input": ["手机", "笔记本"],
  "contexts": {
    "category": ["electronics"]
  }
}

查询时指定上下文：

"category": {
  "category": "electronics"
}

✅ 实现“电子产品类搜索建议”、“书籍类搜索建议”等多租户场景。

---

四、Suggester 性能优化建议 ✅

场景	建议
completion 字段	使用 input 预生成常见组合
大文档集	避免在大索引上频繁更新 completion 字段
模糊匹配	限制 fuzziness: 1，避免性能下降
权重控制	使用 weight 提升热门建议排序
内存优化	completion 字段占用堆外内存，监控 segments
缓存	应用层缓存高频前缀建议（如“a”, “ap”）

---

五、完整示例：电商搜索建议系统

PUT /products
{
  "mappings": {
    "properties": {
      "title": { "type": "text" },
      "suggest": {
        "type": "completion",
        "analyzer": "simple",
        "contexts": {
          "category": { "type": "category" }
        }
      }
    }
  }
}

# 写入商品
POST /products/_doc
{
  "title": "iPhone 15 Pro 手机",
  "suggest": {
    "input": ["iPhone", "iPhone 15", "iPhone 15 Pro", "苹果手机", "手机"],
    "weight": 100,
    "contexts": {
      "category": ["electronics", "phone"]
    }
  }
}

# 查询建议
POST /products/_search
{
  "suggest": {
    "title_suggest": {
      "prefix": "iph",
      "completion": {
        "field": "suggest",
        "fuzzy": { "fuzziness": 1 },
        "contexts": {
          "category": "electronics"
        }
      }
    }
  }
}

---

六、Suggester 与其他功能对比

功能	适用场景	延迟
completion	前缀补全	⚡ < 10ms
term	单词纠错	🕐 10~50ms
phrase	短语纠错	🕐 50~200ms
ngram + match	简单补全	🕐 依赖数据量
fuzzy + term	拼写纠错	🕐 中等

✅ 推荐：completion 用于补全，term/phrase 用于纠错。

---

七、扩展建议

场景	建议方案
拼音搜索	使用 pinyin analyzer + completion
多语言支持	为不同语言创建独立 suggest 字段
热门搜索推荐	结合 aggs 统计高频搜索词，写入 completion
个性化建议	基于用户历史行为生成上下文建议
冷启动问题	初始填充运营配置的热门词

---