乐闻世界logo
5月29日 00:51

Elasticsearch 的 suggest 功能如何实现自动补全？

ES 提供四种 suggester：Completion Suggester 基于内存 FST（有限状态转换器）做前缀匹配，延迟极低，适合自动补全；Term Suggester 基于编辑距离做拼写纠错；Phrase Suggester 在 Term 基础上加 n-gram 语言模型优化整句建议；Context Suggester 为 Completion 增加分类/地理上下文过滤。自动补全场景用 Completion Suggester：索引时将建议词存入 completion 类型字段构建 FST，查询时用 prefix 参数匹配，毫秒级返回。

追问

Completion Suggester 为什么快？

它将建议词构建为 FST 结构常驻内存，前缀匹配是 O(k) 复杂度（k 为前缀长度），不涉及倒排索引扫描和评分计算，所以延迟在毫秒级。

Completion 和 search_as_you_type 有什么区别？

Completion 是独立建议通道，返回建议词而非文档；search_as_you_type 是特殊 text 子类型，本质还是全文检索返回文档。Completion 更适合输入框补全，search_as_you_type 更适合边输边搜文档内容。

拼写纠错用哪个？

Term Suggester。它基于倒排索引中的词项做编辑距离计算，返回相似词建议。需要指定 suggest_mode：missing（仅缺词建议）、popular（热门词优先）、always（始终建议）。

如何给建议词加权重？

在 completion 字段中设置 weight 属性，权重高的建议优先返回。常用于热门搜索词提权："suggest": {"input": "laptop", "weight": 100}。

FST 内存开销大吗？

FST 是高度压缩的有向无环图，百万级建议词通常只占几十 MB。但建议词总量达亿级时需评估内存，可用 context 过滤减少单次匹配范围。

写段代码

json
PUT /search-suggest
{
  "mappings": {
    "properties": {
      "title": { "type": "keyword" },
      "suggest": {
        "type": "completion",
        "analyzer": "standard"
      }
    }
  }
}

GET /search-suggest/_search
{
  "suggest": {
    "auto": {
      "prefix": "elas",
      "completion": { "field": "suggest", "size": 5 }
    }
  }
}
标签：ElasticSearch