在信息爆炸的时代，用户对搜索效率的要求越来越高。联想补全功能作为提升搜索体验的关键技术，能够在用户输入过程中实时提供可能的搜索建议，极大地减少了用户的输入成本。Elasticsearch（简称 ES）作为一款强大的分布式搜索引擎，内置了专门的联想补全机制。

一、核心概念与相关组件 

ES 的联想补全功能主要围绕completion类型字段和Completion Suggester展开。

• completion类型字段是专门为联想补全场景设计的，它采用了一种特殊的倒排索引结构 ——有限状态传感器（FST）。FST 能够高效地存储和检索前缀，非常适合处理前缀匹配的联想补全需求，并且占用的存储空间相对较小。

• Completion Suggester则是用于查询completion类型字段的工具，它可以根据用户输入的前缀，快速返回匹配的建议结果。

二、实现步骤 

1. 创建索引并定义映射

首先需要创建一个索引，并在映射中定义completion类型的字段。例如，创建一个名为products的索引，用于存储商品信息，其中suggest字段为completion类型，用于提供商品名称的联想补全。

PUT /products

{

    "mappings": {

    "properties": {

    "name": {

        "type": "text"

    },

    "suggest": {

        "type": "completion"

          }

    }

    }

}

2. 插入数据

向索引中插入包含completion类型字段的数据。在插入数据时，suggest字段需要传入一个数组，数组中的元素即为可能的联想建议项。

POST /products/_doc/1

{

    "name": "iPhone 15",

    "suggest": ["iPhone 15", "苹果手机 15", "iPhone 15 Pro"]

}

POST /products/_doc/2

{

    "name": "华为Mate 60",

    "suggest": ["华为Mate 60", "Mate 60", "华为手机 Mate 60"]

}

3. 使用 Completion Suggester 进行查询

当用户输入部分内容时，通过Completion Suggester查询completion类型字段，获取联想建议。例如，用户输入 “iPh”，查询代码如下：

POST /products/_search

{

    "suggest": {

    "product_suggest": {

            "prefix": "iPh",

            "completion": {
    
            "field": "suggest"

                }

           }

      }

}

查询结果会返回以 “iPh” 为前缀的建议项，如 “iPhone 15”“iPhone 15 Pro” 等。

高级用法

1. 权重设置

可以为不同的建议项设置权重（weight），权重高的建议项会优先显示。在插入数据时，将建议项以对象形式传入，指定input（建议文本）和weight（权重值）。

POST /products/_doc/3

{

    "name": "小米14",

    "suggest": [

        {"input": "小米14", "weight": 3},

        {"input": "小米手机 14", "weight": 2}

      ]

}

在查询时，权重高的 “小米 14” 会比权重低的 “小米手机 14” 更可能出现在前面。

2. 模糊匹配

默认情况下，Completion Suggester是精确匹配前缀的。如果需要支持模糊匹配，可以设置fuzzy参数。例如，允许用户输入存在一个字符错误的情况：

POST /products/_search

{

    "suggest": {

          "product_suggest": {

          "prefix": "iphon",

          "completion": {

                "field": "suggest",

                "fuzzy": {

                "fuzziness": 1

                }

            }

        }

       }

}

上述查询可以匹配到 “iPhone 15” 等建议项，即使输入的 “iphon” 少了一个 “e”。

3. 上下文感知补全

通过context参数，可以实现基于上下文的联想补全。例如，区分不同类别的商品建议。首先在定义映射时指定上下文：

PUT /products

{

    "mappings": {

    "properties": {

        "suggest": {

            "type": "completion",

            "contexts": [

                {

                "name": "category",

                "type": "category"

                }

            ]

        }
    
    }

}

}

插入数据时指定上下文信息：

POST /products/_doc/4

{

      "name": " MacBook Pro",

        "suggest": {

        "input": ["MacBook Pro", "苹果笔记本 Pro"],

        "contexts": {

            "category": "电脑"

        }

    }

}

查询时传入上下文参数，只获取 “电脑” 类别的建议：

POST /products/_search

{

     "suggest": {

    "product_suggest": {

        "prefix": "Mac",

        "completion": {

        "field": "suggest",

        "contexts": {

            "category": "电脑"

        }

        }

       }

    }

}

注意事项

• completion类型字段的数据一旦写入，修改起来相对麻烦，因为 FST 索引不支持动态更新。如果需要频繁更新建议项，可能需要重新索引数据。

• 建议项的长度不宜过长，否则会增加 FST 的存储空间和查询时间，影响性能。

• 在高并发场景下，需要合理配置 ES 集群的资源，以保证联想补全功能的响应速度。

三、使用场景

ES 的联想补全功能广泛应用于各种搜索场景，如电商网站的商品搜索、搜索引擎的关键词提示、新闻网站的标题联想等。它能够显著提升用户的搜索体验，提高搜索的准确性和效率。