ElasticSearch 8.10.2 当前/下一词自动补全实现咨询

针对你的需求，结合Elasticsearch的特性，以下是两种可行的实现方案：

方案一：Completion Suggester（推荐，性能最优） #

Completion Suggester是ES专为前缀补全设计的组件，结合数据预处理和结果后处理可以完全满足你的需求，且性能优异。

步骤1：数据预处理 #

将每个原始查询拆分为所有可能的"词序列前缀"，比如：

• 原始查询"iphone 10" → 生成["iphone"]、["iphone", "10"]两个序列
• 原始查询"iphone 10 case" → 生成["iphone"]、["iphone", "10"]、["iphone", "10", "case"]三个序列
• 原始查询"iphone 11" → 生成["iphone"]、["iphone", "11"]两个序列
• 原始查询"iphqqq" → 生成["iphqqq"]一个序列

步骤2：创建索引映射 #

定义completion类型的字段，用于存储预处理后的词序列：

{
  "mappings": {
    "properties": {
      "suggest": {
        "type": "completion",
        "preserve_separators": true, // 保留空格分隔符，确保词序列按空格拆分
        "preserve_position_increments": true
      }
    }
  }
}

步骤3：插入预处理后的文档 #

将每个生成的词序列作为单独文档插入索引：

// 插入["iphone"]序列
{ "suggest": { "input": ["iphone"] } }
// 插入["iphone", "10"]序列
{ "suggest": { "input": ["iphone", "10"] } }
// 插入["iphone", "10", "case"]序列
{ "suggest": { "input": ["iphone", "10", "case"] } }
// 插入["iphone", "11"]序列
{ "suggest": { "input": ["iphone", "11"] } }
// 插入["iphqqq"]序列
{ "suggest": { "input": ["iphqqq"] } }

步骤4：构造查询并处理结果 #

根据用户输入的内容，构造对应的前缀查询，并开启去重：

• 示例1：输入"iph"的查询DSL

{
  "suggest": {
    "word_suggest": {
      "prefix": "iph",
      "completion": {
        "field": "suggest",
        "skip_duplicates": true, // 开启结果去重
        "size": 10
      }
    }
  }
}

返回结果中，提取每个选项的text字段的最后一个词，得到["iphone", "iphqqq"]。

• 示例2：输入"iphone"的查询DSL

{
  "suggest": {
    "word_suggest": {
      "prefix": "iphone",
      "completion": {
        "field": "suggest",
        "skip_duplicates": true,
        "size": 10
      }
    }
  }
}

返回结果的text字段为"iphone 10"、"iphone 11"，提取每个text的第二个词，得到["10", "11"]。

• 示例3：输入"iphone 10"的查询DSL

{
  "suggest": {
    "word_suggest": {
      "prefix": "iphone 10",
      "completion": {
        "field": "suggest",
        "skip_duplicates": true,
        "size": 10
      }
    }
  }
}

返回结果的text字段为"iphone 10 case"，提取第三个词得到["case"]。

方案二：分词+前缀聚合（无需预处理，适合小数据量） #

如果不想做复杂的数据预处理，可以将原始查询存入text字段，通过前缀查询结合聚合实现需求，但性能略低于Completion Suggester。

步骤1：创建索引映射 #

{
  "mappings": {
    "properties": {
      "query_text": {
        "type": "text",
        "analyzer": "standard", // 按空格分词
        "fielddata": true // 允许对text字段进行聚合
      }
    }
  }
}

步骤2：插入原始查询文档 #

直接插入原始查询内容：

{ "query_text": "iphone 10" }
{ "query_text": "iphone 10 case" }
{ "query_text": "iphone 11" }
{ "query_text": "iphqqq" }

步骤3：构造查询并处理结果 #

根据输入的词数和前缀，编写对应的查询和聚合：

• 输入"iph"：查询所有分词后包含以iph开头的词的文档，聚合去重这些词

{
  "size": 0,
  "aggs": {
    "suggest_words": {
      "terms": {
        "script": {
          "source": "doc['query_text'].values.stream().filter(word -> word.startsWith(params.prefix)).collect(Collectors.toSet())",
          "params": { "prefix": "iph" }
        },
        "size": 10
      }
    }
  }
}

聚合结果直接返回去重后的["iphone", "iphqqq"]。

• 输入"iphone"：查询包含iphone的文档，聚合提取iphone之后的词

{
  "size": 0,
  "query": { "match": { "query_text": "iphone" } },
  "aggs": {
    "next_words": {
      "terms": {
        "script": {
          "source": "def words = doc['query_text'].values; def idx = words.indexOf('iphone'); if (idx != -1 && idx < words.length - 1) { return words[idx+1]; }",
          "size": 10
        }
      }
    }
  }
}

聚合结果返回["10", "11"]。

关键说明 #

• Completion Suggester的skip_duplicates参数（ES 7.6+支持，你的8.10.2版本兼容）可以直接实现结果去重，无需额外处理。
• 无论哪种方案，提取目标词（当前词或下一词）都需要简单的后处理逻辑，比如拆分返回的文本序列取对应位置的词。

内容的提问来源于stack exchange，提问作者Tim