Meilisearch：searchableAttributes等三者的异同及关联咨询

1. searchableAttributes：全文检索的核心范围 #

• 本质：控制哪些字段会被纳入倒排索引，用户输入的搜索关键词只会在这些字段内匹配内容。
• 核心作用：决定了搜索的“有效范围”——比如你把它设为["title", "description"]，用户搜“科幻”时，系统只会在标题和描述里找匹配项，完全不会碰genre或price这类未配置的字段。
• 关键特性：
  • 默认所有字段都可搜索；
  • 字段顺序决定权重，越靠前的字段，匹配到的结果排序优先级越高。
• 示例配置：

{
  "searchableAttributes": ["title", "author", "content"]
}

2. filterableAttributes：过滤与分面的基础配置 #

• 本质：标记哪些字段可以被用作精确筛选条件，用户能通过filter参数（比如filter=genre:科幻）来缩小结果范围。
• 核心作用：为后续的过滤操作、分面统计（Faceting）提供基础——只有被标记为filterable的字段，才能被用来做这些操作。
• 关键特性：
  • 这些字段会单独建立过滤索引，支持精确匹配、数字/日期范围匹配；
  • 不影响全文检索的范围，只是给结果增加了可筛选的维度。
• 示例配置：

{
  "filterableAttributes": ["genre", "year", "author_id"]
}

3. Faceting：基于filterable字段的统计交互功能 #

• 本质：是依托filterableAttributes实现的上层功能，用来对当前搜索结果按指定字段分组统计，返回每个分组的结果数量（比如“科幻：12本，悬疑：8本”）。
• 核心作用：给用户提供直观的结果分布，方便快速缩小筛选范围——比如电商网站侧边栏的“品牌”“价格区间”筛选栏，背后就是Faceting在工作。
• 关键特性：
  • 必须依赖已配置的filterableAttributes字段，没设为filterable的字段不能做分面；
  • 可以通过facets参数指定要统计的字段（比如facets=["genre", "year"]）；
  • 返回结果包含每个字段的所有可选值及对应结果数。
• 示例请求参数：

GET /indexes/books/search?q=小说&facets=["genre", "year"]

三者的关联逻辑 #

1. 依赖链：Faceting完全依赖filterableAttributes——先把字段设为filterable，才能对它做分面统计；而searchableAttributes和filterableAttributes是独立配置的，一个字段可以同时属于两者（比如title既可以被搜索，也可以被过滤/分面）。
2. 功能边界清晰区分：
   • searchableAttributes管“搜得到什么”：决定关键词能匹配哪些字段的内容；
   • filterableAttributes管“能筛什么”：提供可用来缩小结果范围的字段；
   • Faceting管“怎么直观展示筛选项”：把filterable字段的实际取值和数量呈现给用户，辅助筛选决策。
3. 典型场景组合：
   做图书搜索时：
   • searchableAttributes设为title, author, content，支持用户通过书名、作者、内容全文搜索；
   • filterableAttributes设为genre, year, publisher，支持按分类、出版年份、出版社筛选；
   • 开启Faceting获取genre和year的分组统计数据，展示在页面侧边栏，让用户一键筛选想要的分类。

内容的提问来源于stack exchange，提问作者Eric