Elasticsearch：产品目录搜索用Completion Suggesters比EdgeNGram更优吗？

针对你数千条商品规模的搜索场景，Completion Suggesters（完成 suggester）是实现前缀补全搜索的更优方案，以下是具体分析和建议：

为什么优先选Completion Suggesters？ #

• 性能优势明显：它是专为前缀补全场景设计的组件，内部基于FST（有限状态转换器）优化存储，查询速度远快于EdgeNGram。EdgeNGram需要预生成大量词元，会导致索引体积膨胀，查询时要匹配更多冗余词元，数据量越大性能差距越显著。
• 结果精准度更高：默认实现严格的前缀匹配，输入“app”只会返回以“app”开头的商品（比如“Apple iPhone”“Appliance Kit”），不会出现EdgeNGram可能带来的非前缀匹配结果（比如“Pineapple Juice”这类包含“app”但不是前缀的内容，除非额外做过滤逻辑）。
• 配置灵活性更强：支持通过context_suggester实现上下文感知补全（比如按商品分类过滤补全结果），还能给热门商品设置weight权重，让高热度商品在补全列表中优先展示，这些需求用EdgeNGram实现会非常繁琐。

EdgeNGram的适用场景 #

如果你的业务有以下需求，仍可以保留EdgeNGram或结合使用：

• 需要子字符串匹配（比如输入“phone”要返回“Smartphone”“Phone Case”这类包含关键词但不是前缀的商品）；
• 旧系统已基于EdgeNGram搭建，改造成本过高，可以通过调整参数优化：比如设置合理的min_gram和max_gram范围，或用side参数限定只生成前缀词元，减少冗余。

针对你的场景的落地建议 #

1. 优先搭建Completion Suggesters：定义专门的补全字段（比如product_suggest），映射类型设为completion；
2. 若需同时支持前缀补全和子字符串搜索，保留EdgeNGram字段处理子字符串场景，Completion Suggesters负责实时前缀补全；
3. 给热门商品配置weight参数，提升用户搜索体验。

简单的映射配置示例：

{
  "mappings": {
    "properties": {
      "product_suggest": {
        "type": "completion",
        "analyzer": "simple"
      },
      "product_name": {
        "type": "text",
        "analyzer": "edge_ngram_analyzer"
      }
    }
  }
}

内容的提问来源于stack exchange，提问作者Hannes Oberberger