Elasticsearch同一字段同时支持包含与前缀搜索的实现咨询

嘿，我之前刚好遇到过完全一样的需求——要在Elasticsearch的同一个字段上同时支持前缀搜索和包含式搜索。解决的关键就是给目标字段设置多字段（multi-fields），用不同的分析器来适配不同的搜索场景，这样就能完美满足你提到的所有组合搜索需求了。

1. 先定义索引的Mapping结构 #

我们需要给organization_id和organization_name这两个核心字段，分别创建三个子字段：

• 原始字段：保持默认的text类型，用于常规的全文检索（如果需要的话）
• keyword子字段：用于高效的前缀搜索
• ngram子字段：用Ngram分析器处理，用于包含式搜索（替代性能极差的前缀通配符*abc*）

下面是完整的索引创建示例：

PUT /organizations
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ngram_analyzer": {
          "tokenizer": "ngram_tokenizer",
          "filter": ["lowercase"]
        }
      },
      "tokenizer": {
        "ngram_tokenizer": {
          "type": "ngram",
          "min_gram": 2,
          "max_gram": 10
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "organization_id": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          },
          "ngram": {
            "type": "text",
            "analyzer": "ngram_analyzer",
            "search_analyzer": "lowercase"
          }
        }
      },
      "organization_name": {
        "type": "text",
        "fields": {
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          },
          "ngram": {
            "type": "text",
            "analyzer": "ngram_analyzer",
            "search_analyzer": "lowercase"
          }
        }
      },
      "address": {
        "type": "text"
      },
      "business_start_date": {
        "type": "date"
      },
      "organization_contacts": {
        "type": "nested",
        "properties": {
          "name": {"type": "text"},
          "email": {"type": "keyword"}
        }
      }
    }
  }
}

2. 针对不同搜索场景的查询写法 #

现在你可以根据需求，选择对应的子字段来构建查询：

场景1：前缀搜索（比如organization.name:"abc*"） #

用keyword子字段配合prefix查询（比wildcard性能更好）：

GET /organizations/_search
{
  "query": {
    "prefix": {
      "organization_name.keyword": "abc"
    }
  }
}

场景2：包含式搜索（比如organization.id:"*abc*"） #

直接用ngram子字段做match查询，Ngram分析器已经把文本拆成了连续子串，自动支持包含匹配：

GET /organizations/_search
{
  "query": {
    "match": {
      "organization_id.ngram": "abc"
    }
  }
}

场景3：组合查询1（organization.name:"abc*" 且 organization.id:"*abc*"） #

用bool查询把两个条件组合起来：

GET /organizations/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "prefix": {
            "organization_name.keyword": "abc"
          }
        },
        {
          "match": {
            "organization_id.ngram": "abc"
          }
        }
      ]
    }
  }
}

场景4：组合查询2（organization.name:"*abc*" 且 organization.id:"abc*"） #

同样用bool组合不同子字段的查询：

GET /organizations/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "organization_name.ngram": "abc"
          }
        },
        {
          "prefix": {
            "organization_id.keyword": "abc"
          }
        }
      ]
    }
  }
}

为什么这个方案可行？ #

• Ngram分析器擅长处理包含式搜索，但如果用它做前缀搜索会产生大量误匹配（比如搜abc会匹配到xabc），而且性能不如keyword前缀查询
• Keyword类型字段适合前缀/精确匹配，但直接用*abc*这种开头通配符的查询会触发全表扫描，性能极差，用Ngram子字段替代就完美解决了
• 多字段相当于给同一个原始值创建了不同的索引结构，分别适配不同的搜索需求，既保证了搜索准确性，又兼顾了性能

额外优化建议 #

• 调整Ngram的min_gram和max_gram：根据你的字段长度调整，比如短ID可以设min_gram:1，长名称设min_gram:3来减少索引大小和误匹配
• 如果需要大小写不敏感的前缀搜索，可以给keyword子字段添加小写归一器：
  在settings里添加：

  "normalizer": {
    "lowercase_normalizer": {
      "type": "custom",
      "filter": ["lowercase"]
    }
  }
  

  然后修改keyword子字段的定义：

  "keyword": {
    "type": "keyword",
    "ignore_above": 256,
    "normalizer": "lowercase_normalizer"
  }
  

内容的提问来源于stack exchange，提问作者arupc