如何优化Elasticsearch文本模糊搜索效果，提升用户名自动补全体验

问题根因 #

当前配置无法命中预期结果的核心原因：

• fuzziness: auto的限制规则：搜索词长度为3~5字符时仅允许1个编辑距离，搜索词piet（4字符）最多仅支持1个字符错误，p13tje存在2个字符替换错误、pietje比搜索词多2个字符，均超出限制无法命中。
• 纯模糊匹配不适合短前缀补全场景：仅靠实时模糊计算召回率低、性能差，无法满足输入少量字符即可联想的需求。

优化步骤 #

步骤1：重建索引，新增前缀分词配置 #

使用Edge Ngram分词器提前对用户名做前缀拆分，实现输入2个以上字符即可命中对应前缀的用户名，调整后的索引配置如下：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "username_prefix_analyzer": {
          "tokenizer": "username_prefix_tokenizer",
          "filter": ["lowercase"]
        }
      },
      "tokenizer": {
        "username_prefix_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 12,
          "token_chars": ["letter", "digit"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "user_id": {
        "enabled": false
      },
      "username": {
        "type": "text",
        "fields": {
          "prefix": {
            "type": "text",
            "analyzer": "username_prefix_analyzer",
            "search_analyzer": "standard"
          },
          "keyword": {
            "type": "keyword",
            "ignore_above": 256
          }
        }
      },
      "d_likes": {
        "type": "rank_feature"
      }
    }
  }
}

配置说明：Edge Ngram会自动将用户名从开头拆分为多个前缀片段，比如pietje会被拆为pi、pie、piet、pietj、pietje，输入piet可直接命中该字段，无需依赖模糊匹配。

步骤2：调整查询语句，放宽模糊规则+多条件组合召回 #

将前缀匹配、模糊匹配、权重排序结合，查询语句如下：

{
  "query": {
    "bool": {
      "should": [
        {
          "match": {
            "username.prefix": {
              "query": "piet",
              "boost": 10
            }
          }
        },
        {
          "match": {
            "username": {
              "query": "piet",
              "fuzziness": 2,
              "prefix_length": 1,
              "boost": 5
            }
          }
        },
        {
          "rank_feature": {
            "field": "d_likes",
            "boost": 3
          }
        }
      ],
      "minimum_should_match": 1
    }
  }
}

效果说明 #

• 搜索piet时，前缀匹配会命中pietje，模糊匹配会命中p13tje（2个编辑距离符合规则），d_likes更高的p13tje会排在结果第一位，完全符合预期。
• 如果需要更极致的实时补全性能，可以将match查询替换为match_phrase_prefix查询，响应速度更快，适合输入框实时联想场景。
• 若要减少误匹配，可以调高prefix_length参数为2，保证前两个字符必须和搜索词一致。

内容的提问来源于stack exchange，提问作者NoKey