使用edge_ngram实现Elasticsearch自动补全返回非预期结果如何解决

你遇到的非预期召回是两个配置遗漏共同导致的：

• 索引侧使用edge_ngram分词器，但查询侧没有单独指定搜索分词器，默认复用了索引侧的edge_ngram：输入TT查询时，会被切成T、TT两个分词，只要文档里存在T分词就会命中
• match/MultiMatch查询默认使用OR匹配逻辑，只要任意一个查询分词命中就返回文档，不需要所有分词都匹配

1. 调整字段映射，区分索引和搜索分词器 #

在索引的settings和mappings中，明确指定索引时用edge_ngram分词，搜索时用标准/keyword分词器，避免查询词被切分成短ngram，示例配置如下：

{
  "settings": {
    "analysis": {
      "analyzer": {
        "edge_ngram_analyzer": {
          "tokenizer": "edge_ngram_tokenizer",
          "filter": ["lowercase"]
        }
      },
      "tokenizer": {
        "edge_ngram_tokenizer": {
          "type": "edge_ngram",
          "min_gram": 1,
          "max_gram": 5,
          "token_chars": ["letter", "digit"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "edge_ngram_analyzer", // 索引时切分生成ngram
        "search_analyzer": "standard" // 查询时不切分查询词，仅做小写归一化
      }
      // 其他需要自动补全的字段参照name配置
    }
  }
}

修改配置后需要重建索引重新导入数据才能生效。

2. 调整查询参数 #

查询时明确指定operator为and，或者设置minimum_should_match为100%，要求所有查询分词都命中才能返回，MultiMatch查询示例：

{
  "query": {
    "multi_match": {
      "query": "TT",
      "fields": ["name", "*其他需要匹配的字段*"],
      "operator": "and",
      "minimum_should_match": "100%"
    }
  }
}

如果你的需求就是纯前缀自动补全，更推荐使用Elasticsearch原生的completion类型实现，性能比edge_ngram方案高，也不会出现上述分词匹配问题，适合搜索框前缀提示场景。

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