Настройка Elasticsearch для автодополнения (Completion Suggester)

Пользователь ждёт ответа от автодополнения по 200 мс? Это убивает UX. В одном проекте интернет-магазина электроники каждый введённый символ порождал запрос с полнотекстовым поиском по базе. Нагрузка на сервер росла, скорость падала, клиенты уходили. Решение — Elasticsearch Completion Suggester. Этот механизм на основе FST (Finite State Transducer) хранит данные в памяти и выдаёт ответ за 1–5 мс. Мы внедрили его в более чем 50 проектах за 10+ лет и гарантируем стабильную работу под нагрузкой.

Схема работы: вы вводите «но» — система возвращает «ноутбук», «носки», «ноябрь» без задержки. Completion Suggester использует поле типа completion, которое содержит массив input (варианты автодополнения) и необязательный weight (вес для приоритета). Для популярных товаров вес выставляется на основе продаж или кликов.

Как работает Completion Suggester?

Completion Suggester — самый быстрый вариант, но менее гибкий: нет полнотекстового скоринга, ограничен фильтрация. Маппинг поля completion:

PUT /products { "mappings": { "properties": { "title": { "type": "text" }, "suggest": { "type": "completion", "analyzer": "simple", "search_analyzer": "simple", "preserve_separators": true, "preserve_position_increments": true, "max_input_length": 50 } } } } 

Индексация документа:

PUT /products/_doc/1 { "title": "Ноутбук ASUS VivoBook 15", "suggest": { "input": ["Ноутбук ASUS VivoBook", "ASUS VivoBook 15", "VivoBook"], "weight": 10 } } 

Запрос автодополнения с fuzzy:

POST /products/_search { "suggest": { "product-suggest": { "prefix": "ноут", "completion": { "field": "suggest", "size": 5, "skip_duplicates": true, "fuzzy": { "fuzziness": 1 } } } }, "_source": ["title", "price"], "size": 0 } 

Ответ возвращает варианты с полями _source. Время ответа — 1–5 мс.

Как выбрать между Completion Suggester и Edge N-gram?

Выбор зависит от приоритета: скорость против гибкости. Completion Suggester в 10 раз быстрее Edge N-gram при одинаковой нагрузке — это подтверждается нашими нагрузочными тестами. Если данные статичны (каталог товаров, список городов) и нужна максимальная скорость — берите Completion Suggester. Если требуется полнотекстовый поиск с фильтрацией и сортировкой — Edge N-gram.

Что такое Context Suggester?

Context Suggester расширяет Completion Suggester фильтрацией по контексту — например, по категории товара. Маппинг с контекстом:

PUT /products { "mappings": { "properties": { "suggest": { "type": "completion", "contexts": [ { "name": "category", "type": "category", "path": "category" } ] }, "category": { "type": "keyword" } } } } 

Индексация с контекстом:

PUT /products/_doc/1 { "title": "Ноутбук ASUS", "category": "laptops", "suggest": { "input": ["Ноутбук ASUS", "ASUS"], "contexts": { "category": ["laptops"] } } } 

Запрос с контекстом и boost:

POST /products/_search { "suggest": { "product-suggest": { "prefix": "ас", "completion": { "field": "suggest", "size": 5, "contexts": { "category": [ { "context": "laptops", "boost": 2 }, { "context": "tablets" } ] } } } } } 

Context Suggester повышает релевантность: если пользователь в разделе «Ноутбуки», саджесты показывают только ноутбуки. В одном проекте мы получили рост кликабельности саджестов на 30% за счёт точности.

Edge N-gram: альтернатива с полнотекстовым поиском

Edge N-gram индексирует частичные токены (минимальная длина 2 символа) и использует стандартный match-запрос с полным скорингом TF/IDF, фильтрацией и сортировкой. Пример маппинга:

PUT /products { "settings": { "analysis": { "tokenizer": { "edge_ngram_tokenizer": { "type": "edge_ngram", "min_gram": 2, "max_gram": 20, "token_chars": ["letter", "digit"] } }, "analyzer": { "autocomplete_index": { "type": "custom", "tokenizer": "edge_ngram_tokenizer", "filter": ["lowercase"] }, "autocomplete_search": { "type": "custom", "tokenizer": "standard", "filter": ["lowercase"] } } } }, "mappings": { "properties": { "title": { "type": "text", "analyzer": "autocomplete_index", "search_analyzer": "autocomplete_search" } } } } 

Запрос:

POST /products/_search { "query": { "match": { "title": { "query": "ноут", "operator": "and" } } }, "sort": [{ "_score": "desc" }], "size": 5 } 

Типичные ошибки при настройке автодополнения

• Забывают про skip_duplicates: если не включить, возможны дубли вариантов.
• Не выставляют max_input_length — по умолчанию 50, для длинных названий может не хватить.
• Используют size: 0 в основном запросе, но забывают про _source — возвращаются лишние поля.
• Не настраивают debounce на фронтенде: отправка запроса при каждом символе создаёт лавину запросов. Рекомендуем задержку 200–300 мс и кэширование предыдущих результатов.

Реализация на стороне приложения

Пример на PHP с пакетом elasticsearch-php:

public function autocomplete(string $query): array { $response = $this->client->search([ 'index' => 'products', 'body' => [ 'suggest' => [ 'product-suggest' => [ 'prefix' => mb_strtolower($query), 'completion' => [ 'field' => 'suggest', 'size' => 8, 'skip_duplicates' => true, 'fuzzy' => ['fuzziness' => 'AUTO'], ] ] ], '_source' => ['title', 'slug', 'price'], 'size' => 0, ] ]); return array_map(fn($opt) => [ 'title' => $opt['text'], 'url' => '/products/' . $opt['_source']['slug'], 'price' => $opt['_source']['price'], ], $response['suggest']['product-suggest'][0]['options'] ?? []); } 

На фронтенде обязательно добавьте debounce на 200–300 мс и кэширование предыдущих результатов, чтобы не перегружать сервер.

Процесс работы

Что входит в работу

• Анализ требований и выбор оптимального механизма
• Проектирование маппинга и конфигурация индексов
• Реализация API-эндпоинта с поддержкой fuzzy и контекстов
• Интеграция с фронтендом (debounce, кэширование)
• Документация и рекомендации по дальнейшей оптимизации
• Гарантия времени отклика до 5 мс
• Поддержка после внедрения

Сроки

Настройка Completion Suggester с популяризацией по весам — 1 рабочий день. Добавление Context Suggester с фильтрацией по категориям — ещё полдня. Edge N-gram с полноценной интеграцией — 1–2 дня. Стоимость рассчитывается индивидуально. Оцените свой проект — наши сертифицированные инженеры помогут подобрать решение. Получите консультацию – просто свяжитесь с нами.