Разработка кастомных анализаторов Elasticsearch (языковые, синонимы)

Поиск по сайту не находит «ноутбук» по запросу «лэптоп»? Или слово «смартфон» не возвращает результаты с «телефон»? Это типичная проблема стандартного анализатора Elasticsearch: он не понимает синонимов и языковой морфологии. Чтобы поиск работал как надо, мы разрабатываем кастомные анализаторы под ключ. За 5 лет мы настроили поиск для 50+ проектов, включая интернет-магазины и новостные порталы. Кастомный анализатор состоит из tokenizer и token filters. Они преобразуют текст в набор токенов для индекса. В этой статье разберём, как собрать такой анализатор для русского языка, настроить синонимы и автодополнение, а также рассмотрим типичные ошибки и способы их избежать.

До 70% пользователей не находят нужный товар из-за неправильной конфигурации анализатора. Это снижает конверсию на 20–30%. Настройка кастомного анализатора решает проблему за счёт подбора фильтров под вашу предметную область.

Почему кастомный анализатор лучше встроенного?

Встроенный russian анализатор использует алгоритм Snowball для стемминга. Для большинства задач этого достаточно, но если нужна точная морфология или нестандартный набор стоп-слов, создаём кастомный анализатор. Он даёт полный контроль над цепочкой фильтров: вы сами решаете, какие стоп-слова удалять, как обрабатывать синонимы и нужен ли стемминг. Кроме того, кастомная конфигурация позволяет добавить транслитерацию для поиска по транслиту (например, «noutbuk» → «ноутбук»).

Как настроить языковой анализатор для русского языка?

Базовая настройка

Пример настройки с настраиваемыми стоп-словами и полем для точного совпадения:

{
  "settings": {
    "analysis": {
      "filter": {
        "russian_stop": { "type": "stop", "stopwords": "_russian_" },
        "russian_stemmer": { "type": "stemmer", "language": "russian" },
        "custom_stopwords": { "type": "stop", "stopwords": ["это", "также", "при", "для", "что", "как"] }
      },
      "analyzer": {
        "russian_custom": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": ["lowercase", "russian_stop", "custom_stopwords", "russian_stemmer"]
        },
        "russian_exact": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": ["lowercase"]
        }
      }
    }
  }
}

Добавление транслитерации

Пользователи часто вводят транслит: «noutbuk» вместо «ноутбук». Транслитерация реализуется через char_filter типа mapping, где каждой кириллической букве сопоставляется латинский аналог. Полный список сопоставлений приведён в документации — мы подключаем его в анализатор. Для продвинутой транслитерации используем плагин analysis-icu с ICU transformers, который корректно обрабатывает Unicode normalization.

Как настроить синонимы без переиндексации?

Синонимы позволяют находить документы по разным формулировкам. Есть два подхода:

Рекомендуемый вариант — синонимы при поиске. Они позволяют менять правила без переиндексации, что критично для интернет-магазинов с быстро меняющимся ассортиментом. Например, файл синонимов config/synonyms/synonyms.txt:

ноутбук, лэптоп, laptop, notebook
смартфон, телефон, мобильный
телевизор, тв, tv

Конфигурация анализатора с синонимами (только для поиска):

{
  "settings": {
    "analysis": {
      "filter": {
        "synonym_filter": {
          "type": "synonym",
          "synonyms_path": "synonyms/synonyms.txt",
          "updateable": true
        }
      },
      "analyzer": {
        "search_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": ["lowercase", "russian_stop", "synonym_filter"]
        },
        "index_analyzer": {
          "type": "custom",
          "tokenizer": "standard",
          "filter": ["lowercase", "russian_stop", "russian_stemmer"]
        }
      }
    }
  }
}

Флаг "updateable": true — обязательное условие для синонимов, применяемых только при поиске. Он позволяет перезагружать синонимы через _reload_search_analyzers без переиндексации. Экономия бюджета: вам не нужно перестраивать индекс каждый раз при изменении словаря.

Настройка автодополнения с Edge N-gram

Для автодополнения при вводе необходим анализатор с edge_ngram:

"filter": {
  "edge_ngram_filter": {
    "type": "edge_ngram",
    "min_gram": 2,
    "max_gram": 15
  }
}

При поиске используем анализатор без N-gram (например, только lowercase), иначе поиск фрагмента «ноут» совпадёт со всеми N-gram-токенами, вызывая ложные срабатывания.

Многоязычные индексы

Два подхода: один индекс с полями для каждого языка или отдельный индекс на язык. Для мультисайтов удобнее один индекс:

"properties": {
  "title_ru": { "type": "text", "analyzer": "russian_custom" },
  "title_en": { "type": "text", "analyzer": "english" },
  "title_de": { "type": "text", "analyzer": "german" }
}

Запрос по нескольким языкам:

{
  "query": {
    "multi_match": {
      "query": "search term",
      "fields": ["title_ru^2", "title_en", "title_de"]
    }
  }
}

Буст ^2 для русского поля — если основная аудитория русскоязычная.

Что входит в разработку и сроки

Мы предоставляем полностью готовое решение под ключ. Разработка включает:

• Анализ ваших данных и требований к поиску
• Проектирование цепочки фильтров под ваши задачи
• Настройка синонимов с возможностью онлайн-обновления
• Интеграция с существующим индексом
• Тестирование на реальных запросах (не менее 100 тестовых сценариев)
• Документация по настройкам и поддержке
• Обучение вашей команды (до 2 часов онлайн)

Разработка и тестирование кастомного анализатора под один язык — от 1 рабочего дня. Настройка синонимов с файлом и механизмом обновления — ещё полдня. Многоязычная конфигурация с 3–5 языками — 2–3 дня, включая тесты поисковой релевантности. Стоимость рассчитывается индивидуально.

Закажите настройку анализатора для вашего проекта — мы подберём оптимальную конфигурацию.

Как мы подходим к настройке

1. Аудит текущего поиска — собираем логи запросов, выявляем проблемные сценарии.
2. Проектирование анализатора — определяем набор фильтров, синонимов, стоп-слов.
3. Прототипирование — разворачиваем тестовый индекс и проверяем на реальных данных.
4. Тестирование — используем API _analyze для проверки каждого фильтра. Например:

POST /products/_analyze
{
  "analyzer": "russian_custom",
  "text": "Ноутбуки и лэптопы для работы"
}

Ответ содержит список токенов — их количество и вид должны соответствовать ожиданиям (стемминг обрезает окончания, синонимы расширяют токены). 5. Оптимизация — корректируем настройки по результатам тестов. 6. Внедрение — обновляем боевой индекс без даунтайма. 7. Мониторинг — после запуска отслеживаем метрики поиска (CTR, пустые результаты).

Почему стоит доверить настройку профессионалам?

Неправильная конфигурация анализатора может снизить релевантность поиска в 2–3 раза. Наши сертифицированные инженеры гарантируют, что после настройки поиск станет точным и быстрым. Получите консультацию по разработке анализатора — мы оценим ваш проект и предложим оптимальное решение. Свяжитесь с нами, чтобы обсудить детали.

Подробнее о анализаторах Elasticsearch.

Услуги бэкенд-разработки: Laravel, Node.js, Go, Django, PostgreSQL

На production-сервере в 3:14 ночи очередь Laravel Jobs перестала обрабатываться. 40 000 необработанных задач в Redis. Причина: worker упал из-за memory leak в одном из Jobs (утечка через статическую переменную в Eloquent observer), supervisor не перезапустил его из-за misconfigured stopwaitsecs. Это не гипотетический сценарий — это вторник. Мы разбирали такой инцидент на проекте с нагрузкой 500 RPS: диагностика заняла 4 часа, фикс — 20 минут. Чтобы вы не теряли деньги на простоях, предлагаем услуги бэкенд-разработки с акцентом на production-grade надёжность. Оценим ваш проект за 2 дня.

Backend — это то, что работает когда никто не смотрит. Или не работает. Гарантируем, что у вас будет первый вариант.

Что мы делаем с первого дня правильно

Service Layer поверх Fat Controllers. Controller получает HTTP-запрос, валидирует его через Form Request, передаёт данные в Service, возвращает ответ. Бизнес-логика в Service, не в Controller. Это звучит банально, но большинство legacy-проектов — это контроллеры по 500 строк с SQL-запросами внутри.

Repository Pattern используем осторожно. Если вы просто оборачиваете Model::where(...) в метод репозитория — это бойлерплейт без пользы. Repository оправдан когда: нужно абстрагироваться от источника данных (БД + кеш + внешний API) или когда логика запросов достаточно сложна для изоляции.

Jobs, Events, Listeners. Всё, что можно сделать асинхронно — делаем асинхронно. Отправка email, генерация PDF, синхронизация с внешним API, пересчёт агрегатов — в Queue. Laravel Horizon для мониторинга очередей в Redis: видно throughput, failed jobs, время обработки по очередям.

Как Octane справляется с высокой нагрузкой

Laravel Octane с RoadRunner или Swoole держит приложение в памяти между запросами — убирает overhead bootstrap (загрузка конфигов, автозагрузка классов) на каждый HTTP-запрос. Прирост: 3–8x на синтетических бенчмарках, 2–4x на реальных приложениях. Важно: нельзя хранить состояние между запросами в статических переменных — это приводит именно к таким инцидентам, как в начале. Применяем это в проектах с >1000 RPS.

Что делать с N+1 запросами

N+1 — самая распространённая причина медленных страниц в Laravel-приложениях. Стандартная история: страница работала нормально на dev с 10 записями, на production с 10 000 — 8-секундная загрузка.

Laravel Debugbar в dev-окружении показывает количество запросов на страницу. Более 20 запросов на одну страницу — сигнал для audit.

Model::preventLazyLoading(! app()->isProduction());

Telescope для профилирования в staging: логирует все запросы, jobs, mail, notifications с детализацией по времени. Цифры: после внедрения eager loading время загрузки страницы падает с 8 с до 0.3 с — в 27 раз.

PostgreSQL: индексы, которые реально нужны

PostgreSQL 14+ — основная БД на всех проектах. Используем связку PgBouncer + PostgreSQL. Опыт 10+ лет, более 50 backend-проектов, 5 лет на рынке.

Как PostgreSQL помогает избежать медленных запросов

Composite indexes для частых WHERE + ORDER BY. Если у вас WHERE user_id = ? AND status = ? ORDER BY created_at DESC — нужен (user_id, status, created_at DESC). Индекс по (user_id) отдельно плохо помогает с сортировкой.

Partial indexes. Если 95% запросов идут по WHERE status = 'active':

CREATE INDEX idx_orders_active ON orders (created_at DESC)
WHERE status = 'active';

Индекс маленький, быстрый, покрывает основную нагрузку.

GIN-индексы для JSONB и массивов. @> оператор без GIN-индекса — seq scan. С индексом — быстро даже на миллионах записей.

GIN для full-text search. to_tsvector + GIN вместо LIKE '%query%'. LIKE без индекса — всегда seq scan. С pg_trgm extension и gin_trgm_ops — поддержка LIKE с индексом, полезно для CRM-поиска по частичному совпадению.

Connection pooling: почему важнее чем кажется

Rails, Laravel, Django открывают новое соединение с PostgreSQL на каждый PHP/Python процесс. На 100 воркерах — 100 соединений. PostgreSQL начинает деградировать от 200–300 активных соединений — overhead на управление соединениями становится значительным.

PgBouncer — connection pooler перед PostgreSQL. Режим transaction pooling: соединение с PostgreSQL занято только на время транзакции, между запросами возвращается в пул. 1000 приложений-воркеров → 20–50 реальных соединений к PostgreSQL. Это снижает latency на 40% и уменьшает затраты на хостинг на 30%.

Node.js с Fastify: когда это лучше Laravel

Node.js оправдан для:

• Realtime: WebSocket-серверы, Server-Sent Events, чат, live-обновления
• Streaming: большие файлы, видео, данные потоком
• High I/O concurrency: много параллельных запросов к внешним API без тяжёлой бизнес-логики
• Serverless: Lambda/Cloud Functions — Node.js стартует быстрее PHP

Fastify вместо Express: в 2–3 раза быстрее на benchmarks, встроенная JSON Schema валидация, лучшая TypeScript поддержка, plugin-архитектура.

Типичная архитектура realtime: Laravel — основная бизнес-логика и REST API. Node.js + Socket.io или ws — WebSocket сервер. Laravel публикует события в Redis Pub/Sub, Node.js подписывается и транслирует клиентам. Это разделение позволяет масштабировать WebSocket-сервер независимо от основного приложения.

Go: микросервисы и высокая нагрузка

Go используем для:

• Высоконагруженных микросервисов (> 10 000 RPS)
• Фоновых воркеров с жёсткими требованиями к latency
• Инструментов DevOps и CLI
• gRPC-сервисов в микросервисной архитектуре

Goroutines — дешевле OS-потоков в тысячи раз. 10 000 конкурентных соединений на Go — норма на одном сервере.

Но Go — не волшебная таблетка. Разработка медленнее чем на Laravel: больше бойлерплейта, нет ORM уровня Eloquent, обработка ошибок через if err != nil везде. Оправдан только когда производительность — реальное требование, не предположение.

Django и Python backend

Django с DRF (Django REST Framework) — для задач где нужен Python: ML-пайплайны, обработка данных, интеграции с AI-инструментами.

Celery для фоновых задач — аналог Laravel Queue, но сложнее в конфигурации. Celery Beat для cron-задач.

Django ORM vs raw SQL: ORM удобен для CRUD. Для аналитических запросов с несколькими JOIN, оконными функциями и CTE — connection.execute() с raw SQL читаемее и предсказуемее.

Redis: не только кеш

Redis в наших проектах выполняет несколько ролей:

Redis Cluster для горизонтального масштабирования. Sentinel для автоматического failover на standalone установках.

Деплой и инфраструктура

Docker + docker-compose — стандарт для локальной разработки и production. Каждый сервис в контейнере: PHP-FPM/Octane, Nginx, PostgreSQL, Redis, Queue Worker, Scheduler.

CI/CD через GitHub Actions:

1. Прогон тестов (PHPUnit / Pest, Vitest, Playwright)
2. Сборка Docker-образа
3. Push в Container Registry
4. Deploy: docker pull → docker-compose up -d на сервере, или Kubernetes rolling update

Zero-downtime deploy для Laravel: php artisan down --secret=TOKEN не нужен при правильной настройке. Стратегия: новый контейнер стартует рядом со старым, Nginx переключает трафик после health check, старый контейнер останавливается.

Мониторинг: Sentry для exception tracking с alerting в Slack/Telegram. Grafana + Prometheus (или Grafana Cloud) для метрик: CPU, memory, request rate, queue depth, database connection count. Алерт на: error rate > 1%, p99 latency > 2s, queue depth > 1000 jobs.

Что входит в работу под ключ

• Архитектурное проектирование (документация API, схема БД, диаграмма сервисов)
• Реализация по согласованному ТЗ с code review
• Настройка CI/CD, мониторинга, алертинга
• Нагрузочное тестирование (k6, wrk) с отчётом
• Передача исходников, доступов, инструкция по деплою
• Обучение команды заказчика (2-3 сессии)
• Гарантийная поддержка 1 месяц после сдачи

Ориентиры по срокам

Стоимость рассчитывается индивидуально после анализа требований к нагрузке, интеграциям и бизнес-логике. Типичный бюджет backend-проекта — от 500 000 до 2 000 000 рублей в зависимости от сложности. Свяжитесь с нами для бесплатного аудита вашего текущего backend — получите план оптимизации за 2 дня. Закажите консультацию.