Реализация поиска с автодополнением для веб-приложения
Недавно к нам обратился интернет-магазин с каталогом в 200 тыс. товаров: пользователи жаловались на медленный поиск, а стандартное решение на WordPress не справлялось. Мы реализовали автодополнение на основе Elasticsearch с fuzzy-поиском и кешированием — время ввода сократилось в 3 раза, а нагрузка на сервер упала на 60%. Технически автодополнение — это пересечение нескольких задач: быстрый fuzzy-поиск по индексу, debounce, чтобы не перегружать сервер, корректная работа с клавиатурой (ARIA combobox), отмена устаревших запросов. Каждая решается отдельно, вместе они составляют полноценный компонент. Мы реализовали десятки проектов с автодополнением, поэтому знаем типичные грабли.
Технические сложности
На первый взгляд кажется: сделал <input> с выпадающим списком — и готово. Но на практике требуются:
- Debounce с отменой предыдущих запросов (чтобы не заваливать сервер). Оптимальная задержка — 250 мс.
- Fuzzy-поиск (поиск с неточным совпадением) для устойчивости к опечаткам. Например, запрос "айфон" найдёт "iPhone".
- Корректное управление с клавиатуры (стрелки, Enter, Escape) и ARIA-атрибуты для доступности.
- Подсветка совпадений в результатах, чтобы пользователь видел, что его запрос учтён.
- Кеширование частых запросов для снижения latency. Типовой кеш — 100 записей с TTL 30 секунд.
Сравнение подходов: client-side, server-side и гибридный
| Подход | Объём данных | Время отклика | Сложность реализации | Типичные библиотеки |
|---|---|---|---|---|
| Client-side | до ~50 000 записей | Мгновенный (нет сетевых задержек) | Низкая | Fuse.js, MiniSearch |
| Server-side | любой | Зависит от скорости бэкенда и сети | Высокая | Elasticsearch, Typesense, PostgreSQL pg_trgm |
| Гибридный | любой | Быстрый для частых запросов, для редких — как server-side | Средняя | Любой из выше + кеш на клиенте |
Client-side поиск работает в 5–10 раз быстрее server-side для наборов до 50 тыс. записей. Выбор подхода критичен для UX и бюджета на инфраструктуру.
Как выбрать подход: client-side или server-side?
Если у вас менее 50 000 записей и данные редко обновляются, client-side даст минимальную задержку и снизит нагрузку на сервер. Для больших каталогов или динамических данных нужен server-side с кешированием на клиенте. Мы помогаем определить оптимальный вариант на этапе аудита.
Что входит в работу
При заказе автодополнения вы получаете:
- Архитектурное решение: выбор подхода на основе объёма данных и требований к скорости.
- Готовый компонент с ARIA combobox, управлением с клавиатуры и подсветкой.
- Серверную часть: индекс Elasticsearch или SQL-функции с pg_trgm.
- Кеширование на клиенте (TTL 30 секунд, до 100 записей) и оптимизацию запросов.
- Документацию по интеграции и развёртыванию.
- Тестирование на мобильных устройствах и slow network.
Весь проект покрывается гарантией на 6 месяцев — если что-то сломалось, мы чиним бесплатно в течение 24 часов.
Как происходит реализация автодополнения?
Процесс состоит из четырёх этапов:
- Анализ данных и требований: оцениваем объём, частоту обновлений, latency-цели.
- Проектирование архитектуры: выбираем подход (client-side, server-side, гибридный), определяем индекс.
- Разработка компонента: реализуем клиентскую часть с debounce (задержка 250 мс), отменой запросов, ARIA combobox.
- Интеграция и тестирование: подключаем серверную часть, настраиваем кеш, проверяем на мобильных и slow network.
Каждый этап завершается код-ревью и unit-тестами.
Реализация клиентской части
Базовый хук с debounce и отменой
import { useState, useEffect, useRef, useCallback } from 'react';
type SearchResult = {
id: string;
title: string;
category?: string;
url: string;
};
function useAutocomplete(
fetchFn: (query: string, signal: AbortSignal) => Promise<SearchResult[]>,
delay = 250
) {
const [query, setQuery] = useState('');
const [results, setResults] = useState<SearchResult[]>([]);
const [loading, setLoading] = useState(false);
const [error, setError] = useState<Error | null>(null);
const abortRef = useRef<AbortController | null>(null);
const timerRef = useRef<ReturnType<typeof setTimeout> | null>(null);
const search = useCallback((value: string) => {
setQuery(value);
if (timerRef.current) clearTimeout(timerRef.current);
if (abortRef.current) abortRef.current.abort();
if (value.trim().length < 2) {
setResults([]);
return;
}
timerRef.current = setTimeout(async () => {
const controller = new AbortController();
abortRef.current = controller;
setLoading(true);
setError(null);
try {
const data = await fetchFn(value, controller.signal);
if (!controller.signal.aborted) setResults(data);
} catch (err) {
if (err instanceof Error && err.name !== 'AbortError') setError(err);
} finally {
if (!controller.signal.aborted) setLoading(false);
}
}, delay);
}, [fetchFn, delay]);
useEffect(() => () => {
if (timerRef.current) clearTimeout(timerRef.current);
if (abortRef.current) abortRef.current.abort();
}, []);
return { query, results, loading, error, search };
}
React autocomplete компонент с ARIA combobox
Корректная реализация по ARIA-паттерну combobox:
import { useId, useRef, useState } from 'react';
interface AutocompleteProps {
placeholder?: string;
onSelect: (result: SearchResult) => void;
fetchResults: (query: string, signal: AbortSignal) => Promise<SearchResult[]>;
}
export function Autocomplete({ placeholder, onSelect, fetchResults }: AutocompleteProps) {
const id = useId();
const listId = `${id}-listbox`;
const inputRef = useRef<HTMLInputElement>(null);
const listRef = useRef<HTMLUListElement>(null);
const { query, results, loading, search } = useAutocomplete(fetchResults);
const [activeIndex, setActiveIndex] = useState(-1);
const [open, setOpen] = useState(false);
const isOpen = open && (results.length > 0 || loading);
const handleKeyDown = (e: React.KeyboardEvent) => {
switch (e.key) {
case 'ArrowDown': e.preventDefault(); setActiveIndex((i) => Math.min(i + 1, results.length - 1)); break;
case 'ArrowUp': e.preventDefault(); setActiveIndex((i) => Math.max(i - 1, -1)); break;
case 'Enter':
if (activeIndex >= 0 && results[activeIndex]) {
onSelect(results[activeIndex]);
setOpen(false); setActiveIndex(-1);
}
break;
case 'Escape': setOpen(false); setActiveIndex(-1); inputRef.current?.focus(); break;
}
};
return (
<div className="autocomplete" role="combobox" aria-expanded={isOpen} aria-haspopup="listbox">
<input
ref={inputRef}
type="search"
placeholder={placeholder}
value={query}
aria-autocomplete="list"
aria-controls={listId}
aria-activedescendant={activeIndex >= 0 ? `${id}-option-${activeIndex}` : undefined}
onChange={(e) => { search(e.target.value); setOpen(true); setActiveIndex(-1); }}
onFocus={() => query.length >= 2 && setOpen(true)}
onBlur={() => setTimeout(() => setOpen(false), 150)}
onKeyDown={handleKeyDown}
/>
{isOpen && (
<ul ref={listRef} id={listId} role="listbox" className="autocomplete__dropdown">
{loading && <li role="option" aria-selected="false" className="autocomplete__loading">Поиск...</li>}
{results.map((result, index) => (
<li
key={result.id}
id={`${id}-option-${index}`}
role="option"
aria-selected={index === activeIndex}
className={`autocomplete__option ${index === activeIndex ? 'autocomplete__option--active' : ''}`}
onMouseDown={() => { onSelect(result); setOpen(false); }}
onMouseEnter={() => setActiveIndex(index)}
>
<span>
{(() => {
if (!query.trim()) return <span>{result.title}</span>;
const escaped = query.replace(/[.*+?^${}()|[\]\\]/g, '\\$&');
const parts = result.title.split(new RegExp(`(${escaped})`, 'gi'));
return parts.map((part, i) =>
part.toLowerCase() === query.toLowerCase()
? <mark key={i}>{part}</mark>
: <span key={i}>{part}</span>
);
})()}
</span>
{result.category && <span className="autocomplete__category">{result.category}</span>}
</li>
))}
</ul>
)}
</div>
);
}
Почему debounce 250 мс?
Значение 250 мс — компромисс между отзывчивостью и нагрузкой. Меньше 150 мс — слишком частые запросы, больше 400 мс — пользователь замечает задержку.Серверная часть на Elasticsearch
Используем Elasticsearch suggest API:
// POST /api/suggest
async function suggestHandler(req: Request) {
const { q } = await req.json();
if (!q || q.length < 2) return Response.json({ hits: [] });
const response = await esClient.search({
index: 'products',
body: {
suggest: {
title_suggest: {
prefix: q,
completion: {
field: 'title.suggest',
size: 10,
fuzzy: { fuzziness: 'AUTO' },
},
},
},
query: {
multi_match: {
query: q,
fields: ['title^3', 'description', 'tags^2'],
type: 'bool_prefix',
},
},
_source: ['id', 'title', 'category', 'url', 'image'],
size: 10,
},
});
return Response.json({ hits: response.hits.hits.map((h) => h._source) });
}
Индекс с полем completion:
{
"mappings": {
"properties": {
"title": {
"type": "text",
"fields": {
"suggest": {
"type": "completion",
"analyzer": "standard"
},
"keyword": { "type": "keyword" }
}
}
}
}
}
Кеширование на стороне клиента
const cache = new Map<string, { data: SearchResult[]; ts: number }>();
const TTL = 30_000; // 30 секунд
async function fetchWithCache(query: string, signal: AbortSignal) {
const cached = cache.get(query);
if (cached && Date.now() - cached.ts < TTL) return cached.data;
const res = await fetch(`/api/suggest?q=${encodeURIComponent(query)}`, { signal });
const data = await res.json();
cache.set(query, { data: data.hits, ts: Date.now() });
if (cache.size > 100) cache.delete(cache.keys().next().value);
return data.hits;
}
Ориентировочные сроки и гарантия
| Этап | Время |
|---|---|
| Простое автодополнение (fetch + debounce, без ARIA) | 4–8 часов |
| Полноценный компонент с ARIA, подсветкой и кешированием | 2–3 дня |
| Добавление серверного индекса Elasticsearch | +1–2 дня |
Стоимость рассчитывается индивидуально под ваш проект. Мы предоставляем гарантию 6 месяцев на реализованный функционал — если баг проявился, исправляем в течение 24 часов. Наш многолетний опыт в веб-разработке и десятки выполненных проектов — гарантия качества. Каждое решение проходит код-ревью, тестирование на скорость и доступность.
Закажите реализацию автодополнения для вашего сайта — мы подберём оптимальное решение. Получите консультацию по вашему проекту, напишите нам.