Реалізація пошуку з автодоповненням для веб-застосунку
Нещодавно до нас звернувся інтернет-магазин з каталогом у 200 тис. товарів: користувачі скаржилися на повільний пошук, а стандартне рішення на WordPress не справлялося. Ми реалізували автодоповнення на основі Elasticsearch з fuzzy-пошуком та кешуванням — час введення скоротився в 3 рази, а навантаження на сервер впало на 60%. Технічно автодоповнення — це перетин кількох задач: швидкий fuzzy-пошук по індексу, debounce, щоб не перевантажувати сервер, коректна робота з клавіатурою (ARIA combobox), скасування застарілих запитів. Кожна вирішується окремо, разом вони складають повноцінний компонент. Ми реалізували десятки проектів з автодоповненням, тому знаємо типові граблі.
Технічні складнощі
На перший погляд здається: зробив <input> з випадним списком — і готово. Але на практиці потрібні:
- Debounce зі скасуванням попередніх запитів (щоб не завалювати сервер). Оптимальна затримка — 250 мс.
- Fuzzy-пошук (пошук з неточним збігом) для стійкості до помилок. Наприклад, запит "айфон" знайде "iPhone".
- Коректне керування з клавіатури (стрілки, Enter, Escape) та ARIA-атрибути для доступності.
- Підсвітка збігів у результатах, щоб користувач бачив, що його запит враховано.
- Кешування частих запитів для зниження latency. Типовий кеш — 100 записів з TTL 30 секунд.
Порівняння підходів: client-side, server-side та гібридний
| Підхід | Обсяг даних | Час відгуку | Складність реалізації | Типові бібліотеки |
|---|---|---|---|---|
| Client-side | до ~50 000 записів | Миттєвий (немає мережевих затримок) | Низька | Fuse.js, MiniSearch |
| Server-side | будь-який | Залежить від швидкості бекенду та мережі | Висока | Elasticsearch, Typesense, PostgreSQL pg_trgm |
| Гібридний | будь-який | Швидкий для частих запитів, для рідкісних — як server-side | Середня | Будь-який з вище + кеш на клієнті |
Client-side пошук працює в 5–10 разів швидше server-side для наборів до 50 тис. записів. Вибір підходу критичний для UX та бюджету на інфраструктуру.
Як вибрати підхід: client-side чи server-side?
Якщо у вас менше 50 000 записів і дані рідко оновлюються, client-side дасть мінімальну затримку та зменшить навантаження на сервер. Для великих каталогів або динамічних даних потрібен server-side з кешуванням на клієнті. Ми допомагаємо визначити оптимальний варіант на етапі аудиту.
Що входить у роботу
При замовленні автодоповнення ви отримуєте:
- Архітектурне рішення: вибір підходу на основі обсягу даних та вимог до швидкості.
- Готовий компонент з ARIA combobox, керуванням з клавіатури та підсвіткою.
- Серверну частину: індекс Elasticsearch або SQL-функції з pg_trgm.
- Кешування на клієнті (TTL 30 секунд, до 100 записів) та оптимізацію запитів.
- Документацію з інтеграції та розгортання.
- Тестування на мобільних пристроях та slow network.
Весь проект покривається гарантією на 6 місяців — якщо щось зламалося, ми лагодимо безкоштовно протягом 24 годин.
Як відбувається реалізація автодоповнення?
Процес складається з чотирьох етапів:
- Аналіз даних та вимог: оцінюємо обсяг, частоту оновлень, latency-цілі.
- Проектування архітектури: вибираємо підхід (client-side, server-side, гібридний), визначаємо індекс.
- Розробка компонента: реалізуємо клієнтську частину з debounce (затримка 250 мс), скасуванням запитів, ARIA combobox.
- Інтеграція та тестування: підключаємо серверну частину, налаштовуємо кеш, перевіряємо на мобільних та slow network.
Кожен етап завершується код-рев'ю та unit-тестами.
Реалізація клієнтської частини
Базовий хук з debounce та скасуванням
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 з ARIA combobox
Коректна реалізація згідно з ARIA-патерном 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-${activeIndex}` : undefined}
onChange={(e) => { search(e.target.value); setOpen(true); setActiveIndex(-1); }}
onFocus={() => query.length >= 2 && setOpen(true)}
onBlur={() => setTimeout(() => setOpen(false), 150)}
onKeyDown={handleKeyDown}
/>
{isOpen && (
<ul ref={listRef} id={listId} role="listbox" className="autocomplete__dropdown">
{loading && <li role="option" aria-selected="false" className="autocomplete__loading">Пошук...</li>}
{results.map((result, index) => (
<li
key={result.id}
id={`${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(`(${escaped})`, 'gi'));
return parts.map((part, i) =>
part.toLowerCase() === query.toLowerCase()
? <mark key={i}>{part}</mark>
: <span key={i}>{part}</span>
);
})()}
</span>
{result.category && <span className="autocomplete__category">{result.category}</span>}
</li>
))}
</ul>
)}
</div>
);
}
Чому debounce 250 мс?
Значення 250 мс — компроміс між чутливістю та навантаженням. Менше 150 мс — надто часті запити, більше 400 мс — користувач помічає затримку.Серверна частина на Elasticsearch
Використовуємо Elasticsearch suggest API:
// POST /api/suggest
async function suggestHandler(req: Request) {
const { q } = await req.json();
if (!q || q.length < 2) return Response.json({ hits: [] });
const response = await esClient.search({
index: 'products',
body: {
suggest: {
title_suggest: {
prefix: q,
completion: {
field: 'title.suggest',
size: 10,
fuzzy: { fuzziness: 'AUTO' },
},
},
},
query: {
multi_match: {
query: q,
fields: ['title^3', 'description', 'tags^2'],
type: 'bool_prefix',
},
},
_source: ['id', 'title', 'category', 'url', 'image'],
size: 10,
},
});
return Response.json({ hits: response.hits.hits.map((h) => h._source) });
}
Індекс з полем completion:
{
"mappings": {
"properties": {
"title": {
"type": "text",
"fields": {
"suggest": {
"type": "completion",
"analyzer": "standard"
},
"keyword": { "type": "keyword" }
}
}
}
}
}
Кешування на стороні клієнта
const cache = new Map<string, { data: SearchResult[]; ts: number }>();
const TTL = 30_000; // 30 секунд
async function fetchWithCache(query: string, signal: AbortSignal) {
const cached = cache.get(query);
if (cached && Date.now() - cached.ts < TTL) return cached.data;
const res = await fetch(`/api/suggest?q=${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;
}
Орієнтовні терміни та гарантія
| Етап | Час |
|---|---|
| Просте автодоповнення (fetch + debounce, без ARIA) | 4–8 годин |
| Повноцінний компонент з ARIA, підсвіткою та кешуванням | 2–3 дні |
| Додавання серверного індексу Elasticsearch | +1–2 дні |
Вартість розраховується індивідуально під ваш проект. Ми надаємо гарантію 6 місяців на реалізований функціонал — якщо баг проявився, виправляємо протягом 24 годин. Наш багаторічний досвід у веб-розробці та десятки виконаних проектів — гарантія якості. Кожне рішення проходить код-рев'ю, тестування на швидкість та доступність.
Замовте реалізацію автодоповнення для вашого сайту — ми підберемо оптимальне рішення. Отримайте консультацію по вашому проекту, напишіть нам.