你以为精通Elasticsearch的match查询就够了？产品经理这个简单需求差点让集群崩溃

作者：佚名时间：2025-11-18 09:43

字号

曾以为掌握了Elasticsearch的match查询就征服了搜索世界——直到产品经理轻叩桌面，抛出一个看似简单的要求："我们需要像MySQL的LIKE '%关键词%'那样前后通配的模糊搜索。" 我嘴角微扬，意识到真正的技术探险才刚刚开始。

引子：一场关于“模糊”需求的拉锯战

“咱们这个搜索功能，用户反馈说经常只记得内容中间的几个字，希望支持前后模糊匹配，就像MySQL里LIKE '%关键词%'那样。”

产品经理眨着期待的大眼睛，而我心里已经开始警铃大作。

“在ES里做前后通配符？这玩意搞不好会把集群搞崩啊！” 我试图挣扎。

“但是竞品都有这个功能了...” 产品经理使出了杀手锏。

经过一番“友好协商”，我们达成共识：工期可以延长，但这个功能必须实现！

送走产品经理，我盯着屏幕陷入沉思：在Elasticsearch里做前后模糊匹配，这确实是个技术挑战。不过话说回来，我们正准备新采购ES集群，和主管评估后决定直接上8.x版本——等等，ES 7.9不是引入了专门的wildcard字段类型吗？

最终方案：基于ES 8.x的wildcard类型字段 + wildcard查询，完美实现前后模糊匹配！

从“分词”这个基础概念说起

要理解ES的模糊搜索，得先搞明白它最核心的概念——分词。

分词的奇妙世界

当你往ES里存入“苹果手机真香”时，背后发生了这样的变化(使用不同分词器，分出来的词可能不一样)：

原始文本："苹果手机真香"
↓ 分词处理
["苹果", "手机", "真", "香"]

这就是为什么最简单的match查询能够工作：

GET /products/_search
{
  "query": {
    "match": {
      "name": "苹果手机"
    }
  }
}

但是，这里藏着第一个坑！

默认情况下，match查询使用or操作符，意味着：

// 搜索"苹果手机"可能返回：
// - "苹果电脑"（只匹配"苹果"）
// - "华为手机"（只匹配"手机"）
// - "苹果手机"（完全匹配）
// - "好吃苹果"（只匹配"苹果"）

用户想要的是“苹果手机”，结果搜出来一堆不相干的东西，这体验能好吗？

更精确的匹配方式

match + operator "and" - 必须全部包含

GET /products/_search
{
  "query": {
    "match": {
      "name": {
        "query": "苹果手机",
        "operator": "and"
      }
    }
  }
}

效果：必须同时包含"苹果"和"手机"两个词。

进步： 排除了只包含一个词的无关结果。

新问题：顺序不固定！“手机苹果”也会被匹配，这显然不符合正常语言习惯。

match_phrase - 真正的词组匹配

GET /products/_search
{
  "query": {
    "match_phrase": {
      "name": "苹果手机"
    }
  }
}

完美！必须完整包含"苹果手机"这个词组，且顺序一致。

但是... 当测试用例显示：“用户只记得'果手'两个字，怎么搜不到'苹果手机'？”

我意识到，传统的分词搜索有其局限性。

ES 7.9之前的解决方案：n-gram分词器

面对前后模糊匹配的需求，在ES 7.9之前，最成熟的方案就是n-gram分词器 + match_phrase实现。

什么是n-gram？

简单说，就是把文本切成固定长度的片段：

原始文本："苹果手机"
2-gram分词：["苹果", "果手", "手机"]
3-gram分词：["苹果手", "果手机"]

配置n-gram分析器

PUT /products
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ngram_analyzer": {
          "tokenizer": "ngram_tokenizer"
        }
      },
      "tokenizer": {
        "ngram_tokenizer": {
          "type": "ngram",
          "min_gram": 2,  // 最小2个字符
          "max_gram": 3   // 最大3个字符
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "ngram_analyzer",
        "search_analyzer": "standard"
      }
    }
  }
}

实现前后模糊匹配

GET /products/_search
{
  "query": {
    "match_phrase": {
      "name": "果手"
    }
  }
}

效果：成功匹配到"苹果手机"！

付出的代价：

危险的诱惑：7.9之前的wildcard查询

在调研过程中，我发现ES其实一直都有wildcard查询，但文档里满是红色警告。

揭开wildcard查询的真相

常见误解1： "7.9版本以下只能查keyword字段"

事实： wildcard可以作用于text字段，但匹配的是分词后的term，结果往往出乎意料，不尽人意。

常见误解2： "会进行全索引扫描"

事实： 扫描的是字段倒排索引中的所有term，对每个term进行正则匹配。

wildcard查询实战

// 对keyword字段查询（相对可用）
GET /products/_search
{
  "query": {
    "wildcard": {
      "name": {
        "value": "*iPhone*",
        "case_insensitive": true
      }
    }
  }
}
// 对text字段查询（强烈不推荐）
GET /products/_search
{
  "query": {
    "wildcard": {
      "name": {
        "value": "*iphone*"
      }
    }
  }
}

说明：当设置case_insensitive为true时，查询会忽略大小写。

性能灾难：前导通配符*会导致遍历所有term，CPU和内存瞬间飙升，妥妥的集群杀手！

新时代的解决方案：ES 7.9+的wildcard字段类型

就在我纠结要不要接受n-gram的索引膨胀时，突然想起：我们不是准备采购ES 8.x吗？

ES 7.9引入的wildcard字段类型简直就是为此场景量身定制！

技术原理揭秘

实际配置和使用

PUT /products
{
  "mappings": {
    "properties": {
      "name": {
        "type": "wildcard"  // 专门为通配符优化的字段类型
      }
    }
  }
}
GET /products/_search
{
  "query": {
    "wildcard": {
      "name": {
        "value": "*果手*"  // 前后模糊匹配
      }
    }
  }
}

性能对比：数字说话

在我们的测试环境中：

方案索引大小平均查询延迟集群影响功能完整性

n-gram + match_phrase

原始大小 × 约3倍

50ms左右

中等

旧版wildcard查询

原始大小

1000ms+

极高风险

wildcard字段类型

原始大小 × 约1.4倍

25ms左右

很低

结果显而易见！

最终技术选型

经过充分的测试和对比，我们最终拍板：

采购Elasticsearch 8.x集群
对需要模糊匹配的字段使用wildcard类型
传统搜索场景继续使用match_phrase等成熟方案

// 最终的映射设计
PUT /products
{
  "mappings": {
    "properties": {
      "name": {
        "type": "wildcard"      // 用于前后模糊匹配
      },
      "description": {
        "type": "text"          // 用于常规全文搜索
      },
      "category": {
        "type": "keyword"       // 用于精确分类匹配
      }
    }
  }
}