Elasticsearch Completion Suggester 是什么？和普通搜索自动补全有什么区别？

简化版

Completion Suggester 是 ES 面向自动补全的建议能力，底层使用适合前缀匹配的结构，查询延迟很低。它适合输入框联想，但不等同于完整全文搜索或复杂排序推荐。

详细版

搜索框自动补全要求用户每输入一个字符就快速返回候选词。普通 match 查询也能做前缀类需求，但在低延迟和建议词模型上不如 Completion Suggester 专门。

需要在 mapping 中定义 completion 类型字段。
写入时提供 suggest 输入，可以有权重。
查询时用 suggest API 根据 prefix 返回候选。
适合商品名、城市名、关键词联想。
复杂权限过滤、多维排序和实时个性化推荐可能需要额外设计。

完整版教学

一、为什么自动补全和普通搜索不是一回事

普通搜索通常发生在用户提交完整关键词后，可以花几十到几百毫秒做相关性排序；自动补全发生在用户输入过程中，每个字符都可能触发请求。它更看重前缀匹配速度、稳定延迟和建议词质量。Completion Suggester 就是为这种“边输边提示”的模式准备的能力。它不是让搜索结果页更强，而是让输入框更快给候选。

PUT products
{
  "mappings": {
    "properties": {
      "suggest": { "type": "completion" }
    }
  }
}

记忆钩子：Completion Suggester 解决“输入框提示”，普通搜索解决“提交后检索”。

二、completion 字段怎么写入

使用 Completion Suggester 时，通常会单独写一个 suggest 字段，里面放可补全的输入词和权重。比如商品“iPhone 17 Pro”可以写入 iphone、iphone 17、苹果手机 等输入变体。权重可以让热门词排得更靠前。这个模型说明，自动补全不是完全靠原始标题字段自然生成，常常需要业务提前准备候选词。

POST products/_doc/1
{
  "name": "iPhone 17 Pro",
  "suggest": {
    "input": ["iphone", "iphone 17", "苹果手机"],
    "weight": 100
  }
}

三、查询时为什么很快

Completion Suggester 针对前缀建议做了专门的数据结构，常被理解为基于 FST 这类紧凑自动机结构来快速匹配前缀。用户输入 iph 时，不需要像普通全文查询那样计算大量文档相关性，而是沿着前缀路径找到候选建议。它把一部分成本放在写入和内存结构维护上，换取查询阶段的低延迟。

POST products/_search
{
  "suggest": {
    "product-suggest": {
      "prefix": "iph",
      "completion": { "field": "suggest", "size": 5 }
    }
  }
}

四、带数字理解输入框延迟压力

假设一个搜索框每输入 1 个字符触发一次请求，用户平均输入 6 个字符，峰值每秒 2000 个用户在输入，就可能产生每秒 12000 次 suggest 请求。这个场景下，哪怕普通搜索单次 80ms，也会给集群造成压力；如果 suggest 能稳定在几毫秒到十几毫秒，用户体验和资源成本都会更好。自动补全是典型的小请求高并发场景。

2000 users/s × 6 chars = 12000 suggest requests/s
输入框体验要求比普通搜索结果页更苛刻

五、它的限制：不是完整推荐系统

Completion Suggester 适合按前缀召回建议词，但复杂业务常常需要权限过滤、库存过滤、个性化、拼音、纠错、多语言和运营干预。如果把这些都塞进 completion 字段，会让模型变复杂。常见做法是用 suggester 做第一层候选，再结合业务缓存、热门词服务或搜索后端做二次处理。面试回答不要把它吹成万能推荐系统。

需求	Completion Suggester 是否适合
前缀联想	适合
热门词权重	适合
个性化推荐	需要额外系统
复杂过滤	要谨慎设计

六、和 edge ngram 的取舍

自动补全也可以用 edge ngram 分词，把词切成前缀 token 后用普通查询检索。edge ngram 更灵活，可以结合普通 query/filter，但索引体积可能更大，相关性和性能要调。Completion Suggester 查询快、模型专用，但过滤和复杂排序不如普通查询灵活。选择时要看你需要的是纯建议词，还是带复杂条件的搜索结果。

Completion：低延迟建议词，专用能力
edge ngram：更像普通搜索方案，灵活但索引膨胀

七、常见误区与追问

误区：Completion Suggester 等于全文搜索。 它主要面向前缀建议，不是完整搜索结果排序。
误区：自动补全不用业务建模。 输入变体、权重、热门词和过滤规则都需要业务设计。
误区：它一定比所有方案都好。 如果需要复杂过滤和排序，edge ngram 或专门搜索服务可能更合适。
追问：为什么它适合低延迟？ 它针对前缀匹配使用专门结构，减少普通搜索的相关性计算成本。
追问：热门词怎么排前面？ 写入 suggest 时设置 weight，并结合业务热度定期更新。

八、加强记忆

Completion Suggester 记成“输入框联想专用通道”。它通过 completion 字段和前缀建议结构换取低延迟，适合商品名、城市名、关键词提示。回答时同时讲出 edge ngram 方案和复杂过滤限制，才不会显得只会背 API。

简化版

详细版