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！
image
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：
✅ 支持任意位置的子串匹配
❌ 索引体积膨胀3倍以上
❌ 查询性能受影响
❌ 需要精细调整n-gram参数
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
智能n-gram索引：底层使用优化的3字符n-gram
二进制doc value：完整保存原始文档，保证匹配精度
专用查询引擎：针对通配符场景深度优化
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
}
}
}
}
当演示结果出来时，产品和用户都很满意：“所以现在输入'果手'真的能找到'苹果手机'了？而且性能还不错？”
“没错，这就是技术演进的力量！”我微笑着回答。
（其实是工期足的力量☺️，工期足够长，资金足够多，什么都能做😊）
总结：Elasticsearch模糊搜索方案对比
搜索方式 适用场景 优点 缺点 推荐指数
match 常规全文搜索 简单易用 精度较低 ⭐⭐⭐⭐
match + operator: "and" 多词必须匹配 提高相关性 顺序不固定 ⭐⭐⭐
match_phrase 精确词组匹配 顺序一致 不支持模糊 ⭐⭐⭐⭐
n-gram + match_phrase 前后模糊匹配 功能完整 索引膨胀严重 ⭐⭐⭐
旧版wildcard查询 通配符匹配 使用简单 性能极差 ⭐
wildcard字段类型 前后模糊匹配 性能优秀 需要ES 7.9+ ⭐⭐⭐⭐⭐
技术心得：
从最初的match查询到最终的wildcard字段类型，这条演进之路告诉我们：
了解业务场景：不同的搜索需求需要不同的技术方案
理解底层原理：明白分词机制和查询原理才能做出正确选择
拥抱技术演进：新版本往往用更优雅的方式解决老问题
友情提示： 如果你的产品经理接下来要求实现“深度分页”，请温柔地提醒TA——就连淘宝搜索也只支持100页，这不是技术限制，而是用户体验的最优解！
