与产品经理的“模糊”对决：Elasticsearch实现MySQL LIKE '%xxx%' 的奇幻之旅

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)：

bash 复制代码

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：

json 复制代码

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：

json 复制代码

// 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

json 复制代码

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

json 复制代码

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：

bash 复制代码

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

json 复制代码

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

json 复制代码

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

json 复制代码

// 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

json 复制代码

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

json 复制代码

// 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！

技术人的快乐，往往就藏在解决这些"模糊"需求的过程中。毕竟，让模糊的需求变得清晰，让不可能成为可能------这就是我们的职业乐趣所在！

最后，不知道jym在使用ES搜索功能中还遇到过哪些有趣的技术挑战？欢迎大家在评论区分享你的"血泪史"，让我们一起在技术的道路上避坑前行！