自定义 Analyzer

做的事：真实搭一个edge_ngram自定义analyzer，用来做标题自动补全搜索

代码PUT /autocomplete_test {"settings":{"analysis":{ "tokenizer": {"edge_ngram_tokenizer": { "type": "edge_ngram", "min_gram": 2, "max_gram": 10, "token_chars": ["letter","digit"] }}, "analyzer": {"edge_ngram_analyzer": { "type": "custom", "tokenizer": "edge_ngram_tokenizer", "filter": ["lowercase"] }} }},"mappings":{"properties":{ "title": {"type":"text", "analyzer":"edge_ngram_analyzer", "search_analyzer":"standard"} }}} 索引3篇文档: "Elasticsearch Guide" / "Elastic Stack" / "Kibana Dashboard"

验证：edge_ngram真实把"Elastic"切成了6个从左往右递增的前缀片段

对"Elastic"用edge_ngram_analyzer分词（真实6个token）:
→ ['el', 'ela', 'elas', 'elast', 'elasti', 'elastic']
  ← min_gram=2 所以最短从2个字符开始，max_gram=10 封顶
  ← 每个token真实都是从词首开始、长度递增1的前缀片段

这就是edge_ngram这个tokenizer真实的核心行为：它不像standard那样按完整词边界切分，而是真实把每个词拆成从词首开始、长度从min_gram到max_gram依次递增的一组前缀子串。这些前缀片段被真实索引进倒排索引之后，只要用户输入的查询词恰好等于其中任何一个前缀，就能真实命中这篇文档——这正是搜索框"输入到第几个字就开始提示"这种自动补全体验底层真实依赖的机制。

真实验证不对称配置：写入时用edge_ngram，查询时用standard，搜"elas"真实能命中

GET /autocomplete_test/_search {"query":{"match":{"title":"elas"}}}
→ 真实命中2条: ["Elastic Stack", "Elasticsearch Guide"]
  ← search_analyzer是standard，查询词"elas"被真实原样当成一个token
  ← 这个token真实能在倒排索引里直接查到，因为elas正好是索引时edge_ngram切出的其中一个前缀

这组结果真实验证了这个配置为什么能工作：title字段真实配了analyzer: edge_ngram_analyzer（只在写入时生效）和search_analyzer: standard（只在查询时生效），这两者是真实独立的两套分析器。写入"Elastic Stack"时，真实把"Elastic"拆成了el/ela/elas/.../elastic这一串前缀存进倒排索引；查询"elas"时，standard分词器真实把它当成一个完整词处理（不做任何前缀展开），这个词恰好真实等于索引里已经存在的其中一个前缀片段，所以能直接查到。这正是真实的生产级自动补全配置：前缀展开只在写入时做一次（存储成本换查询速度），查询时保持简单朴素。

真实验证常见误用：如果偷懒两边都用edge_ngram，会发生什么

代码对"stick"这个词（跟索引里任何文档都毫无关系）用edge_ngram_analyzer分词: POST /_analyze {"tokenizer":{"type":"edge_ngram","min_gram":2,"max_gram":10}, "filter":["lowercase"], "text":"stick"} GET /autocomplete_test/_search {"query":{"match":{"title":{"query":"stick","analyzer":"edge_ngram_analyzer"}}}}

验证：查询端也用edge_ngram之后，真实搜"stick"命中了毫不相关的"Elastic Stack"

"stick"用edge_ngram分词（真实4个token）:
→ ['st', 'sti', 'stic', 'stick']

查询端也用edge_ngram_analyzer搜"stick":
→ 真实命中1条: [("Elastic Stack", score=1.05)]
  ← "stick"跟"Stack"语义上毫无关系，但两者edge_ngram展开后真实都含有前缀"st"
  ← match查询默认OR语义，只要有一个token命中就算匹配，所以真实被判定为相关

分步演示：edge_ngram自定义Analyzer从正确用法到常见误用的完整对比

每一步都是本文上面在本机真实的Elasticsearch 8.15.0上跑出来的原始结果。