Не начинайте с замены поискового запроса. Сначала спросите Elasticsearch, какие токены реально созданы для поля и для текста запроса. Вызов `_analyze` с параметром `field` использует analyzer из mapping; это быстрее отделяет ошибку анализа от scoring, фильтров и отсутствующих документов.
Встроенный `russian` analyzer приводит текст к lowercase, удаляет русские стоп-слова и применяет русский stemmer. Это не словарь всех грамматических форм и не понимание смысла. Стемминг полезен для «машина/машины», но может быть нежелателен для фамилий, брендов, кодов и коротких терминов.
Контрастные примеры показывают ошибку лучше большого корпуса
| Текст | Ожидание | Что проверяем |
|---|---|---|
| машина / машины | Общий поисковый stem | russian analyzer |
| ООО Ромашка | Название доступно и как фраза, и точно | text + keyword subfield |
| С-1000 | Артикул не распался неожиданно | tokenizer/char filter |
| пример | Слово можно защитить от stemming | keyword_marker |
| в наличии | Стоп-слово не меняет обязательный фильтр | Разделение full-text и structured filter |
Возьмите 10–20 примеров из настоящих обезличенных запросов: найдено правильно, не найдено и найдено лишнее. Для каждого заранее запишите ожидаемое множество документов. Иначе настройка легко улучшит один красивый пример и испортит основной трафик.
_analyze раскрывает каждый этап
POST products_v2/_analyze
{
"field": "name.ru",
"text": ["машина", "машины", "ООО Ромашка"],
"explain": true
}
GET products_v2/_mapping/field/name.ruОтвет `explain` показывает tokenizer и последовательность token filters. Сравните его с `_analyze` для фактического search analyzer, если он отличается. Запрос без index или field может использовать стандартный analyzer и дать правдоподобный, но не относящийся к вашему полю результат.
Один текст хранит несколько поисковых представлений
Название товара обычно полезно индексировать как полнотекстовое русское поле и как `keyword` subfield для точного фильтра, сортировки или агрегации. Для подсказок и префиксов может понадобиться ещё одно поле с отдельным analyzer. Это яснее, чем заставлять один поток токенов одновременно выполнять несовместимые задачи.
- Русский stemmer применяйте только к естественному русскому тексту.
- Бренды и защищённые слова добавляйте в `keyword_marker` по управляемому списку.
- Артикулы, UUID и телефоны храните в точных полях с подходящим normalizer.
- Stopwords оценивайте по вашим запросам: удалённое слово может быть значимым для названия.
- Synonyms тестируйте после stemming-order: порядок фильтров меняет входные термины.
Index analyzer и search analyzer должны встречаться по смыслу
Они не обязаны быть одинаковыми, но токены запроса должны иметь шанс совпасть с индексными. Слишком агрессивный search analyzer не вернёт токены, которых нет в индексе; слишком узкий не найдёт словоформы. Проверьте обе стороны одной парой `_analyze`, затем используйте `_explain` или профиль запроса уже для scoring.
Не смешивайте морфологию с фильтрами наличия, города или прав доступа. Эти признаки должны жить в structured fields и filter context. Иначе изменение analyzer неожиданно меняет бизнес-ограничение.
Новый analyzer проверяем в новом индексе
Изменение настройки не переобрабатывает токены уже записанных документов. Создайте версионированный индекс, перенесите данные, прогоните набор эталонных запросов и только затем переключите alias. Старый индекс оставьте на короткое окно отката; двойная запись требует контроля версии схемы.
Сравнивайте не только число результатов: precision@k для лишних совпадений, recall по ожидаемым документам, нулевые выдачи и latency. Отдельно просмотрите названия людей и бренды — там агрессивный stemmer заметнее всего.
Диагностический пакет не требует выгрузки каталога
Достаточно mapping поля, analyzer settings, результатов `_analyze` для обезличенных фраз, двух запросов DSL и ожидаемых document IDs. Удалите описания с персональными данными и ключи доступа. После исправления тот же компактный набор становится регрессионным тестом поиска.