ES 0.90 的 completion suggester 之所以敲一两个字母就立刻返回提示，核心原因是它不在查询的时候实时遍历匹配，而是在写入索引阶段就提前把所有候选提示词构建成 FST 有限状态转换器，并且把 FST 持久化保存到索引段文件里，用户输入前缀的时候，只是沿着 FST 图做字符路径游走，不需要扫描大量文档，所以速度极快，毫秒级就能出结果。底层依赖 Lucene 的 AnalyzingSuggester，FST 本身是一张压缩的字符图，相同前缀的词会共用前面的路径，只在不同字符位置分叉，非常适合前缀自动补全场景，普通 prefix 查询是查询时扫词条，而它把高成本的构建工作全部前置到索引阶段。
一、核心底层结构：FST 有限状态转换器
- FST 本质是一张有向字符图，把所有候选提示词压缩存储，共享公共前缀
- 每个节点代表一个字符，一条完整路径就对应一条候选提示词，还附带权重、附加数据
- 构建 FST 计算开销很大，排序、合并、压缩都耗 CPU，所以设计上放在索引期一次性做完
- FST 会跟着 Lucene 段一起写入磁盘，ES 打开索引时加载进内存，后续查询直接复用
二、索引期（提前预计算）完整步骤
- 定义 mapping，单独声明一个 type 为 completion 的专用字段，这个字段不能用普通字符串字段
- 写入文档时，给 completion 字段传入 input 候选词列表、weight 权重、output 展示文本、payload 附加数据
- 使用索引分析器对 input 做分词、归一化处理，得到标准化后的候选字符串
- 把所有标准化后的候选词，按权重排序，交给 Lucene AnalyzingSuggester 生成 FST
- FST 序列化，写入当前 Lucene 段的索引文件，和倒排索引放在一起保存
- 段合并的时候，多个段的 FST 会重新合并、生成新的 FST，旧段文件被清理
三、查询期（用户敲字母时做的事情）
- 用户输入前缀，先用 search_analyzer 做同样的文本归一化
- 在已经加载好的 FST 图里，从起点顺着输入字符一步步走路径
- 如果前缀路径存在，遍历这个节点后面所有分支路径，收集候选词
- 按照预先存好的 weight 权重排序，返回指定数量的提示结果
- 整个过程没有扫描倒排、没有遍历文档，只是图上遍历，所以敲 2 个字母也秒出提示
四、和普通 prefix 前缀查询的区别
| 方式 | 计算时机 | 查询开销 | 适用场景 |
|---|---|---|---|
| completion suggester | 索引期构建 FST | 极低，图遍历 | 输入时自动补全、联想提示 |
| prefix query | 查询时扫描词条 | 高，遍历倒排 | 少量前缀检索，不适合打字实时提示 |
五、这个方案自带的短板
- 字段必须单独定义 completion 类型，不能直接拿普通 text 字段当提示
- 删除文档不会立刻从 FST 里移除，要等段合并重建 FST 才会生效
- FST 占用堆内存，候选词越多，内存占用越高
- 只支持前缀匹配，不支持中间、后缀模糊匹配
- ES0.90 版本里这个功能还是实验性特性，后续版本有改动
【相关 FAQ】
问题 1：ES0.90 的 completion suggester 的 FST 是每次查询都重新构建吗？
回答 1：不是，ES0.90 的 completion suggester 的 FST 是索引写入阶段提前构建并持久化到索引段，查询阶段只会读取、遍历 FST，不会重新构建，只有段合并的时候才会重建 FST。
问题 2：ES0.90 的 completion suggester 能不能直接用普通 string 字段做自动提示？
回答 2：不能，ES0.90 的 completion suggester 要求必须单独配置 completion 类型字段，普通 string 字段不会在索引阶段生成 FST，无法使用这套预计算的提示逻辑。
问题 3：ES0.90 的 completion suggester 敲两个字母就返回提示，是预存了所有 2 字母前缀列表吗？
回答 3：不是预存全部前缀列表，而是预构建 FST 图，FST 天然支持任意长度前缀游走，不管输入 1 个、2 个还是多个字母，都是沿着字符路径查找，不需要提前枚举所有前缀。
【参考资料】
[2026-10-26]（刚敲两个字母就有提示，ES 0.90 的 completion suggester 是怎么提前算好的）腾讯云开发者社区
[2013-08-22]（You Complete Me）Elastic 官方博客
【免责声明】
本内容仅为技术原理科普，ES0.90 属于比较老旧的版本，该版本 completion suggester 存在实验性限制，不建议直接在生产环境照搬；不同版本 Elasticsearch 底层实现存在差异，实操前请核对对应版本官方文档，本内容不承担任何线上故障、业务损失相关责任。