חיפוש פקטות ב-Elasticsearch עם אגרגציות: מוני דיוק

חיפוש פנים (Faceted Search) עם Elasticsearch ואגרגציות: מוני ספירה מדויקים

דמיינו קטלוג עם מיליון מוצרים. ללא חיפוש פנים, המשתמש דפדף ב-200 עמודים. עם זה, הוא מוצא את המותג וטווח המחירים הרצויים תוך שניות. אבל המונים משקרים אם לא מגדירים את האגרגציות POST /products/_search { "query": { "bool": { "must": [ { "match": { "title": "ноутбук" } } ], "filter": [ { "term": { "is_active": true } }, { "range": { "price": { "gte": 20000, "lte": 80000 } } } ] } }, "aggs": { "by_brand": { "terms": { "field": "brand", "size": 20, "order": { "_count": "desc" } } }, "price_ranges": { "range": { "field": "price", "ranges": [ { "key": "до 30 000", "to": 30000 }, { "key": "30–60 000", "from": 30000, "to": 60000 }, { "key": "60–100 000", "from": 60000, "to": 100000 }, { "key": "от 100 000", "from": 100000 } ] } }, "price_stats": { "stats": { "field": "price" } }, "by_category": { "terms": { "field": "category", "size": 10 } }, "by_rating": { "histogram": { "field": "rating", "interval": 1, "min_doc_count": 1 } } }, "size": 20, "from": 0 } ו-filter. מאמר זה מכסה כיצד לבנות מוני פנים נכונים על Elasticsearch, תוך הימנעות מטעויות אופייניות.

אנו משלבים את Elasticsearch עם חיפוש פנים בקטלוגים ובחנויות מסחר אלקטרוני. אלה מוני סינון: "מותג: Samsung (143), Apple (89)", "מחיר: עד 30,000 (234), 30–60,000 (145)". כאשר נבחר מסנן, רשימת המוצרים מצטמצמת, והמונים של ערכים אחרים מתעדכנים. במסדי נתונים רלציוניים פעולות כאלה יקרות — GROUP BY עם COUNT(*) על קבוצה מסוננת. ב-Elasticsearch, המשימה נפתרת עם אגרגציות, לעיתים קרובות בבקשה אחת. אנו נעריך את הפרויקט שלך וניישם אותו במפתח מלא תוך 2–4 ימי עבודה.

כיצד ליישם מוני פנים נכונים

בקשה אופיינית לקטלוג: שאילתת חיפוש + מסננים פעילים + אגרגציות לספירת פנים. דוגמה לבקשה בסיסית:

POST /products/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": "ноутбук"
          }
        }
      ],
      "filter": [
        {
          "term": {
            "is_active": true
          }
        },
        {
          "range": {
            "price": {
              "gte": 20000,
              "lte": 80000
            }
          }
        }
      ]
    }
  },
  "aggs": {
    "by_brand": {
      "terms": {
        "field": "brand",
        "size": 20,
        "order": {
          "_count": "desc"
        }
      }
    },
    "price_ranges": {
      "range": {
        "field": "price",
        "ranges": [
          {
            "key": "до 30 000",
            "to": 30000
          },
          {
            "key": "30–60 000",
            "from": 30000,
            "to": 60000
          },
          {
            "key": "60–100 000",
            "from": 60000,
            "to": 100000
          },
          {
            "key": "от 100 000",
            "from": 100000
          }
        ]
      }
    },
    "price_stats": {
      "stats": {
        "field": "price"
      }
    },
    "by_category": {
      "terms": {
        "field": "category",
        "size": 10
      }
    },
    "by_rating": {
      "histogram": {
        "field": "rating",
        "interval": 1,
        "min_doc_count": 1
      }
    }
  },
  "size": 20,
  "from": 0
}

הבעיה של מונים נעלמים בעת בחירת פן

אם המשתמש בוחר מותג "Samsung" ומוסיף אותו ל-by_brand, האגרגציה POST /products/_search { "query": { "bool": { "must": [ { "match": { "title": "ноутбук" } } ], "filter": [ { "term": { "is_active": true } } ] } }, "post_filter": { "bool": { "filter": [ { "term": { "brand": "Samsung" } } ] } }, "aggs": { "all_brands": { "global": {}, "aggs": { "filtered_brands": { "filter": { "bool": { "must": [ { "match": { "title": "ноутбук" } } ], "filter": [ { "term": { "is_active": true } } ] } }, "aggs": { "brands": { "terms": { "field": "brand", "size": 20 } } } } } }, "price_ranges": { "range": { "field": "price", "ranges": [ { "key": "до 30 000", "to": 30000 }, { "key": "30–60 000", "from": 30000, "to": 60000 }, { "key": "от 60 000", "from": 60000 } ] } } }, "size": 20 } סופרת רק בתוך הקבוצה המסוננת. המונים של מותגים אחרים הופכים לאפס — המשתמש לא יכול לראות כמה מוצרים יש ממותגים אחרים. הפתרון הוא Post Filter בשילוב עם Global Aggregation:

POST /products/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "title": "ноутбук"
          }
        }
      ],
      "filter": [
        {
          "term": {
            "is_active": true
          }
        }
      ]
    }
  },
  "post_filter": {
    "bool": {
      "filter": [
        {
          "term": {
            "brand": "Samsung"
          }
        }
      ]
    }
  },
  "aggs": {
    "all_brands": {
      "global": {},
      "aggs": {
        "filtered_brands": {
          "filter": {
            "bool": {
              "must": [
                {
                  "match": {
                    "title": "ноутбук"
                  }
                }
              ],
              "filter": [
                {
                  "term": {
                    "is_active": true
                  }
                }
              ]
            }
          },
          "aggs": {
            "brands": {
              "terms": {
                "field": "brand",
                "size": 20
              }
            }
          }
        }
      }
    },
    "price_ranges": {
      "range": {
        "field": "price",
        "ranges": [
          {
            "key": "до 30 000",
            "to": 30000
          },
          {
            "key": "30–60 000",
            "from": 30000,
            "to": 60000
          },
          {
            "key": "от 60 000",
            "from": 60000
          }
        ]
      }
    }
  },
  "size": 20
}

לפי תיעוד Elasticsearch, post_filter מוחל על התוצאות לאחר האגרגציה. האגרגציה global חורגת מההקשר של השאילתה — היא מאפשרת לספור אגרגטים על פני כל המסמכים עם מסננים נוספים.

כיצד לעבוד עם תכונות מקוננות?

אם תכונות (גודל, צבע, חומר) מאוחסנות כאובייקטים מסוג nested:

"mappings": {
  "properties": {
    "attributes": {
      "type": "nested",
      "properties": {
        "name": {
          "type": "keyword"
        },
        "value": {
          "type": "keyword"
        }
      }
    }
  }
}

אגרגציה על תכונות מקוננות:

"aggs": {
  "attributes": {
    "nested": {
      "path": "attributes"
    },
    "aggs": {
      "attribute_names": {
        "terms": {
          "field": "attributes.name",
          "size": 50
        },
        "aggs": {
          "attribute_values": {
            "terms": {
              "field": "attributes.value",
              "size": 20
            }
          }
        }
      }
    }
  }
}

זוהי אגרגציה מקוננת דו-רמתית: תחילה קיבוץ לפי שם התכונה ("צבע", "גודל"), בתוך כל קבוצה — ערכים ("שחור", "לבן").

Cardinality — ספירת ערכים ייחודיים

כדי להציג "נמצאו 1,247 מוצרים מ-89 מותגים", השתמשו באגרגציית cardinality עם השדה "mappings": { "properties": { "attributes": { "type": "nested", "properties": { "name": { "type": "keyword" }, "value": { "type": "keyword" } } } } } ו-"aggs": { "attributes": { "nested": { "path": "attributes" }, "aggs": { "attribute_names": { "terms": { "field": "attributes.name", "size": 50 }, "aggs": { "attribute_values": { "terms": { "field": "attributes.value", "size": 20 } } } } } } } 100. זה מבטיח דיוק עד 100 ערכים ייחודיים; מעל זה, מרווח השגיאה הוא 1–6%.

הגדרת חיפוש פנים ב-5 שלבים

1. זיהוי שדות לסינון: מותג, מחיר, קטגוריה, דירוג, תכונות. קבוצה אופיינית היא 5–10 שדות.
2. הגדרת mapping: השתמשו בסוג brand לשדות מפתח, precision_threshold למובנים. ודאו ששדות לאגרגציות אינם מנותחים.
3. בניית שאילתה עם אגרגציות: כללו את כל האגרגציות הנדרשות (terms, range, histogram, nested). למונים נכונים, השתמשו באגרגציות keyword ו-nested.
4. החלת post_filter: הפרידו מסננים מהשאילתה הראשית. זה שומר על מוני האגרגציה.
5. אופטימיזציית ביצועים: השתמשו ב-post_filter לשדות עם קרדינליות נמוכה, caching לאגרגציות ללא שאילתת חיפוש, הגבילו גודל ל-20.

אופטימיזציית אגרגציות

אגרגציית global עם execution_hint: map גדול היא פעולה יקרה: כל shard מחזיר ערכי top-N, והצומת המרכזי ממזג תוצאות. עבור שדות עם קרדינליות גבוהה (אלפי ערכים ייחודיים), הביצועים מתדרדרים. שיטות אופטימיזציה:

השוואת סוגי אגרגציות

יישום בצד השרת

מחלקת PHP לבניית שאילתות פנים:

class FacetedSearchService {
    public function search(array $params): array {
        $query = $this->buildQuery($params);
        $response = $this->client->search([
            'index' => 'products',
            'body' => $query,
        ]);

        return [
            'hits' => $response['hits']['hits'],
            'total' => $response['hits']['total']['value'],
            'facets' => $this->extractFacets($response['aggregations']),
        ];
    }

    private function extractFacets(array $aggs): array {
        $facets = [];

        if (isset($aggs['by_brand'])) {
            $facets['brand'] = array_map(fn($b) => [
                'value' => $b['key'],
                'count' => $b['doc_count'],
            ], $aggs['by_brand']['buckets']);
        }

        if (isset($aggs['price_ranges'])) {
            $facets['price'] = array_map(fn($r) => [
                'label' => $r['key'],
                'count' => $r['doc_count'],
            ], $aggs['price_ranges']['buckets']);
        }

        return $facets;
    }
}

מה כלול בהגדרת חיפוש פנים במפתח מלא

• עיצוב סכמות mapping ואינדקסים.
• הגדרת כל סוגי האגרגציות (terms, range, nested, cardinality).
• יישום לוגיקת post_filter + global aggregations למונים נכונים.
• אופטימיזציית ביצועים (execution_hint, caching).
• כתיבת קוד בצד השרת לבניית שאילתות ועיבוד תשובות.
• תיעוד, הדרכת צוות, תמיכה לאחר היישום.

לוחות זמנים

• יישום בסיסי (3–5 סוגי אגרגציות) — 2 ימי עבודה.
• תרחיש מורכב (post_filter, global, nested) — 3–4 ימים.
• אופטימיזציה על נפחים אמיתיים (>5 מיליון מסמכים) — יום נוסף.

לצוות שלנו ניסיון של 6+ שנים עם Elasticsearch ומהנדסים מוסמכים. השלמנו מעל 50 פרויקטים של חיפוש פנים, ומבטיחים דיוק מונים וביצועים. צרו קשר לייעוץ — נעזור לכם להימנע מטעויות יקרות. העלות מחושבת באופן אישי, והחיסכון מהיישום יכול להיות משמעותי. קבלו פתרון מלא עם תיעוד מלא ותמיכה.