作者：来自 Elastic Drew Tate

Elasticsearch 拥有许多新功能，可以帮助你根据使用场景构建最佳搜索方案。浏览我们的示例笔记本了解更多内容，开始免费试用云服务，或者立即在本地机器上尝试 Elastic。

---

对于我们开发者来说，优秀的自动补全似乎是理所当然的。它运行得很顺畅 —— 直到你尝试亲手构建它。

这篇文章讲的是我们最近为支持 ES|QL 持续演进而进行的一次自动补全架构重建。

关于 ES|QL 的一点介绍

如果你还没听说过，ES|QL 是 Elastic 推出的新查询语言。它非常强大，我们认为它将成为未来 AI 代理、应用程序和人类与 Elastic 交互的主要方式。因此，我们在 Kibana 的多个地方（包括 Discover 和 Dashboard 应用）提供了 ES|QL 的编辑体验。

要理解这次重构，关键是要了解一些语言组件。

一个 ES|QL 查询由一系列连接在一起的命令组成，用于执行一连串的操作。

这里，我们将一个索引的数据与另一个索引进行连接：

FROM firewall_logs-* METADATA _index
  | LOOKUP JOIN threat_list ON source.IP
  | SORT _index

在上面的示例中，FROM、LOOKUP JOIN 和 SORT 是命令。

命令可以包含主要的子组件（称为子命令），通常由下一个管道符号前的第二个关键字标识（例如上面示例中的 METADATA）。和命令一样，子命令也有自己的语义规则，用于定义关键字后面可以出现的内容。

ES|QL 也有函数，看起来与你预期的一样。请看下面示例中的 AVG：

FROM logs-* | STATS AVG(bytes) BY agent.name

自动补全是帮助用户学习 ES|QL 的一个重要功能。

自动补全 1.0

我们最初构建的自动补全引擎具有以下几个关键特点：

• 声明式 - declarative —— 使用静态声明来描述命令
• 通用性 - generic —— 严重依赖通用逻辑，适用于大多数或全部语言上下文
• 具体化子命令 - Reified subcommands—— 将子命令视为一等抽象，拥有自己的逻辑

在顶层建议程序中，我们的代码会分析查询内容，检测用户光标所在的大致区域。然后根据语言子组件的不同，进入多个子程序中的一个。

命令和子命令的语义是通过 “命令签名 - command signature” 以声明式方式描述的。它定义了命令名称后可以使用的模式。比如，它可能会声明 “接受任意数量的布尔表达式”，或者“先接受一个字符串字段，再接受一个数值字面量”。

如果第一次分析判断光标处于某个命令或子命令中，对应的分支就会尝试将（子）命令签名与查询内容进行匹配，并以通用的方式推断出建议内容。

问题开始显现

起初，这种架构是有效的。早期的 ES|QL 命令相对统一。它们基本上看起来像这样：

COMMAND arg[, arg] SUB_COMMAND arg[, arg]

但随着时间的推移，命令开始变得更加定制化。

随着每个新命令的增加，几个问题也随之出现并不断加剧：

• 代码复杂性 —— 自动补全的代码变得庞大、复杂且难以理解。很难分清哪些逻辑适用于哪些命令。
• 缺乏正交性 —— 对语言某一部分行为的更改常常会影响到语言的其他部分。例如，在 KEEP 中的字段列表添加逗号建议，意外地也在 DISSECT 的字段后给出逗号建议 —— 这是无效的。

问题在于，新的语法和行为让我们原本 “通用” 的代码需要越来越多的特定命令分支，而命令定义则需要越来越多其实只适用于单个命令的 “通用” 设置。

逐渐地，我们开始意识到，用一个声明式接口来描述每个命令结构和行为的细微差异，这个想法有些理想化。

投资重构的时机

什么时候该投资进行重构？答案因情境而异。你需要权衡好收益与成本。说实话，你通常可以长期承担低效带来的代价 —— 而且这可能是合理的。

推迟重构的一种方式是 “治标不治本”。我们就是这样坚持了好几个月。我们用冗长的注释来应对代码复杂性，用更完善的测试覆盖率和细致的人工测试来应对正交性不足的问题。

但总有一个时刻，修修补补的代价超过了彻底重构的成本。对我们来说，这个节点就是一个出色的新 ES|QL 功能的引入 —— 基于聚合的过滤。

WHERE 命令自 ES|QL 初期就已经存在，但这个新功能让 WHERE 可以作为 STATS 中的子命令使用。

... | STATS COUNT(*) WHERE <expression>

这看起来像是一个小改动，但它打破了原本清晰区分命令与子命令的架构界限。现在，我们有了一个既是命令又可以作为子命令的结构。

这个基本抽象的突破，加上之前积累的各种低效问题，让我们决定是时候进行投资了。

Autocomplete 2.0

ES|QL 并不是一个通用语言，而是一种查询语言。所以我们决定接受一个现实：命令本就是为特定需求而设计的（符合传统查询语言的风格）。

新的架构必须足够灵活和适应性强，同时要清晰地表达出哪些代码属于哪个命令。这意味着我们需要一个具备以下特性的系统：

• 命令式 -  Imperative —— 不再通过声明命令名之后允许的内容并单独解释声明，而是直接编写逻辑来验证命令的正确性。
• 命令专属 - Command-specific —— 每个命令都有自己的逻辑。不再存在适用于所有命令的通用处理程序。

在 Autocomplete 1.0 中，前期的分类逻辑承担了大量工作。现在，它只判断光标是否已经位于某个命令内部。如果在命令内，它就直接交给该命令专属的建议方法。现在大部分的处理逻辑都发生在具体命令内部，该命令拥有对其建议生成的完整控制权。

这并不意味着命令之间完全不共享逻辑。它们仍然会将建议的生成，甚至一些初步判断步骤，委托给可复用的子程序（例如判断光标是否位于一个 ES|QL 函数中）。但同时，它们保留了按需定制行为的灵活性。

为每个命令提供自己的建议方法提升了代码隔离性，减少了副作用，也更清晰地表达了哪些代码适用于哪个命令。

核心仍是用户

毫无疑问，这次重构为开发者带来了更好的体验。每个接触过两个系统的人都能感受到这种改变带来的清新感。但归根结底，我们进行这项投入是为了服务我们的用户。

首先，有些 ES|QL 功能若没有此次重构，是无法合理支持的。我们的用户在编写 ES|QL 时期待获得高质量的建议，现在我们可以在更多上下文中满足这一需求。

旧系统很容易引入回归问题。而现在，我们预计此类问题会更少。

我们团队最主要的任务之一就是为新命令添加支持。现在，我们可以更快完成这项工作。

虽然这项工作还没有结束，但我们已经建立起了一个支持变化、而非抵抗变化的系统。通过这次投入，我们为语言和编辑器的未来发展打下了坚实的基础。

原文：How we rebuilt autocomplete for ES|QL - Elasticsearch Labs