Elasticsearch Search Platform؛ مهندسی جست‌وجو و relevance

یک search API واقعی فقط اجرای match query نیست. کیفیت جست‌وجو به طراحی index، تحلیل متن، relevance، filtering، sorting، pagination و امکان توضیح نتیجه وابسته است. این پروژه یک پلتفرم قابل بررسی برای همین مسائل ساخته است.

هدف، ساخت یک API جست‌وجو بود که بتواند درخواست‌های ترکیبی را با رفتار قابل پیش‌بینی پاسخ دهد: جست‌وجوی متنی با boost، فیلتر بدون اثرگذاری بر score، مرتب‌سازی پایدار، pagination در مقیاس نتایج و در صورت نیاز facet و توضیح score.

• تفکیک منطق domain از Django و Elasticsearch
• پشتیبانی از relevance و field boosts به‌صورت قابل تنظیم
• فیلترهای ترکیبی بدون تغییر ناخواسته score
• pagination پایدار با tie-breaker و search_after
• ارائه explainability برای فهم چرایی امتیازدهی
• قابلیت آزمون معماری dependency rules و رفتار API

معماری پروژه به لایه‌های Domain، Application، Infrastructure و Presentation تقسیم شده است. Elasticsearch فقط در adapterهای زیرساختی قرار دارد و use caseهای application از portهای domain استفاده می‌کنند. API نیز قابلیت‌هایی مانند relevance، fuzzy search، autocomplete، facets، highlighting و explain را در یک سطح HTTP منسجم ارائه می‌کند.

HTTP -> Presentation -> Application -> Domain
                              ^
                      Infrastructure -> Elasticsearch

خروجی یک search platform قابل اجرا و قابل بررسی است که full-text search، relevance tuning، fuzzy matching، filtering، facets، sorting، offset/cursor pagination، highlighting و explainability را پوشش می‌دهد. README پروژه 452 تست موفق را گزارش می‌کند و قواعد وابستگی معماری نیز به‌صورت آزمون مکانیکی بررسی می‌شوند. این پروژه نمونه‌ای از تبدیل یک نیاز مبهم برای «جست‌وجوی بهتر» به مسئله‌های مشخص در relevance، معماری، pagination و validation است.

• Elasticsearch 8.15.3 با index mapping و multi-field text/keyword
• multi_match، match_phrase، bool، fuzzy و function_score
• Facets با terms و range aggregations
• Stable pagination با search_after و tie-breaker
• _explain برای مشاهده درخت score
• Clean Architecture با dependency rules آزمون‌پذیر