正如我在上面的评论中所解释的，随着索引的增长，应该不惜一切代价避免使用前缀通配符，因为这将迫使ES进行全索引扫描。我仍然相信ngram（更准确地说是edge-ngram）是可行的方法，所以我在下面尝试一下。
其思想是索引输入的所有后缀，然后使用prefix query匹配任何后缀，因为搜索前缀不会遇到与搜索后缀相同的性能问题。因此，其思想是索引john doe，如下所示：

john doe
ohn doe
hn doe
n doe
doe
oe
e

这样，使用prefix查询，我们可以匹配这些标记的任何子部分，这有效地实现了匹配部分连续单词的目标，同时确保了良好的性能。
索引的定义如下：

PUT my_index
{
  "settings": {
    "index": {
      "analysis": {
        "analyzer": {
          "my_analyzer": {
            "type": "custom",
            "tokenizer": "keyword",
            "filter": [
              "lowercase",
              "reverse",
              "suffixes",
              "reverse"
            ]
          }
        },
        "filter": {
          "suffixes": {
            "type": "edgeNGram",
            "min_gram": 1,
            "max_gram": 20
          }
        }
      }
    }
  },
  "mappings": {
    "doc": {
      "properties": {
        "name": {
          "type": "text",
          "analyzer": "my_analyzer",
          "search_analyzer": "standard"
        }
      }
    }
  }
}

然后我们可以索引一个示例文档：

PUT my_index/doc/1
{
  "name": "john doe"
}

最后，以下所有搜索都将返回john doe文档：

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "john doe"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "john do"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "ohn do"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "john"
    }
  }
}

POST my_index/_search 
{
  "query": {
    "prefix": {
      "name": "n doe"
    }
  }
}

这对我来说是有效的。代替一个ngram，索引你的数据作为关键字。并使用通配符正则表达式匹配来匹配单词。

"query": {
          "bool": {
              "should": [
                {
                  "wildcard": { "Field1": "*" + term + "*" }
                },
                {
                  "wildcard": { "Field2": "*" + term + "*" }
                }
              ],
              "minimum_should_match": 1
          }
      }

以下是更新的修复程序
link to the code
more options with tokenizers
创建索引

body = {
  "settings": {
    "analysis": {
      "analyzer": {
        "autocomplete": {
          "tokenizer": "autocomplete",
          "filter": [
            "lowercase"
          ]
        },
        "autocomplete_search": {
          "tokenizer": "lowercase"
        }
      },
      "tokenizer": {
        "autocomplete": {
          "type": "edge_ngram",
          "min_gram": 2,
          "max_gram": 10,
          "token_chars": [
            "letter"
          ]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "autocomplete",
        "search_analyzer": "autocomplete_search"
      }
    }
  }
}