2 搜索功能的实现
本文介绍了Snapan网盘系统中搜索功能的实现方案选择。针对文件内容搜索的需求，比较了不同技术方案的优劣：1）排除MySQL方案，因其在实时搜索、文件内容检索和结果高亮方面性能不足；2）选择Elasticsearch而非Solr，因其生态更适合快速搭建文件搜索；3）采用Apache Tika作为万能文件解析器，支持多种文件格式内容提取；4）选用Spring Data Elasticsearch简化
·
目录
4.为什么选Spring Data Elasticsearch
2 搜索功能的实现
2.1 背景
- 项目简介
snapan是一个类似于百度网盘的东西，功能和百度网盘类似，但是比百度网盘多一些东西，比如文件预览，文件内容的搜索。
- 数据库简介
用户上传了文件，文件保存在阿里云oss（阿里云的存储平台）里，数据库只保存文件链接，不保存文件内容。（注：OSS 是对象存储服务的简称，能简单、安全地存储和管理图片、视频等各类文件，方便随时访问和分享。阿里云 OSS 是国内较早成熟的对象存储服务，很多企业和开发者的第一选择就是它。）
- 搜索功能简介
在snapan中我想实现这么一个搜索功能：
- 可以实时搜索，用户在输入内容的时候就会显示对应的内容
- 搜索的时候可以搜索到文件内容
- 对搜索到的关键字高亮显示
- 技术栈
SSM + elasticSearch + Spring Data Elasticsearch + Apache Tika
- 原因
1.为什么搜索不用MySQL实现
对于搜索功能，如果没学过elasticSearch或者是Solr，那想到的实现方法就是把库文件内容直接保存到数据库里，然后使用sql的字符匹配去匹配。这里选择elasticSearch而部署MySQL是因为提到的三个核心需求上，它的表现远远不如 Elasticsearch。
具体如下：
- 实时搜索（用户输入时就显示结果）
- Elasticsearch: 专为高速查询设计，支持毫秒级响应。它内部使用了倒排索引等优化结构，可以非常快地返回结果，非常适合实现 “边输入边提示” 的实时搜索体验。
- MySQL: 当数据量变大时，使用 LIKE '%keyword%' 这样的查询会非常慢。因为它需要扫描表中的每一行数据，无法高效地支持实时搜索所需的性能。
- 搜索文件内容
- Elasticsearch: 可以方便地存储和索引从文件中提取的文本内容。它能理解文本的结构，并对其进行分词和索引，从而实现高效的全文检索。
- MySQL: 虽然也能将文本存在 TEXT 或 VARCHAR 字段里，但它的全文搜索功能（FULLTEXT INDEX）在功能和性能上都远不如 Elasticsearch 强大和灵活。对于大量非结构化的文本数据，MySQL 不是最佳选择。
- 搜索结果高亮显示
- Elasticsearch: 内置了强大的高亮功能。它在返回匹配结果的同时，可以直接告诉你关键字在哪个字段、哪个位置匹配到了，并可以将关键字用 等标签包裹起来，让你前端直接渲染高亮效果，非常方便。
- MySQL: 不直接支持高亮显示。你需要自己从查询结果中找到关键字的位置，然后手动进行字符串替换来添加高亮标签，这个过程繁琐且效率低下。
2.为什么不选solr
如果你的需求是 “实时、简单、快速搭建文件内容搜索”，Elasticsearch 生态更贴合；如果需要更复杂的索引定制（比如多语言深度分词、特殊排序规则），Solr 也是可行的，但学习和配置成本会稍高。
3.为什么选Apache Tika
这是为了解决 “如何读取文件内容” 的问题
- 我的需求是搜索文件内容，而不是简单的文本。用户上传的可能是 PDF、Word、Excel 等各种格式。
- Tika 的核心作用就是作为一个 “万能文件解析器”。它能自动识别文件类型，并从中提取出纯文本内容，为后续的搜索做好准备。没有 Tika，你就得自己去编写和维护针对不同文件格式的解析逻辑，这会非常繁琐且容易出错。
4.为什么选Spring Data Elasticsearch
最主要的原因就是 为了方便、省事，提高开发效率。
- 如果不选它：你就必须直接使用 Elasticsearch 本身提供的原生 API（比如 RestHighLevelClient）。这意味着你需要手动构建复杂的 JSON 查询语句，还要处理各种网络请求、数据转换和错误处理。整个过程会非常繁琐，代码也会很臃肿，一不小心就容易出错。
- 选择了它之后：Spring Data Elasticsearch 相当于给 Elasticsearch 的复杂操作做了一个优雅的 “封装”或者说“翻译”。
- 你不再需要写复杂的 JSON 查询，而是可以像操作普通数据库一样，使用简单的 Java 方法名来定义查询（例如 findByContentContaining("关键词")）。
- 它还提供了现成的 Repository 接口，让你可以直接调用 save(), findAll(), delete() 等通用方法，极大地减少了重复代码。
火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。
更多推荐
10
0- 0
已为社区贡献6条内容
所有评论(0)