一、为什么需要引入Elasticsearch？

在传统的Web应用中，我们通常使用MySQL等关系型数据库存储数据。但当面对搜索需求时，特别是全文搜索、模糊匹配和复杂聚合场景，关系型数据库存在明显瓶颈：

-- MySQL的模糊查询在百万级数据时性能急剧下降
SELECT * FROM products 
WHERE name LIKE '%笔记本%' 
   OR description LIKE '%轻薄%'
ORDER BY price DESC
LIMIT 10;

传统数据库的痛点：

• 性能问题：LIKE查询导致全表扫描，响应时间随数据量增长而指数级上升

• 功能限制：难以实现相关性排序、拼音搜索、错别字纠正等高级功能

• 高并发瓶颈：搜索请求集中时容易导致数据库连接池耗尽

• 复杂聚合慢：多表JOIN和GROUP BY操作在大数据量时性能低下

📊 性能对比测试：在1000万条商品数据中搜索"笔记本"

• MySQL：2.3秒（使用LIKE）

• Elasticsearch：23毫秒（快100倍）

二、Elasticsearch的核心优势

1. 倒排索引机制

倒排索引是Elasticsearch的核心技术，通过建立"词项→文档"的映射实现高速检索：

商品数据示例：

id	名称
1	华为笔记本电脑
2	苹果MacBook Pro
3	小米轻薄笔记本

分词处理（使用ik_smart分词器）：

• 华为笔记本电脑 → ["华为", "笔记本电脑"]

• 苹果MacBook Pro → ["苹果", "macbook", "pro"]

• 小米轻薄笔记本 → ["小米", "轻薄", "笔记本"]

倒排索引结构：

词项	文档ID
华为	1
笔记本电脑	1
笔记本	1,3
苹果	2
macbook	2
pro	2
小米	3
轻薄	3

当搜索"笔记本"时，ES直接查找倒排索引，立即获得文档1和3，无需扫描所有数据。

2. 智能分词器

Elasticsearch通过分词器（Analyzer）实现文本的智能处理：

GET /_analyze
{
  "analyzer": "ik_smart",
  "text": "红米RedmiBook Pro 15英寸轻薄笔记本电脑"
}

分词结果：

["红米", "redmibook", "pro", "15", "英寸", "轻薄", "笔记本电脑"]

常用分词器：

• ik_smart：粗粒度分词（适合搜索）

• ik_max_word：细粒度分词（适合索引）

• pinyin：支持拼音搜索（需插件）

3. 其他核心优势

• 分布式架构：自动分片(Shard)和复制(Replica)

• 近实时搜索：数据写入后1秒内可检索

• 丰富的查询DSL：支持布尔逻辑、模糊匹配、范围查询等

• 聚合分析：快速实现统计、分组、直方图等分析

三、Spring Boot整合Elasticsearch

1. 添加依赖

<dependencies>
  <!-- Spring Data Elasticsearch -->
  <dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
  </dependency>
  
  <!-- ES Java客户端 -->
  <dependency>
    <groupId>co.elastic.clients</groupId>
    <artifactId>elasticsearch-java</artifactId>
    <version>8.13.0</version>
  </dependency>
</dependencies>

2. 配置连接

# application.yml
spring:
  elasticsearch:
    uris: http://localhost:9200
    # 如果启用安全
    username: "elastic"
    password: "your_password"

3. 实体类映射

@Document(indexName = "product")
public class Product {
    @Id
    private String id;
    
    @Field(type = FieldType.Text, analyzer = "ik_max_word")
    private String name;
    
    @Field(type = FieldType.Text, analyzer = "ik_smart")
    private String description;
    
    @Field(type = FieldType.Double)
    private Double price;
    
    @Field(type = FieldType.Keyword)
    private String category;
    
    // 构造方法/getter/setter省略
}

4. 数据存储与查询

@Service
public class ProductService {
    private final ElasticsearchClient client;
    
    public ProductService(ElasticsearchClient client) {
        this.client = client;
    }
    
    // 保存商品
    public void saveProduct(Product product) {
        client.index(i -> i
            .index("product")
            .id(product.getId())
            .document(product)
        );
    }
    
    // 搜索商品
    public List<Product> searchProducts(String keyword) {
        SearchResponse<Product> response = client.search(s -> s
            .index("product")
            .query(q -> q
                .bool(b -> b
                    .should(sh -> sh.match(m -> m.field("name").query(keyword)))
                    .should(sh -> sh.match(m -> m.field("description").query(keyword)))
                )
            )
            .highlight(h -> h
                .fields("name", f -> f.preTags("<em>").postTags("</em>"))
            ),
            Product.class
        );
        
        return response.hits().hits().stream()
            .map(hit -> {
                Product product = hit.source();
                // 添加高亮结果
                if(hit.highlight().containsKey("name")) {
                    product.setHighlightedName(
                        hit.highlight().get("name").get(0));
                }
                return product;
            })
            .collect(Collectors.toList());
    }
}

5. 控制器示例

@RestController
@RequestMapping("/products")
public class ProductController {
    
    @Autowired
    private ProductService productService;
    
    @PostMapping
    public String createProduct(@RequestBody Product product) {
        productService.saveProduct(product);
        return "Product created!";
    }
    
    @GetMapping("/search")
    public List<Product> search(@RequestParam String keyword) {
        return productService.searchProducts(keyword);
    }
}

四、实战演示：笔记本搜索

1. 存储数据

[
  {
    "id": "1",
    "name": "华为MateBook X Pro",
    "description": "13.9英寸3K全面屏轻薄笔记本",
    "price": 8999.00,
    "category": "笔记本电脑"
  },
  {
    "id": "2",
    "name": "苹果MacBook Pro 16",
    "description": "M1 Pro芯片笔记本电脑",
    "price": 18999.00,
    "category": "笔记本电脑"
  },
  {
    "id": "3",
    "name": "小米RedmiBook Pro 15",
    "description": "3.2K 90Hz超视网膜屏轻薄笔记本",
    "price": 5499.00,
    "category": "笔记本电脑"
  }
]

2. 搜索示例

• 搜索"笔记本"：返回所有3条记录

• 搜索"苹果"：返回MacBook Pro

• 搜索"轻薄"：返回华为和小米笔记本

3. 高级查询

// 组合查询：价格范围+关键词
SearchResponse<Product> response = client.search(s -> s
    .index("product")
    .query(q -> q
        .bool(b -> b
            .must(m -> m.match(mt -> mt.field("name").query("笔记本")))
            .filter(f -> f.range(r -> r.field("price").gte(JsonData.of(5000))))
    )
    .sort(so -> so.field(f -> f.field("price").order(SortOrder.Desc))),
    Product.class
);

五、总结

1. 为什么选择Elasticsearch

• 性能优势：毫秒级响应海量数据搜索

• 功能丰富：分词、高亮、聚合、纠错等

• 扩展性强：分布式架构支持水平扩展

• 生态完善：Kibana可视化、Logstash数据管道

2. 最佳实践

1. 索引设计：

   • 热数据使用SSD存储

   • 合理设置分片数（建议每个节点1-2个分片）

   PUT /product
   {
     "settings": {
       "number_of_shards": 3,
       "number_of_replicas": 1
     }
   }

2. 查询优化：

   • 避免深度分页（使用search_after替代）

   • 对精确匹配字段使用keyword类型

   • 使用filter上下文缓存结果

3. 数据同步：

   • 小数据量：应用层双写

   • 中数据量：Logstash定时同步

   • 大数据量：Canal监听MySQL binlog

3. 典型应用场景

• 电商平台：商品多维度搜索与筛选

• 内容系统：新闻/文章全文检索

• 日志分析：ELK日志监控分析

• 推荐系统：用户行为画像分析

技术选型建议：

• 搜索主导型应用：ES作为主数据存储

• 混合型应用：MySQL+ES组合（MySQL负责事务，ES负责搜索）

Elasticsearch通过其强大的倒排索引和分布式架构，解决了传统数据库在搜索领域的核心痛点。Spring Boot通过Spring Data Elasticsearch和官方Java客户端，提供了简洁高效的集成方案。合理使用ES可以提升搜索性能10-100倍，极大改善用户体验。