Spring Boot整合Elasticsearch实现高性能模糊搜索（附完整代码）

Spring Boot整合Elasticsearch实现高性能模糊搜索（附完整代码）

电商搜索响应慢怎么办？三分钟接入ES模糊搜索，性能提升50倍！

一、传统模糊搜索的痛点

在电商系统/内容平台的搜索场景中，​​LIKE %keyword%​​ 存在三大致命伤：

// 常规SQL模糊查询
@Query(value = "SELECT * FROM product WHERE name LIKE %?1%", nativeQuery = true)
List<Product> searchByName(String keyword);

❗ ​​三大痛点​​：

1. ​​全表扫描​​：无法命中索引，10万数据查询需2秒
2. ​​无法分词​​：搜索“华为手机”无法匹配“华为Mate60”
3. ​​高并发必崩​​：QPS > 50即引发数据库连接池耗尽

二、三种方案性能对比

🔍 ​​结论​​：ES+IK分词器，模糊搜索黄金方案！

三、Spring Boot整合ES实战

1️⃣ 环境准备（Spring Boot 3.1）

<!-- pom.xml -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-web</artifactId>
</dependency>

2️⃣ 实体类映射ES索引

@Document(indexName = "products")
public class Product {
    @Id
    private Long id;
    
    // 使用IK分词器
    @Field(type = FieldType.Text, analyzer = "ik_max_word")
    private String name;
    
    @Field(type = FieldType.Double)
    private Double price;
    
    // Getter/Setter省略
}

3️⃣ 配置ES连接

# application.yml
spring:
  elasticsearch:
    uris: http://localhost:9200
    connection-timeout: 3s

4️⃣ 模糊搜索核心实现

@Service
public class ProductSearchService {

    @Autowired
    private ElasticsearchTemplate elasticsearchTemplate;
    
    /**
     * 支持错别字的模糊搜索（如：输入"华伪手机"可匹配"华为手机"）
     */
    public List<Product> fuzzySearch(String keyword) {
        // ① 构建模糊查询条件
        QueryBuilders.fuzzyQuery("name", keyword)
                .fuzziness(Fuzziness.AUTO);  // 自动容错级别
        
        // ② 组合多字段查询
        QueryBuilder multiQuery = QueryBuilders.multiMatchQuery(keyword, "name", "description")
                .fuzziness(Fuzziness.AUTO)
                .operator(Operator.OR);  // 任意字段匹配即可
        
        // ③ 创建搜索请求
        SearchQuery searchQuery = new NativeSearchQueryBuilder()
                .withQuery(multiQuery)
                .withSort(SortBuilders.scoreSort()) // 按匹配度排序
                .build();
        
        // ④ 执行查询并返回结果
        return elasticsearchTemplate.queryForList(searchQuery, Product.class);
    }
}

5️⃣ 控制器层接口

@RestController
@RequestMapping("/search")
public class SearchController {
    
    @Autowired
    private ProductSearchService searchService;

    @GetMapping("/products")
    public ResponseEntity<List<Product>> searchProducts(
            @RequestParam("q") String keyword) {
        return ResponseEntity.ok(searchService.fuzzySearch(keyword));
    }
}

四、搜索效果演示

// 请求
GET http://localhost:8080/search/products?q=华伪mate60

// 返回结果
[
  {
    "id": 101,
    "name": "华为Mate 60 Pro",
    "price": 6999.00
  },
  {
    "id": 205,
    "name": "华为Mate 60 手机壳",
    "price": 199.00
  }
]

五、性能压测对比

测试环境：

• ​​数据集​​：100万条商品数据
• ​​硬件​​：4核8G云服务器
• ​​并发​​：500线程循环10次

📈 ​​结论​​：百万数据查询控制在50ms以内！

六、高级功能扩展

1. 智能纠错建议

public List<String> getSuggestions(String keyword) {
    CompletionSuggestionBuilder suggestion = 
        SuggestBuilders.completionSuggestion("name_suggest")
                      .prefix(keyword);
    SuggestResponse response = elasticsearchTemplate.suggest(suggestion, "products");
    return response.getSuggest().getSuggestion("name_suggest").getEntries()
                   .stream()
                   .flatMap(e -> e.getOptions().stream())
                   .map(Suggest.Suggestion.Option::getText)
                   .collect(Collectors.toList());
}

2. 高亮搜索结果

SearchQuery query = new NativeSearchQueryBuilder()
    .withQuery(QueryBuilders.matchQuery("name", keyword))
    .withHighlightFields(new HighlightBuilder.Field("name")
            .preTags("<em class='highlight'>") // 高亮标签
            .postTags("</em>"))
    .build();

七、部署避坑指南

1. ​​分词器安装​​：

   # 进入ES容器安装IK分词器
   docker exec -it es bash
   ./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.15.2/elasticsearch-analysis-ik-7.15.2.zip

2. ​​索引优化配置​​：

   PUT /products/_settings
   {
     "index": {
       "number_of_replicas": "2",  // 保障高可用
       "refresh_interval": "30s"   // 写入优化
     }
   }

​​实战福利​​：

• 完整源码：GitHub仓库地址
• 一键启动：

  docker-compose up -d  # 自动启动ES+Spring Boot

💡 ​​最佳实践​​：搭配Redis缓存热点搜索结果，可再提升3倍吞吐量！