嘿嘿，一个简单ElasticSearch小实现

周五临近下班，原本打算摸摸鱼，结果产品经理来个新需求。领导觉得 AI 服务器报价太贵，想先做个"低成本替代方案"来演示一下分析效果。于是，需求会议就开了。其中有一块功能是 "检索内容高亮显示并展示匹配度" ，产品经理说这可以考虑用 Elasticsearch 实现。行吧，需求是他提的，代码自然就得咱来写了。那就开干吧 💪

一、启动 Elasticsearch 服务（Docker 简单搞定）

这里用的是 Elasticsearch 8.xx ，主要是考虑我们项目还在用 JDK 8。

1. docker

shell 复制代码

docker run \
  -d \
  --privileged=true \
  --name elasticsearch \
  -p 9200:9200 \
  -p 9300:9300 \
  -e "ES_JAVA_OPTS=-Xms1024m -Xmx2048m" \
  -e "discovery.type=single-node" \
  -e "ELASTIC_PASSWORD=elastic" \
  -e "xpack.security.enabled=true" \
  -e TZ=Asia/Shanghai \
  -v /etc/localtime:/etc/localtime:ro \
  -v /home/bugshare/elasticsearch/config/elasticsearch.yml:/usr/share/elasticsearch/config/elasticsearch.yml:ro \
  -v /home/bugshare/elasticsearch/data:/usr/share/elasticsearch/data \
  -v /home/bugshare/elasticsearch/plugins:/usr/share/elasticsearch/plugins \
  elasticsearch:8.19.6

2. 配置文件

yaml 复制代码

# elasticsearch.yml
cluster.name: "docker-cluster"
network.host: 0.0.0.0

http.cors.enabled: true
http.cors.allow-origin: "*"

http.cors.allow-headers: Authorization

验证下是否启动成功：浏览器访问 http://127.0.0.1:9200，用户名密码：elastic / elastic，推荐装个浏览器插件 es-client 来操作更方便。

二、Java 集成 Elasticsearch

官方提供的 Java API 用起来有点繁琐，于是我去找了两个现成的封装框架：

Easy-ES
BBoss-Elasticsearch

下面是我整理的一份对比（AI 协助分析 👇）：

详细对比表格

维度	Easy-ES	BBoss-Elasticsearch
核心定位	极简 ORM，对标 MyBatis-Plus	企业级 ES 客户端 & 数据同步框架
设计理念	用对象操作 ES，屏蔽复杂性	简化但不屏蔽，保留灵活控制
学习曲线	非常平缓（MyBatis-Plus 用户零上手成本）	中等，需要理解 DSL 构建
查询 DSL	自动生成	可手写，灵活度高
ORM 支持	强	基础支持
数据同步	无	内置高性能数据同步
代码侵入性	较高（依赖注解）	较低（注解可选）
性能	简单查询快，复杂查询略逊	高性能，生产验证完善
文档 & 社区	中文文档完善	文档详尽，维护积极
适用场景	快速原型、轻量搜索	企业级复杂查询、数据同步

我个人更偏爱能写 DSL 的方案，于是选择了 BBoss。

三、Spring Boot 整合 BBoss

1. 引入依赖

groovy 复制代码

// build.gradle
implementation 'com.bbossgroups.plugins:bboss-elasticsearch-spring-boot-starter:7.5.3'

2. 配置文件

yaml 复制代码

spring:
  elasticsearch:
    bboss:
      elasticUser: elastic
      elasticPassword: elastic
      elasticsearch:
        rest:
          hostNames: 127.0.0.1:9200

3. 定义映射文件（resources/esmapper/demo.xml）

xml 复制代码

// resources/esmapper/demo.xml
<properties>
  <!-- 创建Indice -->
  <property name="createDemoIndice">
    <![CDATA[
    	{
        "settings": {
          "number_of_shards": 6,
          "index.refresh_interval": "5s"
        },
        "mappings": {
          "properties": {
            "demoId":{
              "type": "text"
            },
            "contentBody": {
              "type": "text"
            }
          }
        }
    	}
    ]]>
  </property>
  
  <!-- 高亮查询 -->
  <property name="testHighlightSearch" cacheDsl="false">
    <![CDATA[
    	{
        "query": {
          "bool": {
            "must": [
              {
                "match" : {
                  "contentBody" : {
                    "query" : #[condition]
                  }
                }
              }
            ]
          }
        },
        "size":1000,
        "highlight": {
          "pre_tags": [
            "<mark class='mark'>"
          ],
          "post_tags": [
            "</mark>"
          ],
          "fields": {
            "*": {}
          },
          "fragment_size": 2147483647
        }
    	}
    ]]>
  </property>
</properties>

四、代码部分

1. 实体类

java 复制代码

// Demo.java
@Data
@ToString(callSuper = true)
@EqualsAndHashCode(callSuper = true)
public class Demo extends ESBaseData {
    // Set the document identity field
    @ESId(readSet = true, persistent = false)
    private String demoId;
    private String contentBody;
}

2. 控制器

java 复制代码

// DemoController.java
@Slf4j
@RestController
@RequestMapping("/es")
public class ElasticSearchController {

    @Autowired
    private BBossESStarter bbossESStarter;

    private static final String MAP_PATH = "esmapper/elasticsearch.xml";

    @GetMapping("/init")
    public ResponseWrapper<Boolean, ?> init() {
        this.dropAndCreateAndGetIndice();
        this.addDocuments();
        return new ResponseWrapper<>().success().setMessage("初始化成功！");
    }

    @GetMapping("/dropAndCreateAndGetIndice")
    public void dropAndCreateAndGetIndice() {
        ClientInterface clientUtil = this.bbossESStarter.getConfigRestClient(MAP_PATH);
        boolean exist = clientUtil.existIndice("demo");
        log.info("exist: {}", exist);
        if (exist) {
            String r = clientUtil.dropIndice("demo");
            log.debug("r: {}", r);
        }
        // Create index demo
        clientUtil.createIndiceMapping("demo", "createDemoIndice");
        String demoIndice = clientUtil.getIndice("demo");
        log.debug("demoIndice: {}", demoIndice);
    }
  
  	@GetMapping("/addDocuments")
    public void addDocuments() {
        ClientInterface clientUtil = this.bbossESStarter.getRestClient();
        List<String> contents = ListUtil.of(
                "在本系列文章中，我们将从一个新的角度来了解 Elasticsearch。",
            "本系列文章的动机是让您更好地了解 Elasticsearch、Lucene 以及搜索引擎的底层工作原理。",
            "我们先从基础索引结构开始，也就是倒排索引......",
            "倒排索引将 term 映射到包含相应项的文档......",
            "通过查找所有项及其出现次数......",
            "Elasticsearch 索引由一个或多个分片组成......",
            ""分片"是 Elasticsearch 的基本扩展单位......",
            "Elasticsearch 有一个"事务日志"，其中附加了要编制索引的文档......"
        );
        for (int i = 0; i < contents.size(); i++) {
            Demo demo = new Demo();
            demo.setDemoId(Convert.toStr(i + 1));
            demo.setContentBody(contents.get(i));
            String response = clientUtil.addDocument("demo", demo, "refresh=true");
        		log.debug("response: {}", response);
        }
    }
  
    @GetMapping("/highlightSearch")
    public List<Map<String, Object>> highlightSearch(@RequestParam String content) {
        List<Map<String, Object>> list = new ArrayList<>();
        ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil(MAP_PATH);
        Map<String, Object> params = new HashMap<>();
        params.put("condition", content);
        ESDatas<Demo> esDatas = clientUtil.searchList(
          							"demo/_search",
                        "testHighlightSearch",
                        params,
                        Demo.class
        );
        log.debug("esDatas: {}", esDatas);
        // 获取总记录数
        long totalSize = esDatas.getTotalSize();
        log.debug("totalSize: {}", totalSize);
        // 获取结果对象列表，最多返回1000条记录
        List<Demo> demos = esDatas.getDatas();
        log.debug("demos: {}", demos);
        // maxScore
        RestResponse restResponse = (RestResponse) esDatas.getRestResponse();
        Double maxScore = restResponse.getSearchHits().getMaxScore();
        log.debug("maxScore: {}", maxScore);
        for (int i = 0; demos != null && i < demos.size(); i++) {
            Demo demo = demos.get(i);
            Double score = demo.getScore();
            // 记录中匹配上检索条件的所有字段的高亮内容
            Map<String, List<Object>> highLights = demo.getHighlight();
        		log.debug("highLights: {}", highLights);
            Iterator<Map.Entry<String, List<Object>>> entries = highLights.entrySet().iterator();
            while (entries.hasNext()) {
                Map.Entry<String, List<Object>> entry = entries.next();
                String fieldName = entry.getKey();
                List<Object> fieldHighLightSegments = entry.getValue();
                for (Object highLightSegment : fieldHighLightSegments) {
                    list.add(
                            MapUtil.builder(new HashMap<String, Object>())
                                    .put("highlight", highLightSegment)
                                    .put("score", NumberUtil.formatPercent(NumberUtil.div(score, maxScore), 2))
                                    .build()
                    );
                }
            }
        }
        return list;
    }
}

前端部分就略过了，主要看效果：

匹配度 = 当前得分 / 最大得分

五、中文分词支持（IK Analyzer）

发现中文没分词，默认是按单个字匹配。验证下：

http 复制代码

POST /demo/_analyze
{
  "field": "contentbody",
  "text": "搜索引擎"
}

果然，默认没有中文分词。

1. 安装 analysis-ik 插件

shell 复制代码

# 进入docker容器
docker exec -it elasticsearch bash
# 注意跟es版本一致，不要高于es版本
elasticsearch-plugin install https://get.infini.cloud/elasticsearch/analysis-ik/8.19.6
# 重启
exit
docker restart elasticsearch
# 验证
docker exec -it elasticsearch bash
elasticsearch-plugin list

2. 修改索引映射：

xml 复制代码

// resources/esmapper/demo.xml
<properties>
  <property name="createDemoIndice">
    ...
    "contentBody": {
      "type": "text",
      "analyzer": "ik_max_word",
      "search_analyzer": "ik_max_word"
    }
		...
  </property>
  
  <property name="testHighlightSearch" cacheDsl="false">
    ...
    "match" : {
      "contentBody" : {
        "query" : #[condition],
        "analyzer": "ik_max_word"
      }
    }
    ...        
  </property>
  
  <!-- 分词查询 -->
  <property name="analyzeQuery" cacheDsl="false">
    <![CDATA[
      {
        ##"analyzer": "standard",
        "analyzer": "ik_max_word",
        "text": #[condition]
      }
    ]]>
  </property>
</properties>

重启项目、重新初始化数据，再搜索一下，完美分词 ✅

六、效果展示

至此，一个小巧的 Elasticsearch 高亮搜索 + 匹配度演示 Demo 就完成了。

下周领导要看效果？没问题，稳妥得很 😎