仿京东电商商品搜索服务实战：基于 Elasticsearch 的实现与落地

在电商业务中，商品搜索是核心功能之一 ，其体验直接影响用户转化率。本文以 图灵商城商品搜索项目 为蓝本，系统拆解如何基于 Elasticsearch（ES） 构建一个高可用、高性能、高体验的仿京东商品搜索服务，涵盖 业务场景分析 → 文档建模 → DSL 查询构建 → Spring Boot 微服务落地 全流程，提供可直接复用的技术方案。

🔍 一、核心业务场景分析

图灵商城的商品搜索对标 京东搜索体验，需支持以下六大核心能力：

关键字模糊查询
- 支持对商品名称、关键词、副标题进行 中文分词检索；
多条件精准筛选
- 可按品牌、分类、商品属性（如 CPU、颜色、尺寸）、价格区间、库存状态等进行组合筛选；
自定义排序
- 支持按销量、价格、上架时间进行 升序 / 降序 排序；
聚合统计展示
- 搜索结果页实时聚合可选的品牌、分类、属性，实现 "边搜边筛" 的交互体验；
高亮显示
- 对命中关键词进行 红色高亮，提升用户视觉感知；
分页加载
- 支持分页查询，保障系统性能与响应速度。

🧱 二、Elasticsearch 商品文档建模

2.1 核心设计原则

为兼顾 检索效率、字段语义、关联准确性，建模时遵循以下原则：

设计要点	技术实现
中文文本字段	使用`ik_max_word` 分词器，支持细粒度分词（如 "小米 11 手机" → [小米, 11, 手机]）
精确匹配字段	定义为`keyword` 类型（如品牌名、分类名），避免分词干扰
多值动态属性	采用`nested` 嵌套类型，解决属性扁平化导致的"虚假匹配"问题
数值/布尔字段	使用 `double`、`long`、`boolean` 等原生类型，支持范围查询与排序
日期字段	定义为 `date` 类型，便于按上架时间排序

💡 为什么用 nested？

若将属性数组扁平化存储（如 attrName: ["cpu", "颜色"], attrValue: ["2核", "黑色"]），ES 会丢失属性间的关联性，导致 "CPU=2 核且颜色=白色" 错误匹配到 "CPU=2 核 + 黑色" 和 "CPU=4 核 + 白色" 的商品。**nested 类型保留对象完整性**，确保多条件组合筛选精准无误。

2.2 商品文档结构示例

json 复制代码

{
  "id": "26",
  "name": "小米 11 手机",
  "keywords": "小米手机",
  "subTitle": "AI智慧全面屏 6GB+64GB 亮黑色 全网通版 4G手机",
  "price": 3999.0,
  "promotionPrice": "2999",
  "originalPrice": "5999",
  "pic": "<http://xxx/xiaomi.jpg>",
  "sale": 999,
  "hasStock": true,
  "salecount": 999,
  "putawayDate": "2021-04-01",
  "brandId": 6,
  "brandName": "小米",
  "categoryId": 19,
  "categoryName": "手机通讯",
  "attrs": [
    { "attrId": 1, "attrName": "cpu",     "attrValue": "2核" },
    { "attrId": 2, "attrName": "颜色",    "attrValue": "黑色" }
  ]
}

2.3 索引 Mapping 定义（`product_db`）

json 复制代码

PUT product_db
{
  "mappings": {
    "properties": {
      "id": {"type": "long"},
      "name": {"type": "text", "analyzer": "ik_max_word"},
      "keywords": {"type": "text", "analyzer": "ik_max_word"},
      "subTitle": {"type": "text", "analyzer": "ik_max_word"},
      "price": {"type": "double"},
      "promotionPrice": {"type": "keyword"},
      "originalPrice": {"type": "keyword"},
      "pic": {"type": "keyword"},
      "salecount": {"type": "long"},
      "putawayDate": {"type": "date"},
      "hasStock": {"type": "boolean"},
      "brandId": {"type": "long"},
      "brandName": {"type": "keyword"},
      "brandImg": {"type": "keyword"},
      "categoryId": {"type": "long"},
      "categoryName": {"type": "keyword"},
      "attrs": {
        "type": "nested",
        "properties": {
          "attrId": {"type": "long"},
          "attrName": {"type": "keyword"},
          "attrValue": {"type": "keyword"}
        }
      }
    }
  }
}

✅ 关键点：

name/keywords/subTitle 使用 ik_max_word 实现 高召回率；

brandName/categoryName/attrValue 使用 keyword 保证 筛选精确性；

attrs 为 nested，支撑 多属性 AND 组合查询。

2.4 测试数据准备

导入 17 条多品类商品数据，覆盖：

品牌：小米、华为、苹果、海澜之家、耐克
类目：手机、T 恤、电视、运动鞋、笔记本
属性：CPU、颜色、尺寸、容量等

为后续 DSL 测试与微服务验证提供数据基础。

🔎 三、Elasticsearch DSL 查询语句构建

3.1 核心能力拆解

功能	DSL 实现方式
多字段模糊搜索	`multi_match` 覆盖 `name`/`keywords`/`subTitle`
精准过滤	`filter` 子句（品牌、分类、库存、属性）
价格区间	`range` 查询（`gte`/`lte`）
嵌套属性筛选	`nested` 查询 +`term` 匹配
排序	`sort` 按 `salecount`/`price`/`putawayDate`
聚合统计	`terms` 聚合 +`nested` 聚合
高亮	`highlight`+ 自定义 `` 标签
分页	`from`+`size`

⚠️ 性能提示：

所有过滤条件（不参与评分）应放入 filter 而非 must，利用 BitSet 缓存 提升性能。

3.2 完整 DSL 示例

场景：搜索 "手机"，价格 2000--5000 元、有库存，按销量降序，聚合品牌/分类/属性，高亮关键词。

json 复制代码

GET product_db/_search
{
  "from": 0,
  "size": 20,
  "query": {
    "bool": {
      "must": [
        {
          "multi_match": {
            "query": "手机",
            "fields": ["name", "keywords", "subTitle"]
          }
        }
      ],
      "filter": [
        { "term": { "hasStock": true } },
        { "range": { "price": { "gte": 2000, "lte": 5000 } } }
      ]
    }
  },
  "aggs": {
    "brandId_aggs": {
      "terms": { "field": "brandId", "size": 10 },
      "aggs": {
        "brandName_aggs": { "terms": { "field": "brandName" } },
        "brandImg_aggs": { "terms": { "field": "brandImg" } }
      }
    },
    "categoryId_aggs": {
      "terms": { "field": "categoryId", "size": 10 },
      "aggs": {
        "categoryName_aggs": { "terms": { "field": "categoryName" } }
      }
    },
    "attrs_aggs": {
      "nested": { "path": "attrs" },
      "aggs": {
        "attrId_aggs": {
          "terms": { "field": "attrs.attrId" },
          "aggs": {
            "attrName_aggs": { "terms": { "field": "attrs.attrName" } },
            "attrValue_aggs": { "terms": { "field": "attrs.attrValue" } }
          }
        }
      }
    }
  },
  "sort": [{ "salecount": { "order": "desc" } }],
  "highlight": {
    "pre_tags": ["<b style='color:red'>"],
    "post_tags": ["</b>"],
    "fields": { "name": {} }
  }
}

⚙️ 四、Spring Boot 微服务落地实现

4.1 引入依赖

xml 复制代码

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-elasticsearch</artifactId>
</dependency>

4.2 核心代码逻辑

4.2.1 构建搜索请求（`startBuildRequestParam`）

Bool 查询组装 ：
- must：multi_match 关键字
- filter：品牌、分类、库存、价格、属性（nested）
价格解析 ：支持 10_5000（区间）、_5000（≤5000）、10_（≥10）
属性筛选 ：解析 attrs=1_2核&2_蓝色 → 构建多个 nested 查询
排序 & 分页 & 高亮：标准化处理

4.2.2 执行检索

java 复制代码

SearchResponse<EsProduct> response = client.search(searchRequest, EsProduct.class);

4.2.3 封装响应（`startBuildResponseResult`）

解析商品列表，替换高亮字段
解析聚合结果 → BrandVo / CategoryVo / AttrVo
计算总页数、当前页、分页导航

4.3 接口测试示例

复制代码

GET <http://localhost:8054/searchList>?
  keyword=手机&
  price=1_5000&
  hasStock=1&
  categoryId=19&
  attrs=2_蓝色&
  attrs=1_2核&
  sort=salecount_asc&
  pageNum=1&
  pageSize=20

✅ 支持 任意维度组合查询，参数灵活可扩展。

🌟 五、核心技术亮点与总结

5.1 技术亮点

亮点	说明
精准建模	合理使用 `text`/`keyword`/`nested`/`date`，解决电商核心痛点
高性能查询	`filter`+`nested` 保证筛选精准性与查询效率
高体验交互	高亮 + 聚合 + 排序 → 还原京东式搜索体验
工程化落地	参数化解析 →DSL → Java 对象，代码清晰可维护
全场景覆盖	支持价格多格式、属性多组合、排序多维度、分页自定义

5.2 项目总结

本项目完整实现了 从需求到上线 的电商搜索闭环：

业务驱动 → 模型设计 → 查询优化 → 服务封装

该方案具备以下优势：

✅ 可直接复用于实际电商项目
✅ 易于扩展：可叠加拼音搜索、同义词、热度排序、个性化推荐
✅ 可水平扩展：配合 ES 集群，支撑高并发场景

未来演进方向：

引入 NLP 语义理解 提升搜索相关性

结合 用户行为日志 实现个性化排序

使用 向量检索 支持"以图搜商品"

📌 结语：

搜索不仅是"找得到"，更是"找得准、找得快、找得爽"。

通过 Elasticsearch + Spring Boot 的深度整合，我们打造了一个 高性能、高体验、高可用 的电商搜索引擎，为业务增长提供坚实底座。

仿京东电商商品搜索服务实战：基于 Elasticsearch 的实现与落地

🔍 一、核心业务场景分析

🧱 二、Elasticsearch 商品文档建模

2.1 核心设计原则

2.2 商品文档结构示例

2.3 索引 Mapping 定义（product_db）

2.4 测试数据准备

🔎 三、Elasticsearch DSL 查询语句构建

3.1 核心能力拆解

3.2 完整 DSL 示例

⚙️ 四、Spring Boot 微服务落地实现

4.1 引入依赖

4.2 核心代码逻辑

4.2.1 构建搜索请求（startBuildRequestParam）

4.2.2 执行检索

4.2.3 封装响应（startBuildResponseResult）

4.3 接口测试示例

🌟 五、核心技术亮点与总结

5.1 技术亮点

5.2 项目总结

2.3 索引 Mapping 定义（`product_db`）

4.2.1 构建搜索请求（`startBuildRequestParam`）

4.2.3 封装响应（`startBuildResponseResult`）