开源商城 Shoptnt 的搜索引擎之心：基于 Elasticsearch 的高性能商品搜索实现

在当今的电子商务环境中，一个快速、准确、功能丰富的搜索功能不再是锦上添花，而是必不可少的核心体验。在我的开源商城项目 Shoptnt 中，我们选择了 Elasticsearch 作为搜索引擎，来应对海量商品数据下的复杂查询与聚合需求。

本文将深入剖析 Shoptnt 是如何设计商品索引结构、实现数据的同步与维护，并构建出一个支持关键词、分类、品牌、属性、价格等多维度检索的商品搜索系统。

项目地址： https://gitee.com/bbc-se/shoptnt
官方地址： www.shoptnt.cn

一、核心索引结构设计 (Mapping)

一切搜索的基石在于良好的索引设计。我们定义了 GoodsIndex 类来映射 Elasticsearch 中的文档结构。

java

@Document(indexName = "#{esConfig.indexName}_"+ EsSettings.GOODS_INDEX_NAME)
@Data
public class GoodsIndex {
    @JestId
    private Long goodsId; // 商品ID
    @Field(type = FieldType.Text, analyzer = EsSettings.IK_MAX_WORD)
    private String name; // 商品名称（使用IK分词）
    // ... 其他字段（价格、销量、商家等）
    @Field(type = FieldType.Nested, index = true, store = true)
    private List<IndexParam> params; // 商品参数（Nested类型！）
}

设计要点：

1. 动态索引名： #{esConfig.indexName}_goods 支持多环境隔离。

2. 分词策略： 对商品名 name 字段使用 ik_max_word 分词器，力求最细粒度拆分，保证召回率。

3. Nested 类型： 商品参数 params 是一个列表，内含参数名和值。将其定义为 nested 类型是关键决策。这确保了参数数组中的每个对象是独立索引和查询的，避免了传统对象类型导致的“交叉匹配”问题。

4. 多数据类型： 精确匹配的字段（如 ID、状态码）使用 keyword 或 long，需搜索的文本使用 text，数值范围过滤使用 integer/double。

二、数据同步：保证 ES 与 DB 的最终一致性

数据库是源 of truth，而 ES 是搜索专用视图。如何高效、可靠地将数据变更同步到 ES 是关键。

我们采用了 事件驱动 的模式，通过 RabbitMQ 进行解耦。

1. 消息生产者： 任何导致商品信息变更的业务操作（增删改、上下架、审核通过等），都会发送一个 GoodsChangeMsg 消息事件。

2. 消息消费者： GoodsChangeIndexConsumer 监听这些消息。

java

@Service
public class GoodsChangeIndexConsumer implements GoodsChangeEvent {
    @Autowired
    private GoodsIndexClient goodsIndexClient;

    @Override
    public void goodsChange(GoodsChangeMsg goodsChangeMsg) {
        Long[] goodsIds = goodsChangeMsg.getGoodsIds();
        int operationType = goodsChangeMsg.getOperationType();

        if (isUpdateOperation(operationType)) {
            // 新增或更新：重新导入整个商品文档
            goodsIndexClient.saveByGoodsIds(Arrays.asList(goodsIds));
        } else if (operationType == GoodsChangeMsg.DEL_OPERATION) {
            // 删除：从索引中移除文档
            goodsIndexClient.deleteBatchByGoodsIds(Arrays.asList(goodsIds));
        }
    }
}

同步逻辑：

• 更新/新增： 收到消息后，根据商品 ID 从数据库查询最新数据，重新构建 GoodsIndex 对象并 index 到 ES。这是一个 替换（Repace） 操作，而非部分更新，简化了逻辑，保证了数据一致性。

• 删除： 直接从 ES 中删除对应文档。

这种模式的优势在于异步和解耦，避免了在业务事务中直接操作 ES 带来的性能瓶颈和复杂性，保证了最终的数据一致性。

三、搜索与聚合：构建丰富查询功能

搜索的核心实现位于 GoodsSearchManagerImpl 类中。

1. 构建复杂查询 (BoolQuery)：

createQuery 方法动态地构建一个 BoolQueryBuilder，将各种筛选条件以 must 子句的形式组合起来，形成最终的查询。

java

BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();

// 关键词查询（IK分词，AND操作符）
if (!StringUtil.isEmpty(keyword)) {
    QueryStringQueryBuilder queryString = new QueryStringQueryBuilder(keyword)
            .field("name").analyzer(EsSettings.IK_SMART).defaultOperator(Operator.AND);
    boolQueryBuilder.must(queryString);
}

// 分类查询（利用Path的Wildcard查询）
if (cat != null) {
    boolQueryBuilder.must(QueryBuilders.wildcardQuery("categoryPath", encodedCatPath + "*"));
}

// Nested 参数查询！
if (!StringUtil.isEmpty(prop)) {
    // ... 解析出参数名和值
    boolQueryBuilder.must(QueryBuilders.nestedQuery("params",
            QueryBuilders.boolQuery()
                    .must(QueryBuilders.termQuery("params.name", name))
                    .must(QueryBuilders.termQuery("params.value", value)),
            ScoreMode.None));
}

// 范围查询（价格）
if (!StringUtil.isEmpty(price)) {
    boolQueryBuilder.must(QueryBuilders.rangeQuery("price").from(min).to(max));
}

// 固定条件：上架、审核通过、未删除
boolQueryBuilder.must(QueryBuilders.termQuery("isAuth", "1"));
boolQueryBuilder.must(QueryBuilders.termQuery("marketEnable", "1"));
boolQueryBuilder.must(QueryBuilders.termQuery("disabled", "1"));

2. 聚合 (Aggregation) 生成筛选器：

为了生成左侧的“分类”、“品牌”、“参数”等筛选项，我们使用了 ES 的聚合功能。

java

private void setAggregationQuery(SearchSourceBuilder searchSourceBuilder) {
    // 分类聚合
    AggregationBuilder categoryAgg = AggregationBuilders.terms("categoryAgg").field("categoryId").size(Integer.MAX_VALUE);
    // 品牌聚合
    AggregationBuilder brandAgg = AggregationBuilders.terms("brandAgg").field("brand").size(Integer.MAX_VALUE);
    // 参数聚合是嵌套的：先按参数名聚合，再按参数值聚合
    AggregationBuilder valuesAgg = AggregationBuilders.terms("valueAgg").field("params.value");
    AggregationBuilder nameAgg = AggregationBuilders.terms("nameAgg").field("params.name").subAggregation(valuesAgg);
    AggregationBuilder paramsAgg = AggregationBuilders.nested("paramsAgg", "params").subAggregation(nameAgg);

    searchSourceBuilder.aggregation(categoryAgg);
    searchSourceBuilder.aggregation(brandAgg);
    searchSourceBuilder.aggregation(paramsAgg);
}

一次搜索请求既返回了商品结果，也返回了所有的聚合结果，前端可以据此渲染出丰富的筛选界面。

四、管理功能：索引与词库的维护

1. 全量索引重建： GoodsIndexManagerImpl.initAll()
这是一个后台管理功能，用于首次部署或索引结构变更时重建整个商品索引。它会分页扫描数据库中的所有商品，批量生成索引，并显示进度条，体验非常好。

2. 搜索词库：
系统会通过 analyzer 方法提取所有商品名称的分词，并将其存入一个单独的词库（可能是 ES 或 DB），用于实现搜索提示（AutoComplete）功能。updateGoodsWords 方法用于全量更新这个词库。

总结与最佳实践

通过 Shoptnt 的 ES 实现，我们可以总结出一些电商搜索的通用最佳实践：

1. 精心设计 Mapping： 特别是 nested 类型的使用，是处理多值属性的关键。

2. 事件驱动同步： 采用 MQ 实现异步解耦，保证最终一致性，对业务性能影响最小。

3. 查询与聚合结合： 一次请求完成搜索和筛选面板数据的获取，高效且减少网络开销。

4. 中文分词： 选择合适的分词器（如 IK），并根据场景选择 ik_smart 或 ik_max_word。

5. 后台管理工具： 提供全量索引、词库更新的工具，便于运维。

Elasticsearch 为 Shoptnt 提供了强大的搜索能力，使其能够应对复杂的电商查询场景。这套实现方案稳定、高效且功能完备，希望能为正在构建类似功能的开发者提供一些参考和思路。

欢迎访问 Gitee 查看项目源码，并提出宝贵的意见和贡献！