嘿嘿，一个简单 ElasticSearch 小实现
作者：BugShare
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
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
复制代码
2. 配置文件
# elasticsearch.ymlcluster.name: "docker-cluster"network.host: 0.0.0.0
http.cors.enabled: truehttp.cors.allow-origin: "*"
http.cors.allow-headers: Authorization
复制代码
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
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
// build.gradleimplementation 'com.bbossgroups.plugins:bboss-elasticsearch-spring-boot-starter:7.5.3'
复制代码
2. 配置文件
spring: elasticsearch: bboss: elasticUser: elastic elasticPassword: elastic elasticsearch: rest: hostNames: 127.0.0.1:9200
复制代码
3. 定义映射文件（resources/esmapper/demo.xml）
// 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>复制代码
四、代码部分
1. 实体类
// 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;}复制代码
2. 控制器
// 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 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 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> highlightSearch(@RequestParam String content) { List> list = new ArrayList<>(); ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil(MAP_PATH); Map params = new HashMap<>(); params.put("condition", content); ESDatas 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 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> highLights = demo.getHighlight(); log.debug("highLights: {}", highLights); Iterator>> entries = highLights.entrySet().iterator(); while (entries.hasNext()) { Map.Entry> entry = entries.next(); String fieldName = entry.getKey(); List fieldHighLightSegments = entry.getValue(); for (Object highLightSegment : fieldHighLightSegments) { list.add( MapUtil.builder(new HashMap()) .put("highlight", highLightSegment) .put("score", NumberUtil.formatPercent(NumberUtil.div(score, maxScore), 2)) .build() ); } } } return list; }}复制代码
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：
POST /demo/_analyze{ "field": "contentbody", "text": "搜索引擎"}
复制代码
果然，默认没有中文分词。
1. 安装 analysis-ik 插件
# 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exitdocker restart elasticsearch# 验证docker exec -it elasticsearch bashelasticsearch-plugin list复制代码
2. 修改索引映射：
// resources/esmapper/demo.xml... "contentBody": { "type": "text", "analyzer": "ik_max_word", "search_analyzer": "ik_max_word" }... ... "match" : { "contentBody" : { "query" : #[condition], "analyzer": "ik_max_word" } }... 复制代码
3. 控制器代码
@GetMapping("/analyze")public String analyze(@RequestParam String content) { ClientInterface clientUtil = ElasticSearchHelper.getConfigRestClientUtil(MAP_PATH);
String result = clientUtil.executeHttp("demo/_analyze", "analyzeQuery", MapUtil.of("condition", content), ClientInterface.HTTP_POST ); System.out.println("result: " + result); return result;}
复制代码
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 😎
划线
评论
复制
发布于: 1 小时前阅读数: 14
版权声明: 本文为 InfoQ 作者【BugShare】的原创文章。
原文链接:【http://xie.infoq.cn/article/46b6ab356e0c5a0da6bf80418】。文章转载请联系作者。
BugShare
关注
BugShare，解决问题，快乐摸鱼 2025-10-18 加入
领先的bug分享，致力于愉快开发，快乐摸鱼，决绝996。
评论