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

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

# 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

// build.gradle

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

```

### 2. 配置文件

```yaml

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

// resources/esmapper/demo.xml

<![CDATA[

{

"settings": {

"number_of_shards": 6,

"index.refresh_interval": "5s"

},

"mappings": {

"properties": {

"demoId":{

"type": "text"

},

"contentBody": {

"type": "text"

}

]]>

</property>

<![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

// 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

// 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

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

# 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

// resources/esmapper/demo.xml

...

"contentBody": {

"type": "text",

"analyzer": "ik_max_word",

"search_analyzer": "ik_max_word"

}

...

</property>

...

"match" : {

"contentBody" : {

"query" : #[condition],

"analyzer": "ik_max_word"

}

...

</property>

<![CDATA[

{

##"analyzer": "standard",

"analyzer": "ik_max_word",

"text": #[condition]

}

]]>

</property>

</properties>

```

### 3. 控制器代码

```java

@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;

}

```

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 😎

ITPub博客

嘿嘿，一个简单ElasticSearch小实现

最新文章