AI 助理
文档备案控制台
开发者社区 人工智能 文章 正文

嘿嘿，一个简单ElasticSearch小实现

2026-02-22 163
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写 侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介： 本文记录了一次紧急需求下的Elasticsearch实战：用Docker快速部署ES 8.19.6，集成BBoss客户端实现检索高亮与匹配度（当前分/最高分）计算，并通过IK分词器解决中文搜索问题。代码简洁、开箱即用，适合快速演示。

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

2. 配置文件

# 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。

PixPin_2025-11-11_16-57-26.png

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

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

2. 配置文件

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）

// 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

// 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

// 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

PixPin_2025-11-11_17-02-24.png

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"
}

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
exit
docker restart elasticsearch
# 验证
docker exec -it elasticsearch bash
elasticsearch-plugin list

2. 修改索引映射：

// 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>

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;
}

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 😎

PixPin_2025-11-11_17-29-33.png

文章标签：
Java
自然语言处理
容器
Docker
人工智能
BugShare
目录
相关文章
BugShare
|
3月前
|
人工智能 API 开发者
用 LangChain 驱动本地 Ollama 模型
本文详解如何用LangChain（基于最新Runnable API）调用本地Ollama模型，构建真正可用的私有化大模型应用。涵盖Ollama部署、OpenAI协议对接、Prompt编排、状态化对话（Memory）、工程实践建议等，兼顾安全性、可控性与落地性。（239字）
BugShare
970 2
布客飞龙
|
传感器 存储 算法
Python OpenCV 蓝图：1~5
Python OpenCV 蓝图：1~5
布客飞龙
639 0
BugShare
|
28天前
|
人工智能 开发工具 git
你的终端都安装了哪些扩展？试试这些高效扩展
终端太单调？14款高效工具助你升级体验：eza（带图标/颜色的ls）、yazi（图形化文件管理）、btop（可视化进程监控）、duf（美观磁盘分析）、bat（语法高亮cat）、fastfetch（极速系统信息）、fzf/fd/rg（模糊搜索/快速查找/精准文本检索）、zoxide（智能目录跳转）、lazygit/lazydocker（Git/Docker图形界面）、zellij（现代终端分屏复用器）、cmux（AI编码专用通知终端）。即装即用，效率翻倍！
BugShare
277 3
BugShare
|
2月前
|
网络协议 数据可视化 应用服务中间件
如何申请免费ssl证书以及自动续期
本文详解SSL证书申请与自动续期方案：推荐可视化工具CertGo（桌面端）和轻量脚本acme.sh。涵盖阿里云DNS配置、FreeSSL账号绑定（EAB）、多域名/泛域名申请、Nginx部署及自动续签，零依赖、易上手，助你轻松实现HTTPS全站加密。（239字）
BugShare
471 3
游客ujvf775vikgoc
|
4月前
|
弹性计算 网络安全 异构计算
使用阿里云GPU服务器部署Qwen3-235B-A22B推理模型，基于ecs.ebmgn8v实例规格
本文介绍如何使用阿里云GPU服务器（ecs.ebmgn8v实例，8卡96GB显存）部署Qwen3-235B-A22B大模型，涵盖创建VPC、安全组、GPU实例、环境配置、模型下载、部署及推理测试全流程，费用约290元/小时。
游客ujvf775vikgoc
1805 5
BugShare
|
3月前
|
运维 测试技术 API
OFD 在线预览全是乱码？我差点被“字体问题”带沟里了
OFD预览乱码？别急着装字体！本文复盘一次典型排坑经历：表面是Windows缺字体，实则因ofdrw 1.x版本老旧导致渲染异常；升级至2.3.7后乱码消失，跨平台一致，零配置解决。教训：优先检查依赖版本，莫被经验带偏。
BugShare
292 0
OFD 在线预览全是乱码？我差点被“字体问题”带沟里了
BugShare
|
2月前
|
Linux 开发工具 git
你的终端神器之Oh My Zsh
Oh My Zsh 是一款强大的 Zsh 配置框架，提供数百款插件（如自动补全、语法高亮）与精美主题，大幅提升终端颜值与效率。支持 Linux/macOS/WSL2，一键安装，轻松定制。开源免费，社区活跃！
BugShare
506 2
土木林森
|
NoSQL Redis UED
揭秘！Flask如何携手Celery，让异步任务处理不再是难题，打造极速响应的Web应用新纪元！
【8月更文挑战第31天】在Web开发中，Flask与Celery的结合为异步任务处理提供了强大支持。Flask作为轻量级Web框架，以其简洁灵活著称；而Celery则是一个分布式任务队列系统，擅长处理耗时任务。二者结合，Flask专注于处理Web请求，Celery则在后台异步执行复杂任务，如发送邮件或调用外部API。这种方式不仅提升了应用性能和响应速度，还优化了用户体验。下面的示例展示了如何在Flask应用中集成Celery以实现异步任务处理。
土木林森
811 0
BugShare
|
3月前
|
C++ 开发者
嘿嘿，猜我刚刚发现了什么？IDEA全新UI，极致优雅贼好看！
JetBrains为IDEA推出两款全新Beta主题——Islands Dark/Light！视觉更优雅清新：编辑器与工具窗区分更明显，导航栏更突出。升级至最新版IDEA，在设置中选择“Islands”主题即可一键启用，开发者优先尝鲜！
BugShare
280 1