Elasticsearch整合SpringBoot：完整示例入门-编程阁

从零开始：用 Spring Boot 快速集成 Elasticsearch 实现商品搜索

你有没有遇到过这样的场景？用户在电商网站里搜“苹果手机”，结果系统跑了一圈 MySQL 的LIKE '%苹果手机%'查询，响应慢得像卡顿的视频，返回的结果还一堆不相关的“水果苹果”和“苹果汁”。传统数据库在复杂搜索面前显得力不从心。

而现实中，我们对“搜索”的要求越来越高：要快、要准、要支持模糊匹配、还要能多条件筛选排序。这时候，Elasticsearch + Spring Boot就成了现代应用开发中的黄金搭档。

今天，我们就来手把手带你从零搭建一个基于Spring Boot 集成 Elasticsearch的完整搜索模块，聚焦真实业务场景——商品搜索，解决那些让人头疼的性能与体验问题。

为什么是 Elasticsearch 而不是数据库？

先说结论：当你的需求涉及全文检索、高并发查询或复杂过滤时，Elasticsearch 是更合适的选择。

它不是用来替代数据库的，而是作为“搜索加速层”存在的。它的底层基于 Lucene，核心是倒排索引结构。简单来说，就是把文档内容拆解成词项（term），然后建立“词 → 文档”的映射关系。这样一来，查“手机”就不再需要遍历所有记录，而是直接定位到包含这个词的所有文档 ID。

相比传统数据库：

LIKE 查询：全表扫描，O(n) 时间复杂度，数据量一大就卡；
MySQL 全文索引：虽有改进，但功能弱、扩展差、中文支持不好；
Elasticsearch：毫秒级响应、支持分词、聚合、高亮、相关性打分，天生为搜索而生。

再加上它分布式架构的设计，横向扩容容易，扛得住高并发读请求。所以，在日志分析、内容推荐、商品搜索等场景中，几乎是标配。

我们要用什么技术栈？

我们不会去碰原生 REST API 或低层客户端拼 JSON，那样太繁琐也容易出错。我们要用的是 Spring 家族提供的高级封装 ——Spring Data Elasticsearch。

它是 Spring Data 系列的一员，目标很明确：让你像操作 JPA 一样操作 ES。通过注解和方法命名规则，自动帮你生成查询语句，屏蔽网络通信、序列化、连接池等细节。

关键优势：
- 写法简洁，代码可读性强
- 支持Pageable分页、排序
- 方法名即可定义查询逻辑（比如findByTitleContaining）
- 可自定义 DSL 查询，灵活又不失控制力

⚠️ 注意版本兼容！这是最容易踩坑的地方。
如果你用的是Elasticsearch 7.17.x，对应使用Spring Data Elasticsearch 4.4.x
升级到ES 8+后，应切换至Spring Data Elasticsearch 5.0+
版本不匹配会导致连接失败、反序列化异常等问题，务必确认一致。

动手实战：搭建商品搜索服务

第一步：初始化项目 & 添加依赖

使用 Spring Initializr 创建项目，选择以下依赖：

Spring Web
Lombok（减少样板代码）
不要勾选“Spring Data for Elasticsearch”自动生成的旧版 starter，我们手动引入正确版本

Maven 依赖配置（以 Spring Boot 2.7.x + ES 7.17 为例）

<dependencies> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-web</artifactId> </dependency> <!-- Spring Data Elasticsearch --> <dependency> <groupId>org.springframework.data</groupId> <artifactId>spring-data-elasticsearch</artifactId> <version>4.4.10</version> <!-- 对应 ES 7.17 --> </dependency> <dependency> <groupId>org.projectlombok</groupId> <artifactId>lombok</artifactId> <scope>provided</scope> </dependency> </dependencies>

✅ 提示：Spring Boot 并未将spring-data-elasticsearch纳入默认管理列表，因此建议显式指定版本号，避免冲突。

第二步：配置连接信息

在application.yml中添加 Elasticsearch 连接参数：

spring: elasticsearch: uris: http://localhost:9200 username: elastic password: changeme connection-timeout: 5s socket-timeout: 10s

如果你本地测试没开安全认证（如 X-Pack），可以去掉用户名密码：

uris: http://localhost:9200

启动时会自动尝试连接集群，如果连不上会在日志中报错，便于排查。

第三步：定义实体类并映射索引结构

我们现在要建一个商品模型Product，让它能被存入 ES 并支持高效搜索。

@Document(indexName = "product") @Data @NoArgsConstructor @AllArgsConstructor public class Product { @Id private String id; @Field(type = FieldType.Text, analyzer = "ik_max_word", searchAnalyzer = "ik_smart") private String title; @Field(type = FieldType.Keyword) private String category; @Field(type = FieldType.Double) private Double price; @Field(type = FieldType.Integer) private Integer stock; @Field(type = FieldType.Date) private Date createTime; }

几个关键点解释一下：

注解	说明
`@Document(indexName="product")`	声明这个类对应 ES 中的`product`索引
`@Id`	映射为`_id`字段，唯一标识
`FieldType.Text`	用于全文检索字段，会被分词
`analyzer = "ik_max_word"`	索引时尽量拆出更多词汇，提高召回率
`searchAnalyzer = "ik_smart"`	查询时智能切词，提升准确率
`FieldType.Keyword`	不分词，用于精确匹配、聚合、过滤

📌 强烈建议中文环境安装IK 分词插件！否则默认 standard 分词器会把“智能手机”切成单字，毫无意义。

安装方式（进入 ES 容器执行）：

./bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.17.0/elasticsearch-analysis-ik-7.17.0.zip

重启后即可生效。

第四步：编写 Repository 接口

Spring Data 的精髓就在于接口即实现。我们只需继承ElasticsearchRepository，就能获得基本 CRUD 能力。

public interface ProductRepository extends ElasticsearchRepository<Product, String> { // 根据标题模糊查询（自动解析为 match 查询） List<Product> findByTitleContaining(String title); // 多条件组合：分类 + 价格区间 List<Product> findByCategoryAndPriceBetween(String category, Double minPrice, Double maxPrice); // 库存大于某值，并支持分页 Page<Product> findByStockGreaterThan(Integer stock, Pageable pageable); // 自定义 DSL 查询：标题匹配 AND 价格范围 @Query(""" { "bool": { "must": [ { "match": { "title": "?0" } }, { "range": { "price": { "gte": ?1, "lte": ?2 } } } ] } } """) Page<Product> searchByTitleAndPriceRange(String title, Double minPrice, Double maxPrice, Pageable pageable); }

这里有几个技巧值得掌握：

方法名遵循命名规范，框架会自动推导出对应的查询类型；
?0,?1,?2是占位符，按参数顺序注入；
返回类型用Page<T>可轻松实现分页，无需手动处理偏移；
使用@Query可写复杂布尔查询、嵌套查询、脚本评分等高级 DSL。

第五步：服务层封装业务逻辑

接下来是 Service 层，负责协调数据访问与业务规则。

@Service @Transactional public class ProductService { @Autowired private ProductRepository productRepository; public Product save(Product product) { return productRepository.save(product); } public Iterable<Product> saveAll(List<Product> products) { return productRepository.saveAll(products); } public Optional<Product> findById(String id) { return productRepository.findById(id); } public void deleteById(String id) { productRepository.deleteById(id); } /** * 综合搜索入口 */ public Page<Product> searchProducts(String keyword, String category, Double minPrice, Double maxPrice, int page, int size) { Pageable pageable = PageRequest.of(page, size, Sort.by("price").asc()); if (keyword != null && !keyword.trim().isEmpty()) { // 关键词搜索优先走全文匹配 return productRepository.searchByTitleAndPriceRange( keyword, minPrice, maxPrice, pageable); } else { // 无关键词时按分类和价格筛选 return productRepository.findByCategoryAndPriceBetween( category, minPrice, maxPrice, pageable); } } }

可以看到，整个过程几乎没有写 SQL 或 JSON，逻辑清晰、易于维护。

第六步：暴露 REST 接口供前端调用

最后通过 Controller 暴露标准 REST API：

@RestController @RequestMapping("/api/products") public class ProductController { @Autowired private ProductService productService; @PostMapping public ResponseEntity<Product> create(@RequestBody Product product) { product.setCreateTime(new Date()); Product saved = productService.save(product); return ResponseEntity.ok(saved); } @GetMapping("/{id}") public ResponseEntity<Product> getById(@PathVariable String id) { Product product = productService.findById(id) .orElseThrow(() -> new RuntimeException("Product not found")); return ResponseEntity.ok(product); } @GetMapping public ResponseEntity<Page<Product>> list( @RequestParam(required = false) String keyword, @RequestParam(defaultValue = "electronics") String category, @RequestParam(required = false) Double minPrice, @RequestParam(required = false) Double maxPrice, @RequestParam(defaultValue = "0") int page, @RequestParam(defaultValue = "10") int size) { Page<Product> result = productService.searchProducts( keyword, category, minPrice != null ? minPrice : 0.0, maxPrice != null ? maxPrice : 9999.99, page, size); return ResponseEntity.ok(result); } @DeleteMapping("/{id}") public ResponseEntity<Void> delete(@PathVariable String id) { productService.deleteById(id); return ResponseEntity.noContent().build(); } }

现在你可以用 Postman 测试了：

GET http://localhost:8080/api/products?keyword=手机&minPrice=1000&maxPrice=5000&page=0&size=10

不出意外的话，你会看到类似这样的响应：

{ "content": [...], "totalElements": 47, "totalPages": 5, "number": 0, "size": 10 }

整个流程平均耗时不到 50ms，即使面对百万级商品数据也能保持稳定表现。

实际应用中的关键考量

别以为跑通 demo 就万事大吉了。真正上线前，还有几个必须面对的问题。

1. 数据一致性怎么保证？

Elasticsearch 是最终一致性的系统，不能当作主数据库使用。那数据从哪来？

常见做法：

异步同步：在 MySQL 插入商品后，发送消息到 Kafka/RabbitMQ，由消费者更新 ES 索引；
变更捕获：使用 Canal 监听 MySQL binlog，自动同步变化到 ES；
双写模式：应用层同时写 DB 和 ES，加事务补偿机制防丢失。

推荐优先考虑消息队列方案，解耦且可靠。

2. 如何避免深分页导致性能下降？

不要用from + size查第 10000 条以后的数据！这会让每个分片都查 10000+size 条再合并，严重拖慢性能。

解决方案：

使用Search After替代分页，基于上次结果的排序值继续下一页；
或启用Scroll API（适合导出场景，不适合实时搜索）；

Spring Data Elasticsearch 也支持SearchAfterPageable，可以在分页时传入上次的 sort values。

3. 生产环境如何优化索引性能？

关闭实时刷新：写多读少场景下，将refresh_interval设为30s甚至更长，大幅提升写入吞吐；
预设 Index Template：避免动态 mapping 导致字段类型错误（例如 string 被识别为 text 和 keyword 两个子字段）；
合理设置副本数：开发环境可设为 0，生产建议至少 1 份副本保障可用性；
冷热分离：结合 ILM（Index Lifecycle Management）策略归档历史数据。

总结：这套组合到底解决了什么？

回到最初的问题：

痛点	解决方案
模糊搜索慢	倒排索引 + IK 分词，毫秒级响应
多条件筛选难	布尔查询自由组合，支持 range、term、exists 等
排序分页卡顿	内置`Pageable`，支持 search_after 避免深分页
中文分词不准	引入 ik_max_word 提升召回率
开发效率低	注解驱动 + 方法名推导，告别手动拼 JSON