day07-app端文章搜索

文档总结与关键代码解析

---

1. ElasticSearch环境搭建

• 核心目标：构建支持中文分词的高效搜索环境。
• 关键步骤：
  • Docker部署：使用elasticsearch:7.4.0镜像创建容器，配置单节点模式。
  • IK分词器：将elasticsearch-analysis-ik-7.4.0.zip解压至插件目录，支持中文分词。
  • 索引与映射：通过Postman创建索引app_info_article，定义字段类型（如text使用ik_smart分词）。

# 创建ElasticSearch容器
docker run -id --name elasticsearch -p 9200:9200 -p 9300:9300 \-v /plugins:/usr/share/elasticsearch/plugins \-e "discovery.type=single-node" elasticsearch:7.4.0

---

2. 文章搜索功能实现

• 核心逻辑：用户输入关键词，通过ElasticSearch实现多条件复合查询，返回高亮结果。
• 关键代码：
  • 查询条件构建：使用BoolQueryBuilder组合关键字查询和时间范围过滤。
  • 高亮配置：通过HighlightBuilder设置高亮字段和样式。
  • 结果处理：解析命中结果，合并高亮标题与原始数据。

// 构建布尔查询
BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
boolQuery.must(QueryBuilders.queryStringQuery(keyword).field("title").field("content"));
boolQuery.filter(QueryBuilders.rangeQuery("publishTime").lt(minTime));// 设置高亮
HighlightBuilder highlightBuilder = new HighlightBuilder().field("title").preTags("<font style='color: red;'>").postTags("</font>");
searchSourceBuilder.highlighter(highlightBuilder);

---

3. 搜索历史记录

• 数据存储：使用MongoDB存储用户搜索记录，每个用户最多保留10条按时间倒序的记录。
• 关键操作：
  • 异步保存：通过@Async注解异步调用保存方法，避免阻塞主线程。
  • 历史清理：超过10条时替换最旧的记录。

// 异步保存搜索记录
@Async
public void insert(String keyword, Integer userId) {// 查询是否存在相同关键词Query query = Query.query(Criteria.where("userId").is(userId).and("keyword").is(keyword));ApUserSearch existRecord = mongoTemplate.findOne(query, ApUserSearch.class);// 不存在时检查数量并插入/替换if (existRecord == null) {List<ApUserSearch> records = mongoTemplate.find(Query.query(Criteria.where("userId").is(userId)), ApUserSearch.class);if (records.size() >= 10) {// 删除最旧记录mongoTemplate.remove(records.get(records.size() - 1));}mongoTemplate.save(new ApUserSearch(userId, keyword, new Date()));}
}

---

4. 联想词查询

• 数据来源：预存高频搜索词到MongoDB集合ap_associate_words。
• 查询逻辑：使用正则表达式实现模糊匹配，返回匹配的联想词列表。

// 模糊查询联想词
Query query = Query.query(Criteria.where("associateWords").regex(".*" + keyword + ".*"));
List<ApAssociateWords> words = mongoTemplate.find(query.limit(pageSize), ApAssociateWords.class);

---

5. 异步消息与索引同步

• 数据同步：文章审核通过后，通过Kafka发送消息，搜索服务消费消息并更新ElasticSearch索引。
• 关键代码：
  • 生产者（文章服务）：将文章数据序列化为JSON发送至Kafka Topic。
  • 消费者（搜索服务）：监听Topic，解析数据并写入ElasticSearch。

// 文章服务发送消息
kafkaTemplate.send(ArticleConstants.ARTICLE_ES_SYNC_TOPIC, JSON.toJSONString(articleVo));// 搜索服务消费消息
@KafkaListener(topics = ArticleConstants.ARTICLE_ES_SYNC_TOPIC)
public void onMessage(String message) {SearchArticleVo vo = JSON.parseObject(message, SearchArticleVo.class);IndexRequest request = new IndexRequest("app_info_article").id(vo.getId().toString());request.source(message, XContentType.JSON);restHighLevelClient.index(request, RequestOptions.DEFAULT);
}

---

关键总结

1. 技术选型：

   • ElasticSearch：支持高性能全文检索，适合复杂查询和高亮需求。
   • MongoDB：灵活存储用户行为数据（如搜索历史），支持快速CRUD。
   • Kafka：实现服务间异步通信，保证数据最终一致性。

2. 核心功能亮点：

   • 高亮显示：通过ElasticSearch的高亮API动态标记关键词。
   • 历史记录管理：基于MongoDB的异步写入和自动清理机制。
   • 联想词优化：正则模糊匹配提升搜索建议的灵活性。

3. 配置要点：

   • Nacos配置：统一管理ElasticSearch和Kafka连接信息。
   • 依赖注入：确保RestHighLevelClient和MongoTemplate正确初始化。

通过以上设计，系统实现了高效搜索、用户行为记录和智能联想功能，满足App端对搜索体验的核心需求。