关键词检索不够用了？用 Elasticsearch 做全文搜索

很多系统的搜索功能，最初都是一句 WHERE title LIKE '%关键词%' 凑合的。数据量小、需求简单时没问题，一旦内容多起来就露怯：只能做子串匹配、大小写和分词一塌糊涂、中文更是基本搜不准，更别提"相关度排序"和"高亮"了。正经的全文搜索，得靠专门的搜索引擎。Elasticsearch（下文简称 ES）是目前最主流的开源选择，它核心是倒排索引——像书末的索引表一样，记录"哪个词出现在哪些文档"。这篇我就用一个文章搜索的例子，把建索引、灌数据、查询、中文分词讲一遍。

一、为什么 LIKE 顶不住

先看清 LIKE 的天花板，免得为了杀鸡去引 ES 这把刀时心里没数：

判断标准很简单：只是管理后台里按 ID 或精确字段查，LIKE 够用；只要面向用户的"搜索框"，就该上 ES。用户预期的是"搜’手机壳’能出来’适用于 iPhone 的保护壳’"，LIKE 给不了这种语义宽松度。

二、把数据灌进索引

先在 ES 里建一个索引，定义字段类型。这里特意给中文内容配 IK 分词器：

PUT /articles
{
  "settings": {
    "analysis": {
      "analyzer": {
        "ik_pinyin": {
          "type": "custom",
          "tokenizer": "ik_max_word"
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title":    { "type": "text", "analyzer": "ik_max_word" },
      "content":  { "type": "text", "analyzer": "ik_max_word" },
      "author":   { "type": "keyword" },
      "created":  { "type": "date" }
    }
  }
}

text 类型才会被分词、可被全文检索；keyword 是精确值（作者名、状态这类，用于精确过滤，不作全文匹配）。ik_max_word 是 IK 分词器的"最细粒度"模式，能把"中华人民共和国"拆成多个词，召回更全。

灌数据用 _bulk 批量接口，比一条条插快得多：

POST /articles/_bulk
{"index":{"_id":1}}
{"title":"如何使用 Elasticsearch 做搜索","content":"全文检索依赖倒排索引...","author":"阿云","created":"2026-09-01"}
{"index":{"_id":2}}
{"title":"MySQL 索引优化实战","content":"慢查询往往源于缺失的索引...","author":"小李","created":"2026-09-02"}

三、查询怎么写才像搜索引擎

最基础的 match 查询，会对查询词也做分词再匹配，并按相关度打分：

GET /articles/_search
{
  "query": {
    "match": {
      "content": "倒排索引 搜索"
    }
  },
  "highlight": {
    "fields": { "content": {} }
  },
  "size": 10
}

highlight 会让 ES 在返回里标出命中位置，前端用 <em> 一包就是搜索结果里常见的"关键词高亮"。如果想标题命中权重更高，用 multi_match 给字段加权：

GET /articles/_search
{
  "query": {
    "multi_match": {
      "query": "Elasticsearch",
      "fields": ["title^3", "content"]
    }
  }
}

title^3 表示标题字段权重是内容的 3 倍——用户搜到的第一条更可能是标题就包含关键词的，符合直觉。

四、中文分词和性能的几个细节

1. 分词器要装对。 ES 默认分词器对中文是逐字切，等于没分词。必须装 analysis-ik 插件，否则"全文搜索"会被切成"全/文/搜/索"四个单字，召回乱套。
2. 索引别无限膨胀。 历史数据可以建索引生命周期（ILM），热数据留 SSD、冷数据滚到对象存储，省成本。
3. 深翻页用 search_after。 用 from + size 翻到第 10000 条以后会被 ES 拒绝，深度分页改 search_after。
4. 写入用 bulk、读用 filter。 过滤条件尽量用 filter 而非 query，前者不计算相关度、能走缓存，列表筛选场景快很多。

总结一下

从 LIKE 升级到 Elasticsearch，本质上是把"字符串包含"换成"基于倒排索引的相关度检索"。建索引时想清哪些字段要分词（text）、哪些要精确（keyword），查询时善用 multi_match 加权和高亮，中文务必配好 IK 分词器——这四点做到，一个能打的站内搜索就成了。后面要做"搜索建议（completion suggester）"“拼音搜索”"聚合统计"也都是在这套索引之上加功能。别被"搜索引擎"四个字吓到，它的核心思想，就是这篇开头那张"词→文档"的倒排表。