Elasticsearch全文检索实战：分词器配置与布尔查询DSL语法

Elasticsearch是基于Lucene构建的分布式搜索引擎，在日志分析、商品搜索、文档检索等场景中广泛应用。与关系型数据库的LIKE模糊查询不同，Elasticsearch通过倒排索引和分词器实现毫秒级全文检索。正确配置分词器、编写精确的查询DSL、优化索引映射，是Elasticsearch实战中的核心能力。

索引映射与分析器配置

索引映射（Mapping）定义字段类型和分析器，相当于数据库的表结构。创建索引时指定映射：

PUT /articles
{
  "settings": {
    "number_of_shards": 3,
    "number_of_replicas": 1,
    "analysis": {
      "analyzer": {
        "my_analyzer": {
          "type": "custom",
          "tokenizer": "ik_max_word",
          "filter": ["lowercase", "my_stop"]
        }
      },
      "filter": {
        "my_stop": {
          "type": "stop",
          "stopwords": ["的", "了", "是", "在", "和"]
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "title": {
        "type": "text",
        "analyzer": "ik_max_word",
        "search_analyzer": "ik_smart",
        "fields": {
          "keyword": { "type": "keyword", "ignore_above": 256 }
        }
      },
      "content": {
        "type": "text",
        "analyzer": "my_analyzer"
      },
      "tags": {
        "type": "keyword"
      },
      "publish_date": {
        "type": "date",
        "format": "yyyy-MM-dd HH:mm:ss||epoch_millis"
      },
      "view_count": {
        "type": "integer"
      },
      "url": {
        "type": "keyword",
        "index": false
      }
    }
  }
}

title字段使用ik_max_word做索引分词（最细粒度切分，召回率高），ik_smart做搜索分词（智能切分，精确度高）。这种”索引粗搜索精”的组合是中文搜索的最佳实践。fields.keyword为title创建keyword子字段，支持精确匹配和聚合排序。index: false使url字段不建索引，仅存储不检索。

中文分词器IK Analyzer安装与测试

Elasticsearch默认分词器对中文按字切分（standard analyzer），无法识别词组。IK Analyzer是中文分词插件，需要安装：

# 在每个节点上安装IK插件
bin/elasticsearch-plugin install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v8.12.0/elasticsearch-analysis-ik-8.12.0.zip

# 重启节点
systemctl restart elasticsearch

# 测试分词效果
POST /_analyze
{
  "analyzer": "ik_max_word",
  "text": "人工智能大模型应用开发实战"
}

# 返回
{
  "tokens": [
    {"token": "人工智能", "start_offset": 0, "end_offset": 4},
    {"token": "大模型", "start_offset": 4, "end_offset": 7},
    {"token": "应用", "start_offset": 7, "end_offset": 9},
    {"token": "开发", "start_offset": 9, "end_offset": 11},
    {"token": "实战", "start_offset": 11, "end_offset": 13}
  ]
}

IK支持自定义词典扩展。创建扩展词文件config/analysis-ik/extra.dic，每行一个词：

大语言模型
向量数据库
提示工程

在IK配置文件IKAnalyzer.cfg.xml中引用扩展词典：

<properties>
  <entry key="ext_dict">extra.dic</entry>
  <entry key="ext_stopwords">stopword.dic</entry>
</properties>

修改词典后无需重启Elasticsearch，IK支持热更新——通过定时检测词典文件的修改时间，自动重新加载词典。

布尔查询与多字段搜索

布尔查询（Bool Query）是Elasticsearch最常用的查询类型，通过must、should、must_not、filter组合条件：

POST /articles/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "multi_match": {
            "query": "Kubernetes 部署",
            "fields": ["title^3", "content"],
            "type": "best_fields",
            "tie_breaker": 0.3
          }
        }
      ],
      "filter": [
        { "term": { "tags": "kubernetes" } },
        {
          "range": {
            "publish_date": {
              "gte": "2026-01-01",
              "lte": "2026-12-31"
            }
          }
        }
      ],
      "should": [
        { "term": { "tags": "devops" } }
      ],
      "must_not": [
        { "term": { "tags": "draft" } }
      ]
    }
  },
  "sort": [
    { "_score": { "order": "desc" } },
    { "publish_date": { "order": "desc" } }
  ],
  "from": 0,
  "size": 20,
  "highlight": {
    "fields": {
      "title": { "pre_tags": ["<em>"], "post_tags": ["</em>"], "number_of_fragments": 0 },
      "content": { "fragment_size": 150, "number_of_fragments": 3 }
    }
  }
}

multi_match的best_fields策略取匹配度最高字段的分数，title^3将title字段权重提升3倍。tie_breaker=0.3在多个字段都有匹配时，将次要字段分数的30%计入总分。filter不参与评分且结果会被缓存，适合精确过滤条件。should在有must条件时仅影响排序，无must条件时至少需匹配一个should。

高亮（highlight）在搜索结果中标记匹配的关键词。number_of_fragments: 0表示返回完整字段内容而非片段。

聚合查询与分面统计

聚合（Aggregation）类似SQL的GROUP BY，用于统计分析和分面搜索：

POST /articles/_search
{
  "size": 0,
  "query": {
    "bool": {
      "filter": [
        { "range": { "publish_date": { "gte": "2026-01-01" } } }
      ]
    }
  },
  "aggs": {
    "tags_stats": {
      "terms": {
        "field": "tags",
        "size": 20,
        "order": { "_count": "desc" }
      },
      "aggs": {
        "avg_views": { "avg": { "field": "view_count" } },
        "date_histogram": {
          "date_histogram": {
            "field": "publish_date",
            "calendar_interval": "month",
            "format": "yyyy-MM"
          }
        }
      }
    },
    "monthly_count": {
      "date_histogram": {
        "field": "publish_date",
        "calendar_interval": "month",
        "format": "yyyy-MM",
        "min_doc_count": 0
      }
    }
  }
}

size: 0不返回文档，仅返回聚合结果。嵌套聚合在tags_stats下先按标签分组，每组再计算平均浏览量和按月发布量。min_doc_count: 0确保没有文档的月份也返回0值，避免时间序列断点。

索引性能调优与刷新策略

Elasticsearch的准实时性依赖于refresh操作——将内存缓冲区的数据写入Segment使其可搜索。默认每1秒refresh一次。批量写入时可以临时关闭refresh：

# 批量写入前关闭refresh
PUT /articles/_settings
{ "index.refresh_interval": "-1" }

# 批量写入
POST /_bulk
{ "index": { "_index": "articles" } }
{ "title": "...", "content": "..." }
{ "index": { "_index": "articles" } }
{ "title": "...", "content": "..." }

# 批量写入后恢复并手动刷新
PUT /articles/_settings
{ "index.refresh_interval": "1s" }
POST /articles/_refresh

关闭refresh期间写入的文档不可搜索，但写入吞吐量可提升3-5倍。适合离线数据导入场景。

Bulk API的批量大小建议5-15MB，每批1000-5000条文档。过大的批次会占用过多JVM堆内存，可能触发GC停顿。监控Bulk请求的响应时间，超过30秒说明批次过大：

# 查看索引统计
GET /articles/_stats/indexing

# 关键指标
# index_total: 总索引操作数
# index_current: 当前并发索引操作数
# index_time_in_millis: 总索引耗时
# throttled_time_in_millis: 因限流等待时间