ES电商检索方案设计案例

m0_37670860

530人浏览 · 2026-06-15 08:58:04

m0_37670860 · 2026-06-15 08:58:04 发布

一、整体检索方案选型

1. 为什么不能只用 MySQL 检索

多规格筛选：颜色、尺寸、配置组合查询，MySQL 字符串匹配 / 联表查询极慢；
模糊搜索：商品标题、详情、参数全文匹配，MySQL like % xx% 不走索引；
多条件组合筛选：分类 + 品牌 + 价格区间 + 多个规格值 + 属性参数混合过滤；
排序加权：销量、价格、匹配度、新品综合排序；
分页、高亮、同义词、拼音搜索、分词能力数据库原生不支持。

标准架构：MySQL 存业务源数据，Elasticsearch 做商品检索引擎
MySQL 负责增删改、库存、订单、事务；ES 承接所有前台商品列表、搜索、筛选。

2. 数据同步两种主流方案

方案 1：Canal binlog 实时同步（生产最常用）

MySQL 开启 binlog=ROW；
Canal 监听 MySQL binlog，捕获 spu/sku/spec/attr 增、改、删事件；
Canal 把变更数据推送至 MQ (RocketMQ/Kafka)；
消费服务拉取消息，组装完整商品文档，写入 / 更新 ES 索引；
延迟极低（几十 ms 级），准实时检索。

方案 2：定时全量 + 增量补偿（小型商城）

凌晨全量一次性把所有 SPU、关联 SKU、规格、属性查出来批量灌入 ES；
业务更新时，代码里同步调用 ES 更新接口（双写）；
定时增量任务每 5 分钟比对更新时间戳，补发遗漏数据；
缺点：有代码侵入，容易出现 MySQL 与 ES 数据不一致。

二、ES 索引文档结构设计（扁平化大文档，一次查询全带出）

不拆多个 ES 索引，一个 spu 对应一个 ES 文档，把所有关联数据平铺嵌入 JSON，避免 ES 多表 Join（ES 不擅长关联）。

索引名：goods_spu_index

json
{
  "spuId": 10001,
  "spuName": "iPhone 15",
  "brandId": 101,
  "brandName": "Apple",
  "categoryId": 302,
  "categoryName": "手机",
  "categoryPath": "数码>手机>苹果手机",
  "coverImg": "xxx.jpg",
  "marketPrice": 5999.00,
  "minSalePrice": 4999.00,
  "totalSales": 12000,
  "totalStock": 500,
  "status": 1,
  "createTime": "2026-01-01 10:00:00",
  // 1. 公共属性数组（用于参数筛选）
  "attrList": [
    {"attrName":"适配车型","attrValue":"享道E7"},
    {"attrName":"产地","attrValue":"中国"}
  ],
  // 2. 规格维度定义（页面渲染规格选择面板）
  "specKeyList": [
    {"specKeyId":1,"keyName":"内存","values":["128G","256G"]},
    {"specKeyId":2,"keyName":"颜色","values":["黑色","白色"]}
  ],
  // 3. 全部SKU平铺数组（价格、库存、规格组合）
  "skuList": [
    {
      "skuId": 20001,
      "price": 4999,
      "stock": 120,
      "specCombine": ["128G","黑色"],
      "specValueIds": "1,3",
      "skuImg": "black.jpg"
    },
    {
      "skuId": 20002,
      "price": 5499,
      "stock": 80,
      "specCombine": ["256G","黑色"],
      "specValueIds": "2,3",
      "skuImg": "black.jpg"
    }
  ],
  // 扁平化规格值集合，用于快速筛选过滤
  "allSpecValues": ["128G","256G","黑色","白色"],
  // 用于分词搜索的大文本字段
  "searchContent": "iPhone 15 Apple 苹果手机 128G 256G 黑色白色国行全网通"
}

字段类型关键配置

spuName、searchContent：text 类型，ik 分词器，支持模糊全文检索；
brandId、categoryId、status：keyword 精确匹配；
minSalePrice、marketPrice：double，区间范围筛选；
allSpecValues、specCombine：keyword，规格多选过滤；
attrList.attrName/attrValue：嵌套 nested 类型，用于参数精准筛选；
skuList：nested 嵌套结构，可过滤有库存、价格区间 SKU。

三、常见商城检索场景 ES DSL 实现

场景 1：关键词模糊搜索（首页搜索框）

输入：苹果手机黑色

json
{
  "query": {
    "multi_match": {
      "query": "苹果手机黑色",
      "fields": ["spuName^3","searchContent^1"]
    }
  },
  "sort": [{"_score":"desc"},{"totalSales":"desc"}]
}

场景 2：分类 + 品牌 + 价格区间基础筛选

分类 = 手机，品牌 = Apple，售价 4000~6000

json
{
  "query": {
    "bool": {
      "filter": [
        {"term":{"categoryId":302}},
        {"term":{"brandId":101}},
        {"range":{"minSalePrice":{"gte":4000,"lte":6000}}},
        {"term":{"status":1}}
      ]
    }
  }
}

场景 3：规格多选筛选（核心难点）

筛选：内存 = 256G + 颜色 = 黑色
利用allSpecValues多关键词同时命中文档：

json
{
  "query": {
    "bool": {
      "filter": [
        {"terms":{"allSpecValues":["256G","黑色"]}}
      ]
    }
  }
}

精准匹配 SKU 存在该组合：如需严格校验组合存在，改用 nested 查 skuList 内 specCombine。

场景 4：公共属性筛选

筛选：适配车型 = 享道 E7
attrList 是 nested 嵌套，必须嵌套查询：

json
{
  "query": {
    "nested": {
      "path": "attrList",
      "query": {
        "bool": {
          "filter": [
            {"term":{"attrList.attrName":"适配车型"}},
            {"term":{"attrList.attrValue":"享道E7"}}
          ]
        }
      }
    }
  }
}

场景 5：只展示有库存的商品

过滤 skuList 里任意 sku 库存 > 0：

json
{
  "query": {
    "nested": {
      "path": "skuList",
      "query": {"range":{"skuList.stock":{"gt":0}}}
    }
  }
}

四、同步更新逻辑（增 / 改 / 删）

新增 SPU
MySQL 插入 spu、sku、spec、attr → Canal 捕获 binlog → 组装完整大文档 → ES index 创建文档。
修改 SPU 基础信息（标题、图片、详情）
局部更新 ES 对应字段，使用_update部分更新，不用全量覆盖。
修改 SKU 价格 / 库存
只更新 ES 内 skuList 数组对应 sku 节点；库存高频变动场景：可 MQ 高频小粒度更新，不会重建整个文档。
新增 / 修改规格、属性
重新拉取该 SPU 全部关联数据，全量覆盖更新整条 ES 文档（单 SPU 数据量很小，性能无压力）。
商品下架删除
逻辑删除优先：status 置 0，ES 过滤直接屏蔽；物理删除执行 ES delete。