搜索架构Elasticsearch在仿小红书社区APP中的应用实践

内容社区类产品发展到一定阶段后最容易被忽视的模块往往不是推荐流而是搜索。很多团队在项目初期内容量只有几千条时直接使用 MySQL LIKE 查询。看起来完全够用。但随着平台内容增长用户越来越多动态越来越多商品越来越多话题越来越多搜索性能会迅速下降。尤其是类似小红书的内容社区用户行为已经高度依赖搜索搜穿搭搜攻略搜商品搜用户搜关键词搜热门话题如果搜索体验不好内容分发效率会明显下降。宠友社区在整体架构中采用EasyES Elasticsearch构建完整社区搜索体系支持内容全文检索用户搜索商品搜索热门搜索搜索联想搜索历史满足内容社区高频检索需求。内容社区为什么越来越依赖搜索系统很多人认为推荐流才是社区核心。实际上推荐流解决的是“被动浏览”。搜索解决的是“主动获取”。尤其是内容社区进入成熟阶段后用户越来越倾向于主动寻找内容。例如搜某个博主搜某个关键词搜某类商品搜热门话题搜附近内容如果搜索能力不足用户会逐渐出现内容找不到、信息获取效率低、搜索延迟高等问题。因此现代社区平台的搜索系统已经属于基础设施。宠友社区整体技术架构宠友社区整体采用SpringBootRedisMyBatis-PlusMySQLElasticsearchWebSocket构建后端服务。前端采用UniAppVue2Uview-ui统一开发安卓APPiOS APPH5网页端微信小程序实现四端数据同步。这种模式对于企业研发团队而言最大的优势在于后期维护成本更低。尤其社区产品功能更新频繁。统一架构会明显降低接口维护难度测试成本多端兼容问题Elasticsearch 在社区系统中的作用传统 MySQL 搜索最大的问题是模糊查询性能。例如SELECT * FROM post WHERE content LIKE %露营%;当数据量达到几十万以后查询性能会迅速下降。因为LIKE 查询无法很好利用索引。而 Elasticsearch 更适合全文检索场景。宠友社区通过 EasyES 接入 Elasticsearch 后支持分词搜索模糊匹配权重排序联想推荐尤其适合内容社区。内容全文检索架构宠友社区支持图文动态搜索视频内容搜索话题搜索用户搜索系统会在内容发布后自动同步 Elasticsearch。例如PostDocument document new PostDocument(); document.setTitle(title); document.setContent(content); postEsMapper.insert(document);这样用户搜索时无需再查询 MySQL。而是直接走 Elasticsearch。这种方式最大的优势是搜索速度更快。尤其海量内容场景下性能优势会非常明显。热门搜索与搜索联想内容社区里搜索行为本身就是重要数据。宠友社区支持热门搜索搜索记录联想关键词实时推荐词例如用户输入“露营”系统会自动联想露营装备露营地点露营美食这种体验本质上属于搜索推荐。而联想词通常会缓存到 RedisredisTemplate.opsForList().leftPush( search:hot, keyword );这样能够减少数据库统计压力。推荐流与搜索协同机制很多团队会把推荐系统、搜索系统完全分开。但实际上成熟内容社区通常会让两者协同。宠友社区推荐流结合点赞量评论量浏览量搜索热度综合计算内容权重。例如double score likeCount * 0.4 commentCount * 0.3 searchHot * 0.2 publishWeight * 0.1;这样做的优势是热门搜索内容能够获得更多曝光。对于内容平台来说搜索数据本身也是推荐算法的重要依据。Redis 在搜索系统中的应用很多研发团队会误以为Elasticsearch 已经足够快。但实际上高频搜索场景依然需要 Redis。宠友社区中 Redis 主要用于热门关键词缓存搜索历史缓存联想词缓存搜索结果缓存例如String key search:result: keyword; redisTemplate.opsForValue().set( key, resultJson, 5, TimeUnit.MINUTES );这样能够避免相同关键词频繁查询 ES。尤其热门搜索词缓存效果会非常明显。用户关系搜索体系宠友社区支持用户搜索粉丝搜索关注搜索并结合用户行为标签实现兴趣推荐。例如用户长期浏览摄影露营宠物系统会优先推荐相关用户。这类能力本质属于搜索 推荐融合。话题聚合架构类似小红书的内容社区非常依赖话题体系。宠友社区支持热门话题推荐话题话题排行榜话题动态聚合例如#宠物日常#露营生活#减脂打卡系统会自动聚合该话题下所有内容。这里 Elasticsearch 的优势会非常明显。因为聚合查询性能远高于传统数据库。内容发布与搜索同步宠友社区支持图文发布短视频发布9图上传话题绑定地理位置绑定内容发布后系统会自动写入 MySQL同步 Elasticsearch更新 Redis 缓存形成完整数据链路。这种设计能够保证搜索内容实时更新。WebSocket 即时通知系统搜索之外社区互动同样重要。宠友社区采用WebSocket 自研IM。支持私聊消息通知点赞提醒评论提醒消息实时推送示例OnMessage public void onMessage(Session session,String msg){ sendMessage(msg); }相比HTTP轮询WebSocket 更适合实时互动场景。AI内容审核机制内容平台规模增长后审核压力会迅速上升。宠友社区接入AI文本审核图像鉴黄内容反恐敏感词识别实现自动审核。尤其搜索系统中违规内容可能被大量曝光。因此搜索结果同样需要审核过滤。BS附近内容搜索宠友社区支持附近动态附近用户同城内容底层采用Redis GEO实现附近检索。例如redisTemplate.opsForGeo().radius( user_geo, new Circle(lng, lat, new Distance(2, Metrics.KILOMETERS)) );相比数据库距离计算Redis GEO 更适合高频定位查询。多端统一搜索架构宠友社区采用UniApp RESTful API统一安卓iOS小程序H5搜索接口。对于研发团队而言统一接口能够减少多端重复开发搜索逻辑不一致兼容问题尤其社区产品后期搜索功能会不断扩展。统一架构维护成本会低很多。在市面上已有成熟的源码—宠友社区https://www.chongyou.info/1/product/xhs.html