应优先选用bleve——它轻量可嵌入、支持插件化分词（如gojieba）、需注意中文分词配置、索引关闭落盘及批量写入优化。
用 bleve 快速搭起可运行的全文搜索服务
Go 生态里没有内置全文搜索，但 bleve 是目前最成熟、文档最清晰、API 最贴近实际使用习惯的库。它不依赖外部服务（如 Elasticsearch），单二进制就能跑，适合中小规模数据或嵌入式场景。
安装直接：
go get github.com/blevesearch/bleve/v2注意版本号带
v2，v1 已归档且不兼容。
关键点在于：索引结构要和你要查的字段对齐，否则 Search 返回空结果但不报错——这是新手最常卡住的地方。
- 定义 struct 时，用
json:tag 显式声明哪些字段参与索引（bleve默认只索引jsontag 标记的字段） - 创建索引前必须调用
mapping.AddDocumentMapping，否则所有字段被当作文本处理，无法按数值或时间范围过滤 - 写入文档用
index.Index(id, obj)，id 不能为""，否则静默失败
搜索时为什么返回零结果？检查 Query 类型和字段名拼写
bleve 的 QueryStringQuery 看似方便，但默认走分词 + 模糊匹配，容易漏掉精确短语或大小写敏感内容；而 TermQuery 又要求完全匹配分词后的 token —— 所以搜 "user_id" 却查不到 user_id:123，大概率是字段名在 mapping 里没对上，或用了错误的 query 类型。
实操建议：
- 调试阶段先用
NewMatchQuery("keyword")查全文本字段，确认索引写入成功 - 查特定字段（比如
title）用NewQueryStringQuery("title:Go tutorial")，确保title在 mapping 中已声明为text类型 - 想精确匹配字段值（如状态码
status:200），字段 mapping 得设成"type": "keyword"，再用NewTermQuery("200")配合field参数指定字段 - 字段名区分大小写，
Title和title是两个字段
内存占用高、启动慢？关掉不需要的分析器
bleve 默认启用英文分词、词干提取、停用词过滤等全套分析链，对中文或纯 ID/URL 类数据完全是负担。一个 10 万条日志的索引，开全量分析可能吃掉 300MB 内存；关掉后压到 40MB 以内，且搜索延迟下降明显。
做法很简单，在构建 IndexMapping 时显式覆盖：
mapping := bleve.NewIndexMapping()
// 关闭默认分析器，用 keyword（不分词）替代
mapping.DefaultAnalyzer = "keyword"
// 或为特定字段单独设
titleField := bleve.NewTextFieldMapping()
titleField.Analyzer = "en" // 仅对 title 开英文分析
mapping.AddFieldMappingsAt("title", titleField)
注意："keyword" 是内置分析器名，不是字符串字面量；写成 "Keyword" 或 "KEYWORD" 会触发 panic。
如何支持中文搜索？别碰 gojieba 绑定
社区有 bleve-analysis-jieba 这类第三方插件，但它们依赖 CGO、编译麻烦、版本锁死、更新滞后。实际项目中更稳的路是：把中文分词逻辑前置——用现成工具（如 github.com/go-ego/gse）在写入前切好词，存成 []string 字段，mapping 设为 array + keyword 类型。
例如：
// 写入前分词
seg := gse.NewGse("")
words := seg.CutSearch("Go语言入门教程")
doc.Tags = words // []string{"Go", "语言", "入门", "教程"}
// mapping 中声明
tagsField := bleve.NewArrayFieldMapping()
tagsField.Analyzer = "keyword"
mapping.AddFieldMappingsAt("Tags", tagsField)
这样既避开 CGO，又保留精确控制权。唯一代价是你得自己维护分词逻辑升级，但比调试崩溃的 cgo 插件省心多了。
真正难的不是加搜索，而是决定哪些字段建索引、用什么分析器、怎么平衡查得准和写得快——这些没法靠库自动猜出来。
