Elasticsearch可解决TP5.1搜索响应慢、匹配不准、翻页卡顿问题：需验证ES服务与IK分词器，创建带ik_max_word和ik_smart分析器的products索引，实时同步商品数据，并通过multi_match加权查询实现高效前端搜索。
TP5.1 项目中搜索功能响应缓慢、关键词匹配不准、翻页卡顿，用户输入“Java面试题”后等3秒才出结果，后台 MySQL 的 LIKE 查询已压垮连接池——这不是代码写得差，而是技术选型卡在了数据库的检索天花板上。
确认 Elasticsearch 服务可用性
打开命令行，执行 curl -X GET "http://localhost:9200/?pretty"。看到返回包含 "version": {"number": "8.15.0"} 及 "status": 200，说明服务正常运行。
若提示 Connection refused，请先启动 Elasticsearch：进入其安装目录 → 执行 bin\elasticsearch.bat（Windows）或 ./bin/elasticsearch（Linux/macOS）。【服务未启动时所有后续操作均失败】
安装并验证 IK 中文分词器
方法一：直接下载预编译包（推荐）
前往 IK 官方 Release 页面，下载与你 ES 版本严格匹配的 zip 包（例如 ES 8.15.0 → 下载 elasticsearch-analysis-ik-8.15.0.zip）。
解压该 zip 包，将全部内容复制到 elasticsearch/plugins/ik/ 目录下（若无 ik 文件夹则手动创建）。
重启 Elasticsearch。再次执行 curl "http://localhost:9200/_cat/plugins?v"，输出中应出现 ik 行且版本号一致。
方法二：验证分词效果
执行 curl -X POST "http://localhost:9200/_analyze?pretty" -H "Content-Type: application/json" -d '{ "analyzer": "ik_max_word", "text": "Spring Boot整合Elasticsearch" }'。返回结果中 tokens 数组应包含 "spring"、"boot"、"整合"、"elasticsearch" 等合理切分项。若只返回原字符串或报错 "failed to find analyzer"，说明 IK 未加载成功。
在 TP5.1 中创建 ES 商品索引并配置 Mapping
第一步：引入官方 PHP 客户端
在 TP5.1 项目根目录执行：composer require elasticsearch/elasticsearch:^8.0。确保 PHP 版本 ≥ 8.0，否则会安装不兼容旧版客户端。
第二步：编写索引初始化逻辑
Elasticsearch 9.4.1 Linux 版本现已开放下载，这是官方最新发布的分布式搜索与分析引擎。Linux 版本全面支持 x86_64 与 aarch64 架构，提供 .tar.gz、.deb 及 .rpm 多种安装包格式，可灵活适配 Ubuntu、CentOS、Debian 等主流发行版。该版本延续了 9.4 系列的核心特性，包括原生 Prometheus 支持、正式版 Elast
在 application/common/service/SearchService.php 中添加方法：
public function initProductIndex() { $client = ClientBuilder::create()->setHosts(['127.0.0.1:9200'])->build(); $indexName = 'products'; $params = [ 'index' => $indexName, 'body' => [ 'settings' => [ 'number_of_shards' => 3, 'number_of_replicas' => 1 ], 'mappings' => [ 'properties' => [ 'title' => ['type' => 'text', 'analyzer' => 'ik_max_word', 'search_analyzer' => 'ik_smart'], 'content' => ['type' => 'text', 'analyzer' => 'ik_max_word'], 'price' => ['type' => 'float'], 'category_id' => ['type' => 'integer'], 'created_at' => ['type' => 'date', 'format' => 'strict_date_optional_time||epoch_millis'] ] ] ] ]; return $client->indices()->create($params); }
注意：这里 title 字段同时指定了 analyzer（建索引用）和 search_analyzer（查词用），【不设 search_analyzer 将导致搜索“笔记本电脑”却匹配不到“笔记本”】。
第三步：在控制器中调用初始化
访问 /index/search/init 路由触发该方法。控制台返回 {"acknowledged":true} 即表示索引创建成功。
同步商品数据到 Elasticsearch
不要用定时脚本全量刷库。在商品新增、编辑、下架的业务逻辑末尾，直接调用 ES 客户端写入或更新文档。
例如，在 application/admin/controller/Goods.php 的 save() 方法里追加：
$esData = [ 'title' => $goods['title'], 'content' => strip_tags($goods['description']), 'price' => (float)$goods['price'], 'category_id' => (int)$goods['category_id'], 'created_at' => date('c') ]; $client->index([ 'index' => 'products', 'id' => $goods['id'], 'body' => $esData ])
删除商品时，调用 $client->delete(['index'=>'products','id'=>$id])。这一步必须与 MySQL 操作放在同一事务内，或通过消息队列最终一致性保障，否则会出现 ES 有数据而数据库已删的脏状态。
实现 TP5.1 前端搜索接口
在 application/api/controller/Search.php 中定义 index() 方法：
public function index() { $keyword = input('get.q/s', ''); if (empty($keyword)) { return json(['data' => []]); } $client = ClientBuilder::create()->setHosts(['127.0.0.1:9200'])->build(); $params = [ 'index' => 'products', 'body' => [ 'query' => [ 'multi_match' => [ 'query' => $keyword, 'fields' => ['title^3', 'content^1'] ] ], 'highlight' => [ 'fields' => [ 'title' => new \stdClass(), 'content' => new \stdClass() ] ], '_source' => ['title', 'price', 'category_id'] ] ]; $response = $client->search($params); $result = []; foreach ($response['hits']['hits'] as $hit) { $item = $hit['_source']; $item['highlight'] = $hit['highlight'] ?? []; $result[] = $item; } return json(['data' => $result]); }
关键点：_source 明确指定只返回必要字段，避免传输冗余 JSON；multi_match 支持标题权重更高（^3），比单纯 match 更符合电商搜索直觉；highlight 字段让前端可加黄色背景高亮关键词。
