EcommerceAPI的Product服务深度解析：基于Elasticsearch的商品存储与全文搜索

EcommerceAPI的Product服务深度解析：基于Elasticsearch的商品存储与全文搜索

【免费下载链接】EcommerceAPIModular e-commerce backend with a GraphQL gateway and gRPC microservices for accounts, products, orders, payments, and recommendations.项目地址: https://gitcode.com/gh_mirrors/ecom/EcommerceAPI

EcommerceAPI 是一个模块化的电商微服务后端，它用 GraphQL 网关统一对外入口，背后则由账号、商品、订单、支付、推荐等多个 gRPC 微服务协同工作。其中，Product 服务（商品服务）是一个非常有意思的模块——它没有使用传统的 MySQL/PostgreSQL 存商品，而是直接把Elasticsearch当作商品存储数据库，并借助它强大的倒排索引实现了开箱即用的商品全文搜索。这篇文章将带你逐步拆解 Product 服务的设计思路、目录结构、CRUD 与搜索实现，以及它如何通过 Kafka 与推荐服务联动，非常适合想了解 Elasticsearch 微服务落地实践的开发者阅读。

EcommerceAPI 与 Product 服务在架构中的位置

从上图可以看出，EcommerceAPI 采用典型的微服务架构：

• GraphQL API Gateway：唯一对外入口，负责鉴权、聚合与转发；
• Product / Order / Account / Payment / Recommender：五个职责单一的后端微服务；
• Elasticsearch / PostgreSQL / Kafka：分别承担商品搜索、业务数据与事件流。

Product 服务处于「网关 → 商品客户端 → 商品服务 → Elasticsearch」这条链路的中间层。它对外提供 gRPC 接口，对内把商品文档写入 Elasticsearch 的catalog索引，同时把商品创建、更新、删除事件发送到 Kafka，供推荐服务消费。

Product 服务的目录结构与分层设计

先看 Product 服务的完整目录，代码分层非常清晰，很适合新手学习：

product/ ├── client/ # gRPC 客户端封装（供 GraphQL 网关调用） ├── cmd/product/ # 服务启动入口 ├── config/ # 环境变量配置 ├── internal/ # 核心业务：repository + service + server ├── models/ # 数据模型定义 ├── proto/ # protobuf 定义与生成代码 └── tests/ # 单元测试

对应的三个关键分层文件是：

• repository.go：数据访问层，直接与 Elasticsearch 交互；
• service.go：业务逻辑层，负责校验、事件发送；
• server.go：gRPC 传输层，负责协议转换。

为什么选择 Elasticsearch 作为商品存储数据库

电商平台的商品数据有一个显著特点：读多写少、查询条件多样、对搜索体验要求高。相比传统关系型数据库，Elasticsearch 有以下优势：

• 全文搜索：基于倒排索引，对名称、描述这类文本字段做模糊匹配非常快；
• 高吞吐读取：商品浏览、列表、搜索场景都能获得毫秒级响应；
• 天然的文档模型：一个商品就是一个 JSON 文档，结构简单直观；
• 无需额外维护搜索组件：存储即索引，写入即可被检索。

在 docker-compose.yaml 中可以看到，Product 服务的数据库就是elasticsearch-oss:6.2.4，环境变量DATABASE_URL: http://product_db:9200直接指向 Elasticsearch 的 HTTP 端口，说明它没有独立的关系型数据库，所有商品数据都以文档形式保存在 ES 中。

商品数据模型与 Elasticsearch 索引设计

商品模型定义在 models/product.go，分为两个结构：

• Product：对外返回的完整商品对象，包含ID、Name、Description、Price、AccountID；
• ProductDocument：写入 Elasticsearch 的文档结构（不含 ID，ID 由 ES 自动生成）。

写入时，仓库层会把商品索引到名为catalog的索引、类型为product，例如PutProduct的实现（见 repository.go）：

res, err := r.client.Index(). Index("catalog"). Type("product"). BodyJson(models.ProductDocument{...}). Do(ctx) p.ID = res.Id // ES 返回的文档 ID 就是商品 ID

这里有个非常优雅的设计：Elasticsearch 生成的文档 ID 直接作为商品 ID 使用，省去了主键生成与映射的麻烦。

商品 CRUD：写入、读取、更新与删除的完整实现

Product 服务的增删改查全部由elasticRepository完成，我们逐一来看：

写入商品（PutProduct）

将商品文档索引到catalog，成功后把 ES 返回的res.Id赋给商品对象，作为它的唯一标识。

按 ID 读取商品（GetProductById）

使用client.Get()按文档 ID 精确获取，并判断res.Found是否命中；未命中则返回ErrNotFound（见 repository.go）。

批量读取（ListProducts / ListProductsWithIDs）

• 列表场景：使用MatchAllQuery配合From/Size实现分页拉取；
• 购物车场景：使用MultiGet一次性按多个 ID 批量取回商品，避免循环请求。

更新与删除（UpdateProduct / DeleteProduct）

更新使用client.Update()整体覆盖文档字段；删除使用client.Delete()按 ID 移除。值得一提的是，更新和删除在 Service 层会先校验AccountID是否匹配，防止越权操作（见 service.go）。

商品全文搜索是如何实现的：MultiMatch 查询解析

全文搜索是 Product 服务的亮点，核心代码只有寥寥几行（见 repository.go）：

res, err := r.client.Search(). Index("catalog"). Type("product"). Query(elastic.NewMultiMatchQuery(query, "name", "description")). From(int(skip)). Size(int(take)). Do(ctx)

这里的要点是elastic.NewMultiMatchQuery(query, "name", "description")：

• 对商品名称和商品描述两个字段同时做多字段匹配；
• 用户输入任意关键词，ES 都会在两个字段中查找相关文档并按相关度打分排序；
• 命中结果自动按相关度（score）从高到低返回，这正是电商搜索「越相关越靠前」的体验基础。

整个搜索调用链是：GraphQL 网关 → gRPC →SearchProducts→ ESMultiMatch查询。

搜索分页机制：skip/take 与 GraphQL 分页封装

Product 服务的所有列表与搜索接口都支持skip/take分页参数：

• skip：跳过的记录数（对应 ES 的From）；
• take：返回的记录数（对应 ES 的Size）。

在 GraphQL 网关层，分页参数由 pagination.go 统一封装，前端通过pagination: { skip: 0, take: 10 }即可完成翻页。搜索请求在 query.go 中被识别：只要传入query参数，网关就调用GetProducts(ctx, skip, take, nil, q)走全文搜索分支。

事件驱动：商品变更如何通过 Kafka 驱动推荐服务

商品不止要被搜索到，还要驱动个性化推荐。Product 服务在业务层做了一件巧妙的事：在商品创建、更新、删除、被查看时，异步发送事件到 Kafka。

以创建商品为例（见 service.go），服务通过go func()异步调用kafka.SendMessageToRecommender，把product_created事件连同商品数据发往product_events主题；查看商品时则发送product_retrieved事件到interaction_events主题。

这些事件最终被 Python 编写的 Recommender 服务消费，用于构建「看了又看」「猜你喜欢」等推荐结果，再通过 GraphQL 的viewedProductsIds参数回传给前端。商品服务因此成了一个数据生产者，与推荐系统形成完整的闭环。

如何快速启动 Product 服务体验全文搜索

想本地跑起来？推荐使用 Docker Compose 一键启动（仓库地址：https://gitcode.com/gh_mirrors/ecom/EcommerceAPI）：

git clone https://gitcode.com/gh_mirrors/ecom/EcommerceAPI docker compose build base docker compose up -d --build

启动完成后：

1. 打开http://localhost:8080/playground（GraphQL Playground）；
2. 先用createProduct突变创建几个商品（如 "Camera"、"Wireless Mouse"）；
3. 再用带query参数的商品查询测试全文搜索，例如搜索 "camera" 即可看到相关商品按相关度返回。

💡 小提示：Product 服务通过DATABASE_URL环境变量连接 Elasticsearch，如果自行部署，只需把它指向任意 ES 地址（如http://localhost:9200）即可。

总结

EcommerceAPI 的 Product 服务是一个很值得借鉴的 Elasticsearch 微服务范例，它把「存储 + 搜索」合二为一，用一份代码同时解决了商品持久化与全文检索两个问题。通过本文，你应该已经掌握了：

• Product 服务的分层结构与模块职责；
• 商品如何以文档形式写入 Elasticsearch 的catalog索引；
• MultiMatch 多字段全文搜索与 skip/take 分页的实现方式；
• 商品事件如何经 Kafka 流转到推荐服务形成业务闭环。

如果你正在设计自己的电商搜索系统，不妨从 repository.go 和 service.go 这两个文件读起，相信会有不少收获！

【免费下载链接】EcommerceAPIModular e-commerce backend with a GraphQL gateway and gRPC microservices for accounts, products, orders, payments, and recommendations.项目地址: https://gitcode.com/gh_mirrors/ecom/EcommerceAPI