共计 1330 个字符，预计需要花费 4 分钟才能阅读完成。
其实要说很惭愧，虽然我是搜索出身人士，但是十二赞的搜索功能其实在目前是做得非常弱鸡的。不过还是介绍一下这个弱鸡的系统。
十二赞的搜索是基于 elasticsearch 的。因为业务量较小，所以，到目前为止，还没有用上 elasticsearch 强大可怕的集群功能。之所以觉得可以拿出来分享一下，是因为这个文案的投入是比较小的，效果尚可接受。
对于在小程序上开店的商家来说，一般商品数不多，很少于超过 200 的，所以在召加回率和精度上，我们只需要满足召回率就行了。即便搜索结果不够精准，因为商品少，用户一眼扫一下也能找到他想要的商品，搜索只是帮他从原有的上百个商品中把范围缩小到十分之一，就已经很有效了。
另外，也是因为团队小，我们的方案也特别注重精简，能不自己去写代码实现的，就不自己去写代码实现。
好了，上方案。
我们的商品数据是存在 MySQL 数据库中的，就用的阿里云的 RDS。我们运行了一个 go-mysql-elasticsearch, 这个程序启动时会运行一次 mysql_dump, 把数据导出进入 elasticsearch, 然后接下来就会作为 MySQL 的一个 slave, 不断地读取 MySQL 的 binlog，同步进 elastichsearch。跟我们其他的服务一样，我们把这个 elasticsearch 和 go-mysql-elasticsearch 也封装进了一个 docker 之中，只对外暴露 9200 端口来提供服务。
我们之前的 ppt 介绍过，十二赞的各种内部业务都已经微服务化，这个 elasticsearch 的服务，也不例外，它工作在 es-sec.z.12zan.net:3000 上，后端的实例可以有多个 es 的实例，通过 http 接口来请求 elastichsearch 的 http 接口时，网关 server 会自动定向到负载最低的 elasticsearch 实例来提供服务。
这个方案运行不久，我们就发现一个问题，当我们的 MySQL 数据库的商品表新增了字段时，所有的后续的数据更新都无法同步的 elasticsearch 中去了。因为 MySQL 表的字段比 elasticsearch 中的字段多了（字段减少啊变更什么的都会导致这个问题）。
谢天谢地，因为 Docker 化，我们可以轻而易举地解决这个问题。我们的方案，当 MySQL 的数据表 schema 变化时，老的 elasticsearch 实例不变，继续提供服务，但是有缺陷，因为新增的数据没有同步进来；同时，我们新启一个 Docker 实例，这个实例启动约 1 分钟之后就同步进来了所有的商品数据，这时是两个 elasticsearch 的实例都在 es-sec.z.12zan.net:3000 上对外提供 http 接口服务，其中一个的数据是老的，一个实例的数据是全的。这时候我们关掉老的 Docker 上的实例就好了，就实现了索引的切换。用户可能会感受到新商品没有马上在搜索结果里体现，感觉搜索里的商品更新有延迟，但是基本上发现这个延迟的概率很小。
其实，淘宝的搜索的索引切换也有这么一个过程，不过要复杂的多，每天夜里要生成一个全量的索引，切换掉前一天的索引；然后另外有一个实时的搜索引擎，数据全放在内存里，只同步当天的数据变更，对外提供服务的接口将两份数据合并。【原文链接】
