Elasticsearch 【套餐商品建模 + SPU 自动聚合逻辑】的详细设计方案

Elasticsearch套餐商品建模与SPU聚合方案

最新推荐文章于 2025-11-25 11:04:47 发布

原创最新推荐文章于 2025-11-25 11:04:47 发布 · 594 阅读

29 ·

CC 4.0 BY-SA版权

文章标签：

#elasticsearch #套餐商品建模 #SPU自动聚合逻辑 #方案 #学习

搜索引擎专栏收录该内容

55 篇文章

订阅专栏

在电商系统中，套餐商品（如“手机+耳机+保护壳”组合）和 SPU 自动聚合逻辑 是提升商品展示效率、优化搜索体验的关键能力。本文将为你提供一套完整的 Elasticsearch 套餐商品建模 + SPU 自动聚合逻辑 的详细设计方案，涵盖数据结构、索引设计、聚合规则、同步机制与搜索集成。

一、业务场景

1. 套餐商品（Bundle Product）

由多个独立商品（SKU）组合而成，打包销售。
示例：

“iPhone 15 Pro 套餐：手机 + AirPods + 保护壳，立减 500 元”

2. SPU 自动聚合

多个相似商品（如不同颜色/容量的 iPhone 15）应自动聚合成一个 SPU 展示。
避免搜索结果中重复出现同一商品的不同规格。

二、核心目标

目标	说明
✅ 统一展示	套餐和单品都能在搜索中合理呈现
✅ 智能聚合	相似商品自动合并为 SPU
✅ 灵活配置	支持手动指定聚合规则或排除
✅ 高性能搜索	聚合结果可被高效查询、排序、过滤
✅ 数据一致性	聚合结果与源 SKU 实时同步

三、数据建模设计

1. 商品类型分类

类型	说明	Elasticsearch 映射
单品 SKU	独立可售商品	`product_type: "sku"`
虚拟 SPU	聚合多个 SKU 的逻辑商品	`product_type: "spu"`
套餐 Bundle	多个商品组合销售	`product_type: "bundle"`

2. 统一商品索引设计（推荐单索引）

PUT /product-catalog-2024-10
{
  "settings": { ... },
  "mappings": {
    "dynamic": false,
    "properties": {
      "id": { "type": "keyword" },
      "title": { "type": "text", "analyzer": "ik_max_word" },
      "product_type": { 
        "type": "keyword", 
        "index": true 
      },

      // 基础信息
      "brand": { "type": "keyword" },
      "category_path": { "type": "keyword" },
      "tags": { "type": "keyword" },

      // 价格与库存
      "price": { "type": "scaled_float", "scaling_factor": 100 },
      "original_price": { "type": "scaled_float", "scaling_factor": 100 },
      "stock_status": { "type": "keyword" },

      // SPU 聚合字段
      "spu_id": { "type": "keyword" },           // 所属 SPU
      "is_master": { "type": "boolean" },        // 是否为主展示 SKU
      "spu_title": { "type": "text" },           // 聚合后标题

      // 套餐专用字段
      "bundle_items": {                          // 组成套餐的商品
        "type": "nested",
        "properties": {
          "sku_id": { "type": "keyword" },
          "title": { "type": "text" },
          "quantity": { "type": "integer" },
          "image": { "type": "keyword" }
        }
      },
      "bundle_savings": { "type": "scaled_float", "scaling_factor": 100 },  // 节省金额

      // 规格（用于聚合判断）
      "specifications": {
        "type": "nested",
        "properties": {
          "name": { "type": "keyword" },
          "value": { "type": "keyword" }
        }
      },

      // 销量与评分
      "sales_count": { "type": "long" },
      "rating": { "type": "float" }
    }
  }
}

四、SPU 自动聚合逻辑

1. 聚合策略（基于规则）

规则	说明
品牌 + 类目 + 核心属性匹配	如“Apple + 手机 + 型号=iPhone 15” → 聚合
标题语义相似度	使用 NLP 或向量模型判断标题相似性
排除特定属性	忽略“颜色”、“容量”等可变属性
手动配置白名单/黑名单	某些商品不参与聚合

2. 聚合字段选择（用于匹配）

[
  "brand",
  "category_path",
  "specifications.name:型号", 
  "specifications.name:系列"
]

示例：

iPhone 15 Pro 黑色 256GB
iPhone 15 Pro 白色 512GB
→ 共同点：brand=Apple, category=手机, 型号=iPhone 15 Pro → 属于同一 SPU

3. SPU ID 生成规则

spu_{brand}_{model}_{series}
→ spu_Apple_iPhone_15_Pro

或使用哈希：

spu_id = md5("Apple:iPhone 15 Pro")

4. 聚合流程（自动化）

5. SPU 汇总文档生成逻辑

当一组 SKU 被聚合为 SPU 时，生成一条 product_type: "spu" 的虚拟文档：

{
  "id": "spu_Apple_iPhone_15_Pro",
  "product_type": "spu",
  "spu_title": "Apple iPhone 15 Pro",
  "brand": "Apple",
  "category_path": "手机",
  "price_min": 799900,
  "price_max": 999900,
  "stock_status": "in_stock",
  "sales_count": 12500,  // 所有 SKU 销量之和
  "rating": 4.9,
  "image": "https://.../iphone15pro.jpg",  // 销量最高 SKU 的图片
  "spec_summary": "颜色: 白,黑,蓝; 容量: 256GB,512GB,1TB",
  "sku_count": 6
}

✅ 该文档用于搜索展示，不参与下单。

五、套餐商品建模

1. 套餐创建方式

方式	说明
手动创建	运营后台配置套餐商品
自动推荐	基于关联规则（如“常一起购买”）生成套餐建议
促销活动绑定	大促期间临时组合

2. 套餐文档示例

{
  "id": "bundle_1001",
  "product_type": "bundle",
  "title": "iPhone 15 Pro 超值套餐",
  "bundle_items": [
    {
      "sku_id": "sku_phone_001",
      "title": "iPhone 15 Pro 256GB",
      "quantity": 1,
      "image": "phone.jpg"
    },
    {
      "sku_id": "sku_airpods_001",
      "title": "AirPods 4",
      "quantity": 1,
      "image": "airpods.jpg"
    },
    {
      "sku_id": "sku_case_001",
      "title": "官方保护壳",
      "quantity": 1,
      "image": "case.jpg"
    }
  ],
  "price": 949900,           // 套餐价 ¥9499
  "original_price": 1049700, // 原价 ¥10497
  "bundle_savings": 99800,   // 立省 ¥998
  "stock_status": "in_stock",
  "tags": ["限时优惠", "套装专享"],
  "sales_count": 800
}

六、搜索集成设计

1. 搜索时混合返回：SPU + Bundle + 单品（可选）

GET /product-catalog/_search
{
  "query": {
    "multi_match": {
      "query": "iPhone 15",
      "fields": ["title^3", "spu_title", "bundle_items.title"]
    }
  },
  "post_filter": {
    "term": { "stock_status": "in_stock" }
  },
  "aggs": {
    "by_type": {
      "terms": { "field": "product_type" }
    }
  },
  "sort": [
    { "sales_count": "desc" }
  ]
}

2. 前端展示策略

类型	展示方式
`spu`	商品卡片，显示价格区间、规格摘要
`bundle`	特殊角标“套餐”，显示节省金额
`sku`	仅在详情页或筛选后展示

七、数据同步与更新机制

1. 触发条件

新增/更新 SKU
套餐创建/修改
商品下架/库存变更

2. 同步方式（事件驱动）

MySQL (SKU Table) 
    → Debezium/CDC 
    → Kafka 
    → Aggregation Service 
        → 更新 SPU 文档
        → 更新 Bundle 文档
        → Bulk 更新 ES

3. 更新策略

使用 bulk API 批量更新相关文档。
设置 refresh=wait_for 保证搜索实时可见。
支持手动触发“全量重建 SPU”。

八、性能优化建议

优化点	方案
减少 nested 查询	将常用规格冗余为 `color`, `capacity` 等独立字段
缓存聚合结果	Redis 缓存 SPU 映射关系（TTL=5min）
分页优化	使用 `search_after` 替代 `from+size`
字段裁剪	`_source` 过滤非必要字段

九、管理后台支持

1. 聚合规则配置

支持添加/删除聚合维度（如“型号”、“系列”）
支持排除某些 SKU 不参与聚合

2. 手动干预

强制将某 SKU 划入指定 SPU
拆分 SPU
置顶某个 SKU 作为主图

十、总结：完整架构图

+------------------+     +---------------------+
| MySQL (SKU/BUNDLE)| --> | Kafka (Change Event)|
+------------------+     +----------+----------+
                                    |
                                    v
                     +--------------------------+
                     | Aggregation Service      |
                     | - SPU 自动聚合           |
                     | - Bundle 文档生成        |
                     +------------+-------------+
                                  |
                                  v
                     +--------------------------+
                     | Elasticsearch Cluster    |
                     | Index: product-catalog-* |
                     | Documents:               |
                     |   - SKU (product_type=sku)|
                     |   - SPU (virtual)        |
                     |   - Bundle               |
                     +------------+-------------+
                                  |
                                  v
                     +--------------------------+
                     |   App / Search Frontend  |
                     |  混合展示 SPU + Bundle   |
                     +--------------------------+

十一、扩展建议

场景	建议方案
向量聚类	使用 `dense_vector` + kNN 聚类自动发现相似商品
动态套餐	用户选择商品后，实时推荐搭配套餐
SPU 版本管理	记录 SPU 聚合历史，支持回滚
AB 测试	对比“聚合 vs 不聚合”的转化率