如何在Apache Lucene中生成与Elasticsearch一致的_id？

Elasticsearch自动生成_id的算法细节 #

Elasticsearch自动生成的文档_id核心逻辑是UUID v4 + URL安全的Base64编码（去除填充符号），具体步骤如下：

• 生成符合RFC 4122标准的UUID v4（随机UUID）；
• 将UUID的128位值转换为16字节的二进制数组；
• 使用URL安全的Base64编码（替换+为-、/为_）处理字节数组；
• 移除编码结果末尾的填充符号=，最终得到22个字符长度的_id字符串。

该算法的实现代码位于Elasticsearch的org.elasticsearch.common.UUIDs类中，核心方法为randomBase64UUID()，可直接查看Elasticsearch源码仓库中的对应类文件。

在Lucene中实现相同逻辑的步骤 #

如果不想依赖Elasticsearch类库，可直接在Lucene代码中手动实现该逻辑，示例如下：

1. 实现ES风格_id生成工具方法 #

import java.nio.ByteBuffer;
import java.util.UUID;
import java.util.Base64;

public class EsIdGenerator {
    public static String generateEsStyleId() {
        // 生成UUID v4
        UUID uuid = UUID.randomUUID();
        // 转换为字节数组
        byte[] uuidBytes = uuidToBytes(uuid);
        // URL安全Base64编码，去除填充
        return Base64.getUrlEncoder().withoutPadding().encodeToString(uuidBytes);
    }

    private static byte[] uuidToBytes(UUID uuid) {
        ByteBuffer buffer = ByteBuffer.wrap(new byte[16]);
        buffer.putLong(uuid.getMostSignificantBits());
        buffer.putLong(uuid.getLeastSignificantBits());
        return buffer.array();
    }
}

2. 在Lucene写入流程中使用生成器 #

向Lucene写入文档时，调用工具方法生成_id并作为字段存入索引：

// 创建文档实例
Document doc = new Document();
// 生成ES风格的_id
String esStyleId = EsIdGenerator.generateEsStyleId();
// 添加_id字段（按需设置是否存储）
doc.add(new StringField("_id", esStyleId, Field.Store.YES));
// 添加业务字段...
// 将文档写入索引
indexWriter.addDocument(doc);

若项目已引入Elasticsearch核心依赖，可直接调用org.elasticsearch.common.UUIDs.randomBase64UUID()生成_id，无需重复实现。

内容的提问来源于stack exchange，提问作者zabitstack