商城项目20_sku在es中储存模型分析、索引建立、上架逻辑、核心上架、流程图

已于 2022-10-29 20:11:40 修改
阅读量1.6k 收藏 4
点赞数
分类专栏： 商城项目 - Mall Project 文章标签： elasticsearch 流程图 java
于 2022-10-29 20:01:51 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/TZ845195485/article/details/127590192
版权

文章目录

①. sku在es中存储模型分析

  • ①. 需求:上架的商品才可以在网站展示、上架的商品需要可以被检索

  • ②. 分析:商品上架在es中是存sku还是spu？

  1. 检索的时候输入名字,是需要按照sku的title进行全文检索的
  2. 检素使用商品规格,规格是spu的公共属性,每个spu是一样的
  3. 按照分类id进去的都是直接列出spu的,还可以切换
  4. 我们如果将sku的全量信息保存到es中(包括spu属性)就太多字段了
  • ③. 方案1:推荐使用
    缺点:如果每个sku都存储规格参数(如尺寸、cpu等),会有冗余存储,因为每个spu对应的sku的规格参数都一样
{
    skuId:1
    spuId:11
    skyTitile:华为xx
    price:999
    saleCount:99
    attr:[
        {尺寸:5},
        {CPU:高通945},
        {分辨率:全高清}
	]
  • ④. 方案2:假设我们有10000个sku,spu为4000个,再根据4000个spu查询对应的属性,封装了4000个id,8B*4000=32000B=32KB。如果有100万人同一时刻进行搜索,那么就有100万 * 32kb = 320G
    结论:如果将规格参数单独建立索引,会出现检索时出现大量数据传输的问题,会引起网络网络
sku索引
{
    spuId:1
    skuId:11
}
attr索引
{
    spuId:1
    attr:[
        {尺寸:5},
        {CPU:高通945},
        {分辨率:全高清}
	]
}
先找到4000个符合要求的spu,再根据4000个spu查询对应的属性,封装了4000个id,long 8B*4000=32000B=32KB
1K个人检索,就是32MB

结论:如果将规格参数单独建立索引,会出现检索时出现大量数据传输的问题,会引起网络网络

②. 建立product的索引信息

  • ①. { “type”: “keyword” }:保持数据精度问题,可以检索,但不分词

  • ②. “analyzer”: “ik_smart” :中文分词器

  • ③. “index”: false:不可被检索,不生成index

  • ④. “doc_values”: false:默认为true,不可被聚合,es就不会维护一些聚合的信息

PUT product
{
    "mappings":{
        "properties": {
            "skuId":{ "type": "long" },
            "spuId":{ "type": "keyword" },  # 不可分词
            "skuTitle": {
                "type": "text",
                "analyzer": "ik_smart"  # 中文分词器
            },
            "skuPrice": { "type": "keyword" },  # 保证精度问题
            "skuImg"  : { "type": "keyword" },  # 视频中有false
            "saleCount":{ "type":"long" },
            "hasStock": { "type": "boolean" },
            "hotScore": { "type": "long"  },
            "brandId":  { "type": "long" },
            "catalogId": { "type": "long"  },
            "brandName": {"type": "keyword"}, # 视频中有index=false
            "brandImg":{
                "type": "keyword",
                "index": false,  # 不可被检索,不生成index,只用做页面使用
                "doc_values": false # 不可被聚合,默认为true
            },
            "catalogName": {"type": "keyword" }, # 视频里有index=false
            "attrs": {
                "type": "nested",
                "properties": {
                    "attrId": {"type": "long"  },
                    "attrName": {
                        "type": "keyword",
                        "index": false,
                        "doc_values": false
                    },
                    "attrValue": {"type": "keyword" }
                }
            }
        }
    }
}

③. nested数据类型场景

1. 新建一个对象
PUT my-index-000001/_doc/1
{
  "group" : "fans",
  "user" : [ 
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}
2. 结果会在es中保存为如下的方式
{
  "group" :        "fans",
  "user.first" : [ "alice", "john" ],
  "user.last" :  [ "smith", "white" ]
}
3. 进行查询,发现两条记录都能查询出来
GET my-index-000001/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "user.first": "Alice" }},
        { "match": { "user.last":  "Smith" }}
      ]
    }
  }
}
4. 删除刚刚新建的索引
DELETE my-index-000001
5. 使用nested处理扁平化操作
PUT my-index-000001
{
  "mappings": {
    "properties": {
      "user": {
        "type": "nested" 
      }
    }
  }
}
6. 在这里进行重新插入数据
PUT my-index-000001/_doc/1
{
  "group" : "fans",
  "user" : [
    {
      "first" : "John",
      "last" :  "Smith"
    },
    {
      "first" : "Alice",
      "last" :  "White"
    }
  ]
}
7. 后续就会发现已经查询不记录了
GET my-index-000001/_search
{
  "query": {
    "bool": {
      "must": [
        { "match": { "user.first": "Alice" }},
        { "match": { "user.last":  "Smith" }}
      ]
    }
  }
}

在这里插入图片描述

④. 商品上架逻辑

  • ①. 在es中创建好对应的映射关系、在前端页面点击商品上架按钮
    在这里插入图片描述

  • ②. 创建好与es对应的SkuModel

@Data
public class SkuEsModel {
    private Long skuId;
    private Long spuId;//keyword
    private String skuTitle;
    private BigDecimal skuPrice;//keyword
    private String skuImg;//keyword
    private Long saleCount;
    private Boolean hasStock;
    private Long hotScore;
    private Long brandId;
    private Long catalogId;
    private String brandName;
    private String brandImg;
    private String catalogName;
    private List<Attrs> attrs;
    @Data
    public static class Attrs{
        private  Long attrId;
        private String attrName;//不被检索
        private String attrValue;
    }
}

  • ③. 通过前端传递的spuId将Spu的基本信息查询出来、查询的表是pms_spu_info表,这个表中和SkuModel表字段一样的有spuId、skuId、catelogId、brandId。其他的字段如:skuPrice、skuImg、brandImg、catalogName、hasStock、hotScore需要重新查询并设置到SkuModel中去
    在这里插入图片描述

  • ④. 发送远程调用、库存系统查询是否有库存
    在这里插入图片描述

  • ⑤. 热度评分(这里设置为0L),没有进行扩展了

esModel.setHotScore(0L);
  • ⑥. 获取到品牌id、获取到分类id
//TODO 3.获取到品牌id
Long brandId = sku.getBrandId();
BrandEntity brandEntity = brandService.getById(brandId);
if(brandEntity!=null){
    esModel.setBrandName(brandEntity.getName());
    esModel.setBrandImg(brandEntity.getLogo());
}
//TODO 4.获取到分类id
Long catalogId = sku.getCatalogId();
CategoryEntity categoryEntity = categoryService.getById(catalogId);
if(categoryEntity!=null){
    esModel.setCatalogName(categoryEntity.getName());
}
  • ⑦. 设置检索属性
//TODO 4. 查询当前sku的所有可以用来检索的规格参数
//4.1 根据spu_id查询出所有的ProductAttrValueEntity信息
List<ProductAttrValueEntity> baseAttrs = attrValueService.baseAttrlistforspu(spuId);
//4.2 从ProductAttrValueEntity中收集attr_id
List<Long> attrIds = baseAttrs.stream().map(item -> {
    return item.getAttrId();
}).collect(Collectors.toList());
//4.3 根据attr_id查询出所有的AttrEntity对象
List<AttrEntity> attrsData = attrService.listByIds(attrIds);
List<SkuEsModel.Attrs> attrsList = attrsData.stream().filter(item -> {
    return item.getSearchType() == 1;
}).map(item -> {
    SkuEsModel.Attrs attrs = new SkuEsModel.Attrs();
    ProductAttrValueEntity attr_id = attrValueService.getOne(new QueryWrapper<ProductAttrValueEntity>().eq("attr_id", item.getAttrId()));
    BeanUtils.copyProperties(attr_id, attrs);
    return attrs;
}).collect(Collectors.toList());

  • ⑧. 将数据发送给es进行保存
    在这里插入图片描述

  • ⑨. 修改当前spu的状态、设置为已发布

⑤. 上架商品服务核心代码

   /**
     * 商品上架
     * @param spuId
     */
    @Transactional
    @Override
    public void up(Long spuId) {
        //1、查出当前spuid对应的所有sku信息、品牌的名字
        List<SkuInfoEntity>skus=skuInfoService.getSkuBySpuId(spuId);
        //TODO 4. 查询当前sku的所有可以用来检索的规格参数
        //4.1 根据spu_id查询出所有的ProductAttrValueEntity信息
        List<ProductAttrValueEntity> baseAttrs = attrValueService.baseAttrlistforspu(spuId);
        //4.2 从ProductAttrValueEntity中收集attr_id
        List<Long> attrIds = baseAttrs.stream().map(item -> {
            return item.getAttrId();
        }).collect(Collectors.toList());
        //4.3 根据attr_id查询出所有的AttrEntity对象
        List<AttrEntity> attrsData = attrService.listByIds(attrIds);
        List<SkuEsModel.Attrs> attrsList = attrsData.stream().filter(item -> {
            return item.getSearchType() == 1;
        }).map(item -> {
            SkuEsModel.Attrs attrs = new SkuEsModel.Attrs();
            ProductAttrValueEntity attr_id = attrValueService.getOne(new QueryWrapper<ProductAttrValueEntity>().eq("attr_id", item.getAttrId()));
            BeanUtils.copyProperties(attr_id, attrs);
            return attrs;
        }).collect(Collectors.toList());

        // TODO 1. 发送远程调用、库存系统查询是否有库存
        Map<Long, Boolean> stockMap=null;
        try{
            List<Long> skuIdList = skus.stream().map(SkuInfoEntity::getSkuId).collect(Collectors.toList());
            R skuHasStock = wareFeignService.getSkuHasStock(skuIdList);

            TypeReference<List<SkuHasStockVo>> typeReference = new TypeReference<List<SkuHasStockVo>>() {
            };
            List<SkuHasStockVo> data = skuHasStock.getData(typeReference);
            stockMap = data.stream().collect(Collectors.toMap(SkuHasStockVo::getSkuId, item -> item.getHasStock()));
            System.out.println("------------"+data);
        }catch (Exception e){
            log.error("库存服务查询异常,原因{}",e);

        }

        Map<Long, Boolean> finalStockMap = stockMap;
        List<SkuEsModel> upProducts = skus.stream().map(sku -> {
            //组装需要的数据
            SkuEsModel esModel = new SkuEsModel();
            BeanUtils.copyProperties(sku,esModel);
            //skuPrice、skuImg、、brandImg、catalogName
            esModel.setSkuPrice(sku.getPrice());
            esModel.setSkuImg(sku.getSkuDefaultImg());
            //(hasStock、hotScore)
            // TODO 1. 发送远程调用、库存系统查询是否有库存
            if(finalStockMap ==null){
                esModel.setHasStock(true);
            }else{
                esModel.setHasStock(finalStockMap.get(sku.getSkuId()));
            }
            // TODO 2. 热度评分
            esModel.setHotScore(0L);
            //TODO 3.获取到品牌id
            Long brandId = sku.getBrandId();
            BrandEntity brandEntity = brandService.getById(brandId);
            if(brandEntity!=null){
                esModel.setBrandName(brandEntity.getName());
                esModel.setBrandImg(brandEntity.getLogo());
            }
            //TODO 4.获取到分类id
            Long catalogId = sku.getCatalogId();
            CategoryEntity categoryEntity = categoryService.getById(catalogId);
            if(categoryEntity!=null){
                esModel.setCatalogName(categoryEntity.getName());
            }
            //设置检索属性
            esModel.setAttrs(attrsList);
            return esModel;
        }).collect(Collectors.toList());

        //TODO 5.将数据发送给es进行保存
        try{
            R r = searchFeignService.productStatusUp(upProducts);
            if(r.getCode()==0){
                //远程调用成功
                //TODO 6. 修改当前spu的状态
                this.baseMapper.updateSpuStatus(spuId, ProductConstant.StatusEnum.SPU_UP.getCode());
            }else{
                //远程调用失败
                //TODO 7.接口幂等性?重试机制
                //Feign的调用流程
                /**
                 * 1、构造请求数据,将对象转成JSON
                 *    RequestTemplate template=buildTemplateFromArgs.create(argv);
                 * 2、发送请求进行执行(执行成功会解码响应数据)
                 * 3、执行请求有重试机制
                 *   while(true){
                 *       try{
                 *           executeAndDecode(template);
                 *       }catch(){
                 *          try{retryer.continueOrPropagate(e)}catch(){throws ex;}
                 *       }
                 *   }
                 */
            }
        }catch (Exception e){
            e.printStackTrace();
        }
    }

⑥. 上架库存服务核心代码

/**
 * 查询sku是否有库存
 * @param skuIds
 * @return
 */
@PostMapping("/hasstock")
public R  getSkusHasStock(@RequestBody List<Long> skuIds){
    //返回当前sku的id和当前sku的库存量是多少
    List<SkuHasStockVo> vos = wareSkuService.getSkuHasStock(skuIds); //查库存
    return R.ok().setData(vos);
}

@Override
public List<SkuHasStockVo> getSkuHasStock(List<Long> skuIds) {
    List<SkuHasStockVo> collect = skuIds.stream().map(skuId -> {
        SkuHasStockVo vo = new SkuHasStockVo();
        // 查询当前sku的总库存量
        Long count = baseMapper.getSkuStock(skuId);
        vo.setSkuId(skuId);
        vo.setHasStock(count==null?false:count>0); //有库存
        return vo;
    }).collect(Collectors.toList());
    return collect;
}

⑦. 上架检索服务核心代码

/**
 * 上架商品
 * @param skuEsModel
 * @return
 */
@PostMapping("/product")
public R productStatusUp(@RequestBody List<SkuEsModel> skuEsModel) {
    boolean b=false;
    try{
        b = productSaveService.productStatusUp(skuEsModel);
    }catch (Exception e){
        log.error("ElasticSearch商品上架错误,{}",e);
        return R.error(BizCodeEnum.PRODUCT_UP_EXCEPTION.getCode(), BizCodeEnum.PRODUCT_UP_EXCEPTION.getMsg());
    }
    if(!b){
        return R.ok();
    }else {
        return R.error(BizCodeEnum.PRODUCT_UP_EXCEPTION.getCode(), BizCodeEnum.PRODUCT_UP_EXCEPTION.getMsg());
    }
}

@Slf4j
@Service
@SuppressWarnings("all")
public class ProductSaveServiceImpl implements ProductSaveService {

    @Autowired
    private RestHighLevelClient restHighLevelClient;

    @Override
    public Boolean productStatusUp(List<SkuEsModel> skuEsModels) throws IOException {
        //数据保存到es中
        //1.给es中建立一个索引。product,建立映射关系(在es中提前创建)

        //2.给es中保存数据,
        // BulkRequest bulkRequest, RequestOptions options
        BulkRequest bulkRequest = new BulkRequest();
        //构造批量操作
        for (SkuEsModel model : skuEsModels) {
            //构造保存的请求
            IndexRequest indexRequest = new IndexRequest(EsConstant.PRODUCT_INDEX);
            indexRequest.id(model.getSkuId().toString());//当前商品的sku的id
            String s = JSON.toJSONString(model);
            indexRequest.source(s, XContentType.JSON);
            bulkRequest.add(indexRequest);
        }
        BulkResponse bulk = restHighLevelClient.bulk(bulkRequest, GulimallElasticSearchConfig.COMMON_OPTIONS);//批量保存数据到es

        //TODO 1.如果批量错误,就可以处理错误
        boolean b = bulk.hasFailures();//统计哪些商品上架失败
        List<String> collect = Arrays.stream(bulk.getItems()).map(item -> {
            //拿到每一个的处理结果,进行处理
            return item.getId();
        }).collect(Collectors.toList());
        log.info("商品上架完成:{},返回数据: {}",collect,bulk.toString());

        return b;
    }
}

⑧. 进行上架流程图(重要)

  • ①. 点击页面上架
    在这里插入图片描述

  • ②. 上架成功后可以看到数据保存到了es、并且pms_info_spu的状态变为了上架处理
    在这里插入图片描述
    在这里插入图片描述

  • ③. 商品上架流程图
    在这里插入图片描述

  • ④. 我们自己在es中的映射

PUT /gulimall_product
{
  "mappings": {
    "properties": {
      "attrs": {
        "type": "nested",
        "properties": {
          "attrId": {
            "type": "long"
          },
          "attrName": {
            "type": "keyword"
          },
          "attrValue": {
            "type": "keyword"
          }
        }
      },
      "brandId": {
        "type": "long"
      },
      "brandImg": {
        "type": "keyword"
      },
      "brandName": {
        "type": "keyword"
      },
      "catalogId": {
        "type": "long"
      },
      "catalogName": {
        "type": "keyword"
      },
      "hasStock": {
        "type": "boolean"
      },
      "hotScore": {
        "type": "long"
      },
      "saleCount": {
        "type": "long"
      },
      "skuId": {
        "type": "long"
      },
      "skuImg": {
        "type": "keyword"
      },
      "skuPrice": {
        "type": "keyword"
      },
      "skuTitle": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      "spuId": {
        "type": "keyword"
      }
    }
  }
}
全网最全-谷粒商城项目-面试总结-简历优化
成功最快的秘诀: 抱团取暖 。
09-20 29万+
该系用采用SpringCloud架构，利用SpringBoot构建应用，利用Nacos作为服务的注册、配置中心，利用OpenFeign实现与其他模块进行交互，利用Sentinel实现熔断降级和错误处理，利用Gateway作为服务网关，利用RabbitMQ实现延迟队列，利用Redis作为缓存解决读多写少的场景，利用MySQL进行持久化，利用MyBatisPlus作为持久化框架。
Mall4j商城实战 - 部署 elasticsearch、kibana 数据搜索
yueerba126的博客
11-15 377
Elasticsearch 的查询流程是一个精密的机制，旨在快速、准确地从大量数据中检索信息。
谷粒商城 商品上架 sku在es中的存储模型
l751475472的博客
06-18 1212
ES存储模型: PUT product { "mappings": { "properties": { "skuId": { "type": "long" }, "spuId": { "type": "keyword" }, "skuTitle": { "type": "text", "analyzer": "ik_smart" }, "skuPri
商品上架-sku在es中存储模型分析
daniu_weilai的博客
09-20 1563
为什么要使用es搜索引擎？ 请点击 es简介 sku在es中存储模型分析 在商品里搜索商品时， 1.可以通过三级分类作为检索条件 2.也可以通过sku_title来进行检索 3.也可以通过spu规则来进行检索，因为所有的sku是共享spu的规格的 4.也可通过销量，价格等等来作为检索条件 所以我们在保存到es中的映射中应该包含 skuId，sku_title，spuId，price，saleCount以及一些规格属性等等信息 第一种存储方式 文档的会稍微大一些，如果有100w个商品，每个文档冗余
es-将知识库中的数据转换为向量存储到es并进行相似性检索
最新发布
m0_74462339的博客
03-15 681
需要检查该文件的编码格式，用文本的方式打开该文件，如果不是utf-8，则另存为，并指定编码格式为utf-8，在改了编码格式后，再用excel打开，可能会变为乱码，不用管，只要保证编码为utf-8,且用文本打开能正常显示就行。然后运行脚本就可以了。（BM25 算法），但是它不适合语义匹配，比如如果用户输入的是“求解 x² - 5x + 6 = 0”，但我的文档是“二次方程求解方法”，ES 可能不会返回这个文档，因为它不包含完全匹配的关键词。而如果将数据作为向量存入ES(语义搜索)，则可以查找语义相似的内容。
php 一个电子商城的产品分类字段_你会对这个字段做索引嘛,order by多个字段对索引的影响...
weixin_31470259的博客
03-17 146
初步看改语句，非常简单，根据products_viewed(产品被查看次数)倒序排序，再根据products_name(产品名字)排序！在products_vie某前台sql语句，简化后如下SELECT products_name,products_viewed FROM `products_description`ORDER BY products_viewed DESC,products_na...
128、商城业务-商品上架-sku在es中存储模型分析
pyd1040201698的博客
08-23 441
【ES数据库】商品数据库搭建
Sherry_Yau的博客
05-15 963
下面以医疗器械商品为例，介绍商品数据库如何构建在商品信息模块中，需要明确SPU、SKU、商品类别、商品属性、商品属性模板这 几个名词的定义及其关联。商品信息分为SPU(标准化产品单元，Standard Product Unit)、SKU(最小存货单 位，Stock Keeping Unit)。SPU是用于描述属性值、特性相同的产品最小信息集合，具有可复用、易检索特性。SKU 是描述商品的最小存货单元，通过 SKU 可确定具体的货物存量。
java项目 畅购商场 数据同步解决方案-canal
JAVA开发者@邢先生
02-20 841
第6章 数据同步解决方案-canal 学习目标 能够完成数据监控微服务的开发 能够完成首页广告缓存更新的功能 能够完成商品上架索引库导入数据功能，能够画出流程图和说出实现思路 能够完成商品下架索引库删除数据功能，能够画出流程图和说出实现思路 canal 1.1 canal简介 canal可以用来监控数据库数据的变化，从而获得新增数据，或者修改的数据。 canal是应对阿里巴巴存在杭州和美国的双机房部署，存在跨机房同步的业务需求而提出的。 阿里系公司开始逐步的尝试基于数据库的日志解析，获取增量变更进行同步
畅购商城项目，面试问答，项目详解及全部代码
热门推荐
JAVA开发者@邢先生
03-12 1万+
商城项目 商城—微服务技术栈 1 商城介绍 1.1 项目介绍 此电商项目属于B2C模式的线上商城，支持用户在线浏览商品，在线搜索商品，并且可以将喜欢的商品加入购物车从而下单购买商品，同时支持线上支付，支付模式支持支付宝、微信、银联支付。用户还可以参与低价商品秒杀。 畅购商城采用了微服务架构，微服务技术采用了SpringCloud技术栈，各个微服务站点基于SpringBoot构建，并采用SpringCloud Gateway将各个微服务的功能串联起来，形成一套套系统，同时在微服务网关Gateway中采用过滤和
【雷丰阳-谷粒商城 】【分布式高级篇-微服务架构篇】【16】商品详情_商品上架_商品检索
Keep Reading Keep Writing Keep Thinking
12-21 228
【雷丰阳-谷粒商城 】【分布式高级篇-微服务架构篇】【12】【商品上架】
商城sku在es中存储模型
05-13
商城sku在es中存储模型.
第八章 全文检索【上】+商品添加ES + 商品热度排名
weixin_67093769的博客
10-04 1768
1、商品添加ES 2、商品的热度排名
第18天-商城业务（商品检索服务，基于Elastic Search完成商品检索）
zenggeweiss的博客
03-10 950
商品检索服务，基于Elastic Search完成商品检索
sku 多维属性状态判断算法
weixin_34348174的博客
12-30 445
原文：https://keelii.github.io/2016/12/22/sku-multi-dimensional-attributes-state-algorithm/ 问题描述 这个问题来源于选择商品属性的场景。比如我们买衣服、鞋子这类物件，一般都需要我们选择合适的颜色、尺码等属性 先了解一下 sku 的学术概念吧 最小库存管...
mysql商品多个属性设计_商品多规格多属性模型设计思路
weixin_42504230的博客
01-20 3913
区分货品(SPU)和商品(SKU)SPU = Standard Product Unit (标准化产品单元)：一件衬衣，它就是一个 SPU，此外它不具有库存、价格等因素，它仅仅是众多款衬衣抽象出来了一个货品。SKU=stock keeping unit(库存量单位)：对于服装来讲，它应该会有尺寸、颜色等规格，以及该规格下对应的属性，如：XL、L、红色、白色等等，不同属性组合所表示的就是一个 SKU...
SPU与SKU，决定商品系统的储存结构
liudada8265的博客
04-11 494
在商品分类体系的分享中，有一个比较重要的概念没有讲到，就是关于商品系统的SPU和SKU。这个概念直接决定了商品在系统中的储存结构，所以，今天特别来讲讲这个吧。我们先来看看这两个概念是怎么定义的：SPU（Standard Product Unit）：标准化产品单元，是商品信息聚合的最小单位。是一组可复用、易检索的标准化信息的集合，该集合描述了一个产品的特性。通俗点讲，属性值、特性相同的商品就可以称为...
Elasticsearch构建商品搜索系统
JavaEdge全是干货的技术号
05-10 2747
搜索这个特性可以说是无处不在，现在很少有网站或者系统不提供搜索功能了，所以，即使你不是一个专业做搜索的程序员，也难免会遇到一些搜索相关的需求。搜索这个东西，表面上看功能很简单，就是一个搜索框，输入关键字，然后搜出来想要的内容就好了。 搜索背后的实现，可以非常简单，简单到什么程度呢？我们就用一个SQL，LIKE一下就能实现；也可以很复杂，复杂到什么程度呢？不说百度谷歌这种专业做搜索的公司，其他非专业做搜索的互联网大厂，搜索团队大多是千人规模，这里面不仅有程序员，还有算法工程师、业务专家等等。二者的区别也仅仅是
商品SKU
寻找09之夏的博客
12-06 2415
商品SKU采用笛卡尔积算法计算组成。
根据cp_id和一组spu_id、third_sku_id对来更新t_sku表
10-15
在数据库操作中，如果你想根据特定的`cp_id`以及一组`spu_id`和`third_sku_id`组合来更新`t_sku`表的数据，你可以编写一条SQL更新语句。假设`t_sku`表有一个名为`update_column`的列需要根据这些条件进行更新，以下是基本的结构： ```sql UPDATE t_sku SET update_column = new_value WHERE cp_id = '目标CP_ID' AND spu_id IN (list_of_spu_ids) AND third_sku_id IN (list_of_third_sku_ids); ``` 在这个例子中，你需要替换： - `update_column`：你想要更新的具体字段名。 - `new_value`：新的值或表达式，将应用于满足条件的行。 - `'目标CP_ID'`：你想要更新的`cp_id`的具体值。 - `list_of_spu_ids` 和 `list_of_third_sku_ids`：包含所有对应`spu_id`和`third_sku_id`的列表。 执行这个命令之前，请确保你有正确的`cp_id`, `spu_id`, 和 `third_sku_id`组合，并且已经验证了这些组合在`t_sku`表中确实存在。如果涉及到批量更新，可以使用存储过程或者事务处理来避免并发问题。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

所得皆惊喜

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值