猿实战19——商品发布之商详数据准备

猿实战是一个原创系列文章,通过实战的方式,采用前后端分离的技术结合SpringMVC Spring Mybatis,手把手教你撸一个完整的电商系统,变身猿人找到工作不是问题。还等什么呢?关注公号,取基础代码,一起实战吧。

上一个章节,猿人君教会了你实现商品发布的类目选择,学习了一个新的组件,联级选择器,今天我们来继续学习商品发布的详情页面。

功能概览

d213a4e52648633488594cb0755ba7d5.jpeg

446583f068c0d8895e56a632934c083b.jpeg

4ae9d222c98a53d36d33ae2eae93c1d7.jpeg

42bc5c0cc7362013c0215b3f2dcc0c08.jpeg

b7ba6a87083e2efa17426b2bd7481c7b.jpeg

08acd0ae66de219ac4c896f27d3084e9.jpeg

0c5e2487980a066311fa3884bd9d74aa.jpeg

根据之前的设计文章,在商品发布详情页面中。商品的核心信息主要分为以上几大模块。

商品类目信息,商品基本信息,商品属性信息,商品品牌信息,商品描述信息,商品包装信息以及物流相关信息(运费模板选择)。

数据库设计

本章节主要涉及的是外部界面的信息整合,暂时还不涉及新的持久化数据。

后端功能实现

为了配合页面的功能,本章节涉及的后端功能,主要是为页面提供数据支撑,涉及的数据接口主要是以下几个方面。类目属性、品牌

以及运费模板。

  类目属性:

/**
     * 返回商品发布所需要的类目属性列表
     * @param queryMallCategoryProperty
     * @return
     */
    @RequestMapping("/findForReleaseProduct")
    public  Result<List<MallCategoryPropertyVo>> findForReleaseProduct(@RequestBody QueryMallCategoryProperty queryMallCategoryProperty){
        return mallCategoryPropertyService.findForReleaseProduct(queryMallCategoryProperty);
}
@Override
public Result<List<MallCategoryPropertyVo>> findForReleaseProduct(QueryMallCategoryProperty query) {
 
Result<List<MallCategoryPropertyVo>> result = new Result<List<MallCategoryPropertyVo>>();
List<MallCategoryProperty> propertyList=mallCategoryPropertyDao.selectMallCategoryPropertyByQuery(query);
 
QueryMallCategoryPropertyValue queryValue= new QueryMallCategoryPropertyValue();
queryValue.setCategoryIdList(query.getCategoryIdList());
 
List<MallCategoryPropertyValue> valueList=mallCategoryPropertyValueDao.selectMallCategoryPropertyValueByQuery(queryValue);
result.addDefaultModel(buildMallCategoryPropertyVoList(propertyList,valueList));
return result;
}
 
private List<MallCategoryPropertyVo> buildMallCategoryPropertyVoList(List<MallCategoryProperty> propertyList,List<MallCategoryPropertyValue> valueList){
List<MallCategoryPropertyVo> dataList = new ArrayList<MallCategoryPropertyVo>();
for(MallCategoryProperty property:propertyList){
 
MallCategoryPropertyVo propertyVo = new MallCategoryPropertyVo();
propertyVo.setId(property.getCategoryPropertyId());
propertyVo.setName(property.getPropertyName());
propertyVo.setPropertyType(property.getPropertyType());
for(MallCategoryPropertyValue value:valueList){
if(property.getCategoryPropertyId().longValue()==value.getCategoryPropertyId().longValue()){
MallCategoryPropertyValueVo valueVo= new MallCategoryPropertyValueVo();
valueVo.setId(value.getCategoryPropertyValueId());
valueVo.setName(value.getPropertyValueData());
propertyVo.getValueList().add(valueVo);
dataList.add(propertyVo);
}
 
}
 
}
return dataList;
}

注意噢,为了更好的支持页面的数据筛选功能,我们定义了一个专门用于展示的vo.

1e8bb825091b46a769a043e81ffabbad.jpeg

40035b92ff3166156bfd233563669a01.jpeg

品牌数据接口:

1123d0fbc478671afa4b2614c1f0ce32.jpeg

运费模板数据接口:

e35fa7400ff2b77cfaea7367a5aa10da.jpeg

前端功能实现

具体的前端代码,会在后续的章节中完全放出来,本章节主要讲解初始化页面的核心内容。

作为发布商品的功能初始化页面,自然需要一些数据准备的工作。之前猿人君一直有提及一个概念,作为一个系统而言,业务的搭建其实往往是有一条数据链路组成的。从最小的基础元素开始经过组织和调整,最终去驱动系统的核心流程。

那么作为商品而言,之前所做的一切工作,只是为了灵活的去描述商品本身的特性。商品会去聚合类目、品牌、属性、运费的数据,来完成自身特性的描述。

类目特征的数据获取,是通过用户选择的方式来获取的,在进入到商品发布详情页面之前,用户选择的类目信息,会通过参数的方式传递,而详情页面,需要接受这些参数。

0d19f3f0545e504a208c962dc795b952.jpeg

商品的属性特征,会聚合在类目属性上,需要在页面初始化的时候,进行数据准备。品牌、运费模板的信息,也需要提前加载出来供用户发布商品时使用。

63649e584b8f42aafba9b48aff781187.jpeg

需要注意的是,商品的属性可以大致分为两个类别——普通属性和销售属性,在获取数据之后,需要根据属性类型做区分,这一点,对后续的业务有较大影响。普通属性更多会体现在后续的数据检索上,而销售属性,会体现在sku层面上。

1848305a2e654d3615e7a0f1819bd66b.jpeg

品牌和运费模板数据获取。

c9c23b57538011c20c12f6e523f7feda.jpeg

还记得怎么使用封装好的API吗?是时候提醒你一下了。

cacdf5f21d5a13ae299f30ca1ec19fd2.jpeg

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
引用\[1\]:在过去的两个月里,Databricks公司举办了一场会议,将数据团队聚集在一起,共召开220多个会议,有无数机会与同行交流——超过50,000名数据科学家、数据工程师、分析师、业领袖和其他数据专业人士。 Spark + AI 峰会虚拟环境。 引用\[2\]:本书以数据智能为灵魂,以Spark 2.4.X版本为载体,以Spark+ AI业案例实战和生产环境下几乎所有类型的性能调优为核心,对企业生产环境下的Spark+AI业案例与性能调优抽丝剥茧地进行剖析。全书共分4篇,内核解密篇基于Spark源码,从一个实战案例入手,循序渐进地全面解析Spark 2.4.X版本的新特性及Spark内核源码;业案例篇选取Spark开发中最具代表性的经典学习案例,在案例中综合介绍Spark的大数据技术;性能调优篇覆盖Spark在生产环境下的所有调优技术; Spark+ AI内幕解密篇讲解深度学习动手实践,通过整合Spark、PyTorch以及TensorFlow揭秘Spark上的深度学习内幕。本书适合所有大数据和人工智能学习者及从业人员使用。对于有丰富大数据和AI应用经验的人员,本书也可以作为大数据和AI高手修炼的参考用书。同时,本书也特别适合作为高等院校的大数据和人工智能教材。 问题:spark数据分析实战——奥运会 回答: Spark是一个强大的大数据处理框架,可以用于数据分析和处理。在奥运会数据分析实战中,Spark可以帮助我们处理大规模的奥运会数据,进行数据清洗、转换和分析。通过使用Spark的分布式计算能力和优化技术,我们可以高效地处理大量的奥运会数据,并从中提取有价值的信息。同时,Spark还提供了丰富的数据处理和机器学习库,可以帮助我们进行数据挖掘和建模,以便更好地理解和预测奥运会的趋势和结果。通过结合Spark和AI技术,我们可以实现更深入的奥运会数据分析,并为奥运会的组织者、运动员和观众提供更好的决策支持和用户体验。 #### 引用[.reference_title] - *1* *2* [免费参加全球最大的Spark+AI峰会(Databricks 2020年6月22-26日)!免费访问峰会主题演讲及分组会议!](https://blog.csdn.net/duan_zhihua/article/details/106729096)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] - *3* [热烈祝贺王家林大咖大数据经典传奇著作《Spark大数据实战三部曲》 畅销书籍第二版 清华大学出版社发行...](https://blog.csdn.net/duan_zhihua/article/details/106294896)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insertT0,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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