学成在线：第六天（p94-p102）

m0_50538723

已于 2023-04-05 20:10:49 修改

阅读量321

点赞数

分类专栏：项目文章标签： lucene 搜索引擎 elasticsearch

于 2023-04-05 20:07:44 首次发布

本文链接：https://blog.csdn.net/m0_50538723/article/details/129970455

版权

项目专栏收录该内容

5 篇文章 0 订阅

订阅专栏

文章介绍了Freemarker作为模板引擎用于页面静态化的过程，以及Elasticsearch作为全文检索引擎的核心概念。同时，讨论了分布式环境下的本地事务与CAP理论，提出了BASE理论以适应最终一致性需求，并列举了分布式事务控制的常见技术，如消息队列和任务调度。

摘要由CSDN通过智能技术生成

1、面试：为什么要用 Freemarker 静态化?如何做的？

页面静态化是指使用模板引擎技术将一个动态网页生成 html 静态页面。
满足下边的条件可以考虑使用静态化：
1、该页面被访问频率高，比如：商品信息展示、专家介绍页面等。
2、页面上的数据变化频率低，比如：商品发布后对商品信息的修改频率低，专家介绍
信息修改频率低

静态化的技术很多，Freemarker 是一个成熟的开源的模板引擎工具，简单易用，功能强大
本项目使用 Freemarker 将课程信息静态化：
1）使用 Freemarker 的标签编写课程信息的模板
2）调用接口获取模板上需要的模型数据
3）调用 Freemarker 的 API 生成静态页面。
4）生成的静态页面最终会上传到文件系统方便访问。

2 、Elasticsearch是啥

Elasticsearch是一个开源的高扩展的分布式全文检索引擎，它可以近乎实时的存储、检索数据
Elasticsearch也使用Java开发并使用Lucene作为其核心来实现所有索引和搜索的功能，但是它隐藏了Lucene的复杂性，从而让全文搜索变得简单。
什么是Lucene？
Lucene就是一个jar包，里面包含了各种建立倒排索引的方法，java开发的时候只需要导入这个jar包就可以开发了
什么是全文检索？
全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。这个过程类似于通过字典中的检索字表查字的过程。
什么是倒排索引？
以前是根据ID查内容，倒排索引之后是根据内容查ID，然后再拿着ID去查询出来真正需要的东西
ES 和 Lucene的区别？
Lucene不是分布式的。ES的底层就是Lucene，ES是分布式的

3、本地事务和分布式事务

本地事务：
应用主要靠关系数据库来控制事务，而数据库通常和应用在同一个服务器，所以基于关系型数据库的事务又被称为本地事务。
简单地说，就是，通过服务自己的数据库来控制事务
分布式事务：
在分布式系统环境下，通过与不同的服务进行网络通信去完成事务称之为分布式事务。

【补充】
数据库事务：事务的控制是利用数据库本身的事务特性来实现的
关系型数据库：关系型数据库是一个结构化的数据库，创建在关系模型（二维表格模型）基础上，一般面向于记录。SQL 语句（标准数据查询语言）就是一种基于关系型数据库的语言，主流的关系型数据库包括 Oracle、MySQL、SQL Server等
非关系型数据库（NoSQL）：除了主流的关系型数据库外的数据库，都认为是非关系型。主流的 NoSQL 数据库有 Redis、MongBD等
关系型数据库与非关系型数据库的区别：（主要有三个方面）
①存储方式不同：关系型天然是表格式，存储在表格中；非关系型不存储在行和列中，而是大块的组合在一起，通常存储在数据集里，比如文档或图结构中
②扩展方式不同：关系型是纵向扩展，也就是提高处理能力，使用速度更快速的计算机；非关系型是横向扩展，可以通过给资源池添加更多普通的数据库服务器(节点)来分担负载。
③对事务的支持性：两者都支持事务，但是NoSQL的稳定性方面没法和关系型数据库比较，因此一般不用NoSQL

4、CAP理论

CAP 是 Consistency、Availability、Partition tolerance 三个词语的缩写，分别表示一致性、可用性、分区容忍性。

一致性：客户端经过网关访问用户服务的两个结点，户不管访问哪一个结点拿到的数据都是最新的。比如查询小明的信息，不能出现在数据没有改变的情况下两次查询结果不一样，如果对数据进行更新，查询到的结果得是更新后的数据
可用性是指任何时候查询用户信息都可以查询到结果，但不保证查询到最新的数据。
分区容忍性也叫分区容错性，由于网络通信异常导致请求中断、消息丢失，但服务依然对外提供服务。
但其中C和A不能同时满足，因为如果想要满足C（一致性），就要等到数据更新后，比如在用户服务节点1上更新了数据，此时服务节点2还是旧数据，需要等待节点2将数据同步过来后，才能保证不论取哪个结点的数据，都是最新的；而A是要随时取随时都能取到数据，也就是即使在节点2同步数据的过程中也是能取到数据的，两者相矛盾。

学习 CAP 理论该如何控制分布式事务呢？
学习了 CAP 理论我们知道进行分布式事务控制要在 C 和 A 中作出取舍，保证一致性就不要保证可用性，保证可用性就不要保证一致，首先你确认是要 CP 还是 AP，具体要根据应用场景进行判断。
CP 的场景：满足 C 舍弃 A，强调一致性。比如银行转账
AP 的场景：满足 A 舍弃 C，强调可用性。比如订单退款，今日退款成功，明日账户到账
在实际应用中符合 AP 的场景较多，其实虽然 AP 舍弃 C 一致性，实际上最终数据还是达到了一致，也就满足了最终一致性，所以业界定义了 BASE 理论

5、BASE理论

BASE 是 Basically Available(基本可用)、Soft state(软状态)和 Eventually consistent (最终一致性)三个短语的缩写。
基本可用：当系统无法满足全部可用时保证核心服务可用即可，比如一个外卖系统，每到中午 12 点左右系统并发量很高，此时要保证下单流程涉及的服务可用，其它服务暂时不可用
软状态：是指可以存在中间状态，比如：打印自己的社保统计情况，该操作不会立即出现结果，而是提示你打印中，请在 XXX 时间后查收
最终一致性：退款操作后没有及时到账，经过一定的时间后账户到账，舍弃强一致性，满足最终一致性。