微服务技术栈SpringCloud+RabbitMQ+Docker+Redis+搜索+分布式（五）：分布式搜索 ES-中

最新推荐文章于 2024-05-02 21:04:24 发布
最新推荐文章于 2024-05-02 21:04:24 发布
阅读量1.2k 收藏 8
点赞数 7
分类专栏： 微服务 文章标签： 分布式 微服务 spring cloud
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/shendaiyan/article/details/136616190
版权

文章目录

一、DSL查询文档

在这里插入图片描述

1.1 简单查询

# 1. DSL查询
# 1.1 查询所有

GET /hotel/_search
{
  "query": {
    "match_all": {}
  }
}

# 1.2 全文检索查询：对用户输入的内容分词后查询，常用于搜索框查询
# 1）match查询 ：all字段是在创建hotel索引库时创建的，里面包括brand name busiess字段（copy to）
# 例子：查询hotel中brand、name、businiss中有"外滩"二字的文档
GET /hotel/_search
{
  "query": {
    "match": {
      "all": "外滩"
    }
  }
}
# 2）muiti_match查询：效果和上面一样
# 例子：查询hotel中brand、name、businiss中有"外滩如家"四字的文档
GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "外滩如家",
      "fields": ["brand","name","business"]
    }
  }
}
# 3）match与multi_match的区别在于：match是单字段查询；而multi_match是多字段查询，字段越多性能越差；建议用copy to将多个字段拷到一个字段用match查询


# 1.3 精确查询：一般查找类型为keyword、boolean、数值、日期等字段，不分词
# 1）term：根据词条的精确值查询
# 例子：查询hotel中city="上海"的文档
GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}
# 2）range：根据值的范围查询
# 例子：查询price在(1000,2000]的文档
GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gt": 1108,
        "lte": 2000
      }
    }
  }
}

# 1.4 经纬度查询
# 1）geo_bounding_box：查询geo_point值落在某个矩形范围的所有文档
# 例子：查询hotel中location两个经纬度点矩形范围内内的文档
GET /hotel/_search
{
  "query": {
    "geo_bounding_box": {
      "location": {
        "top_left": {
          "lat": 31.1,
          "lon": 121.5
        },
        "bottom_right": {
          "lat": 30.9,
          "lon": 121.7
        }
      }
    }
  }
}

# 2）geo_distance：查询到指定中心点小于某个距离值的所有文档
# 例子：查询(31.21,121.5)范围内5km的的文档
GET /hotel/_search
{
  "query": {
    "geo_distance": {
      "distance": "5km",
      "location": "31.21, 121.5"
    }
  }
}

1.2 复合查询

在这里插入图片描述
在这里插入图片描述

# 1.5 复合查询
# 1）function socre：算分函数查询，可以控制文档相关性算分，控制文档的排名
# 例：在all为"外滩"的查询中将"如家"这个品牌的酒店排名靠前一些
GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "all": "外滩"
        }
      },
      "functions": [
        {
          "filter": {
            "term": {
              "brand": "如家"
            }
          },
          "weight": 10
        }
      ],
      "boost_mode": "sum"
    }
  }
}

# 2）布尔查询：组合多个子查询
# must:必须匹配每个子查询，相当于“与”
# should:选择性匹配子查询，相当于“或”
# must_not:必须不匹配【不参与算分】，相当于“非”
# filter:必须匹配【不参与算法】

# 例：查询name包含"如家"，价格不高于400，坐标(31.21,121.5)范围内10km的hotel
# 下面代码中，如果将price和location放入must中会参与算分，为了节省性能，一般放在must_not或者filter中
GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {
          "match": {
            "name": "如家"
          }
        }
      ],
      "must_not": [
        {
          "range": {
            "price": {
              "gt": 400
            }
          }
        }
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "10km",
            "location": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ]
    }
  }
}

二、搜索结果处理

深度分页问题
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

# 2. 搜索结果处理
# 2.1 排序：es默认根据算分排序。可以用来排序的字段有：keyword、数值、坐标、日期
# 例1：对hotel数据按用户评价score降序，相同评价按价格price升序
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": "desc"
    },
    {
      "price": "asc"
    }
  ]
}

# 例2：对hotel数据按你的坐标位置(115.450059,38.866053)距离升序排序
# 获取经纬度的方式：https://lbs.amap.com/demo/jsapi-v2/example/map/click-to-get-lnglat/
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 38.866053,
          "lon": 115.45005
        },
        "order": "asc",
        "unit": "km"
      }
    }
  ]
}



# 2.2 分页：es默认返回top10的数据，想要查询更多需要设置
# from表示分页开始位置，默认为0；size表示期望获取文档数

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "from": 5,
  "size": 1,
  "sort": [
    {
      "price": "asc"
    }
  ]
}

# 2.3 高亮：将搜索结果的搜索关键字突出显示
# 原理：将搜索结果的关键字用标签标记出来，在页面中给标签添加css样式
# 注意：默认情况下ES搜索字段必须与高亮字段保持一致，而下面搜索字段为all，高亮字段为name，虽然all包括name，但是需要设置require_field_match=false
GET /hotel/_search
{
  "query": {
    "match": {
      "all": "如家"
    }
  },
  "highlight": {
    "fields": {
      "name": {
        "require_field_match": "false", 
        "pre_tags": "<em>",
        "post_tags": "</em>"
      }
    }
  }
}

在这里插入图片描述

三、RestClient演示 查询与结果分析

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

@SpringBootTest
class HotelSearchTest {

    private RestHighLevelClient client;

    @BeforeEach
    void setUp() {
        client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.1.101:9200")
        ));
    }

    @AfterEach
    void tearDown() throws IOException {
        client.close();
    }

    /**
     * 解析json文档
     */
    private void handleResponse(SearchResponse response) {
        SearchHits searchHits = response.getHits();
        // 4.1.总条数
        long total = searchHits.getTotalHits().value;
        System.out.println("总条数：" + total);
        // 4.2.获取文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        for (SearchHit hit : hits) {
            // 4.4.获取source
            String json = hit.getSourceAsString();
            // 4.5.反序列化，非高亮的
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            // 4.6.处理高亮结果
            // 1)获取高亮map
            Map<String, HighlightField> map = hit.getHighlightFields();
            // 2）根据字段名，获取高亮结果
            HighlightField highlightField = map.get("name");
            // 3）获取高亮结果字符串数组中的第1个元素
            String hName = highlightField.getFragments()[0].toString();
            // 4）把高亮结果放到HotelDoc中
            hotelDoc.setName(hName);
            // 4.7.打印
            System.out.println(hotelDoc);
            System.out.println(json);
        }
    }

    /**
     * 查询所有文档
     */
    @Test
    void testMatchAll() throws IOException {
        // 1.准备request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备请求参数
        request.source().query(QueryBuilders.matchAllQuery());
        // 3.发送请求，得到响应
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.结果解析
        handleResponse(response);
    }

    /**
     * 全文检索查询：match、multi_match
     */
    @Test
    void testMatch() throws IOException {
        // 1.准备request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备请求参数
        //request.source().query(QueryBuilders.matchQuery("all", "外滩如家"));
        request.source().query(QueryBuilders.multiMatchQuery("外滩如家", "name", "brand", "city"));
        // 3.发送请求，得到响应
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.结果解析
        handleResponse(response);
    }

    /**
     * 1.精确查询：term、range
     * 2.boolean组合查询
     * 查询city为杭州，price>=250的文档
     */
    @Test
    void testBool() throws IOException {
        // 1.准备request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备请求参数
       /*
         BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();
        // 2.1.must
        boolQuery.must(QueryBuilders.termQuery("city", "上海"));
        // 2.2.filter
        boolQuery.filter(QueryBuilders.rangeQuery("price").lte(250));
        request.source().query(boolQuery);
        */

        request.source().query(
                QueryBuilders.boolQuery()
                        .must(QueryBuilders.termQuery("city", "上海"))
                        .filter(QueryBuilders.rangeQuery("price").lte(250))
        );
        // 3.发送请求，得到响应
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.结果解析
        handleResponse(response);
    }


    /**
     * 排序和分页
     */
    @Test
    void testSortAndPage() throws IOException {
        int page = 2,size = 5;

        // 1.准备request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备请求参数
        // 2.1.query
        request.source()
                .query(QueryBuilders.matchAllQuery());
        // 2.2.排序sort
        request.source().sort("price", SortOrder.ASC);
        // 2.3.分页 from\size
        request.source().from((page - 1) * size).size(size);

        // 3.发送请求，得到响应
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.结果解析
        handleResponse(response);
    }

    /**
     * 结果高亮
     */
    @Test
    void testHighlight() throws IOException {
        // 1.准备request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备请求参数
        // 2.1.query
        request.source().query(QueryBuilders.matchQuery("all", "外滩如家"));
        // 2.2.高亮
        request.source().highlighter(
                new HighlightBuilder()
                        .field("name")
                        .requireFieldMatch(false));
        // 3.发送请求，得到响应
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.结果解析
        handleResponse(response);
    }
}

四、案例

4.1 问题解析

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

4.2 代码

在这里插入图片描述

4.2.1 实体bean

PageResult.java 响应结果类：由搜索框得到的查询结果类

/**
 * 响应结果类：由搜索框得到的查询结果类
 */
@Data
public class PageResult {
    private Long total; // 总条数
    private List<HotelDoc> hotels; // 酒店信息

    public PageResult() {
    }

    public PageResult(Long total, List<HotelDoc> hotels) {
        this.total = total;
        this.hotels = hotels;
    }
}

RequestParams.java 请求参数类：搜索框中有哪些参数

/**
 * 请求参数类：搜索框中有哪些参数
 */
@Data
public class RequestParams {
    private String key;  // 搜索关键字
    private Integer page;// 当前页码
    private Integer size;// 每页大小
    private String sortBy;// 排序字段
    private String brand;// 品牌
    private String city;// 城市
    private String starName;// 星级
    private Integer minPrice;// 最低价格
    private Integer maxPrice;// 最高价格
    private String location;// 位置
}

4.2.2 控制层

@RestController
@RequestMapping("hotel")
public class HotelController {

    @Autowired
    private IHotelService hotelService;

    @PostMapping("list")
    public PageResult search(@RequestBody RequestParams params) {
        return hotelService.search(params);
    }
}

4.2.3 业务service

public interface IHotelService extends IService<Hotel> {
    PageResult search(RequestParams params);
}

@Slf4j
@Service
public class HotelService extends ServiceImpl<HotelMapper, Hotel> implements IHotelService {

    @Autowired
    private RestHighLevelClient restHighLevelClient;

    @Override
    public PageResult search(RequestParams params) {
        try {
            // 1.准备Request
            SearchRequest request = new SearchRequest("hotel");

            // 2.准备请求参数

            // 2.1.多条件查询和过滤
            buildBasicQuery(params, request);

            // 2.2.分页
            int page = params.getPage();
            int size = params.getSize();
            request.source().from((page - 1) * size).size(size);

            /**
             * 2.3.距离排序
             */
            String location = params.getLocation();
            if (StringUtils.isNotBlank(location)) {// 不为空则查询
                request.source().sort(SortBuilders
                        .geoDistanceSort("location", new GeoPoint(location))
                        .order(SortOrder.ASC)
                        .unit(DistanceUnit.KILOMETERS)
                );
            }

            // 3.发送请求
            SearchResponse response = restHighLevelClient.search(request, RequestOptions.DEFAULT);

            // 4.解析响应
            return handleResponse(response);
        } catch (IOException e) {
            throw new RuntimeException("搜索数据失败", e);
        }
    }

    private void buildBasicQuery(RequestParams params, SearchRequest request) {
        // 1.准备Boolean复合查询
        BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();

        /**
         * 1.查询关键字
         * must参与 算分
         */
        // 1.1.关键字搜索，match查询，放到must中
        String key = params.getKey();
        if (StringUtils.isNotBlank(key)) {
            // 不为空，根据关键字查询
            boolQuery.must(QueryBuilders.matchQuery("all", key));
        } else {
            // 为空，查询所有
            boolQuery.must(QueryBuilders.matchAllQuery());
        }
        /**
         * 2.条件过滤：多条件复合查询
         * 根据 “品牌 城市 星级 价格范围” 过滤数据
         * filter不参与 算分
         */

        // 1.2.品牌
        String brand = params.getBrand();
        if (StringUtils.isNotBlank(brand)) { // 不为空则查询
            boolQuery.filter(QueryBuilders.termQuery("brand", brand));
        }
        // 1.3.城市
        String city = params.getCity();
        if (StringUtils.isNotBlank(city)) {// 不为空则查询
            boolQuery.filter(QueryBuilders.termQuery("city", city));
        }
        // 1.4.星级
        String starName = params.getStarName();
        if (StringUtils.isNotBlank(starName)) {// 不为空则查询
            boolQuery.filter(QueryBuilders.termQuery("starName", starName));
        }
        // 1.5.价格范围
        Integer minPrice = params.getMinPrice();
        Integer maxPrice = params.getMaxPrice();
        if (minPrice != null && maxPrice != null) {// 不为空则查询
            maxPrice = maxPrice == 0 ? Integer.MAX_VALUE : maxPrice;
            boolQuery.filter(QueryBuilders.rangeQuery("price").gte(minPrice).lte(maxPrice));
        }

        /**
         * 3.算分函数查询
         * 置顶功能：给你置顶的酒店添加一个标记，并按其算分
         */
        FunctionScoreQueryBuilder functionScoreQuery = QueryBuilders.functionScoreQuery(
                boolQuery, // 原始查询，boolQuery
                new FunctionScoreQueryBuilder.FilterFunctionBuilder[]{ // function数组
                        new FunctionScoreQueryBuilder.FilterFunctionBuilder(
                                QueryBuilders.termQuery("isAD", true), // 过滤条件
                                ScoreFunctionBuilders.weightFactorFunction(10) // 算分函数
                        )
                }
        );

        /**
         * 4.设置查询条件
          */
        request.source().query(functionScoreQuery);
    }

    private PageResult handleResponse(SearchResponse response) {
        SearchHits searchHits = response.getHits();
        // 4.1.总条数
        long total = searchHits.getTotalHits().value;
        // 4.2.获取文档数组
        SearchHit[] hits = searchHits.getHits();
        // 4.3.遍历
        List<HotelDoc> hotels = new ArrayList<>(hits.length);
        for (SearchHit hit : hits) {
            // 4.4.获取source
            String json = hit.getSourceAsString();
            // 4.5.反序列化，非高亮的
            HotelDoc hotelDoc = JSON.parseObject(json, HotelDoc.class);
            // 4.6.处理高亮结果
            // 1)获取高亮map
            Map<String, HighlightField> map = hit.getHighlightFields();
            if (map != null && !map.isEmpty()) {
                // 2）根据字段名，获取高亮结果
                HighlightField highlightField = map.get("name");
                if (highlightField != null) {
                    // 3）获取高亮结果字符串数组中的第1个元素
                    String hName = highlightField.getFragments()[0].toString();
                    // 4）把高亮结果放到HotelDoc中
                    hotelDoc.setName(hName);
                }
            }
            // 4.8.排序信息
            Object[] sortValues = hit.getSortValues(); // 获取排序结果
            if (sortValues.length > 0) {
                /**
                 * 由于该程序是根据距离[酒店距你选择位置的距离]进行排序，所以排序结果为距离
                 */
                hotelDoc.setDistance(sortValues[0]);
            }

            // 4.9.放入集合
            hotels.add(hotelDoc);
        }
        return new PageResult(total, hotels);
    }
}

4.2.4 启动类

@MapperScan("cn.itcast.hotel.mapper")
@SpringBootApplication
public class HotelDemoApplication {

    public static void main(String[] args) {
        SpringApplication.run(HotelDemoApplication.class, args);
    }

    @Bean
    public RestHighLevelClient restHighLevelClient(){
        return new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.1.101:9200")
        ));   // 服务器IP+端口9200
    }
}
一万年可长否
关注
  • 7
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
SpringCloud精品屋微服务治理版
04-07
基于精品屋构建的Spring Cloud 微服务技术栈学习型项目，致力于原创文学阅读与写作，提供了爬虫工具用于开发过程中测试数据的采集。采用了时下最新的Spring Boot2 、Spring Cloud Hoxton.SR4、 MyBatis3DynamicSql、Sharding-Jdbc、Redis、RabbitMq、ElasticSearch、Docker等流行技术，集成了Nacos注册中心/配置中心、Spring Cloud Gateway网关、Spring Boot Admin监控中心、ELK分布式日志分析等基础服务。前端使用Vue开发。 1、下载源码，如果是ZIP包，下载后需要解压。 2、开发环境配置 3、登陆nacos配置中心导入下载源码中的配置文件。 4、使用IDE导入下载的源码 5、修改通用配置中的配置中心地址和命名空间ID 6、启动微服务网关 7、启动监控服务。 8、启动业务微服务，这里以文章微服务为例。 9、通过网关统一接口访问路径。 10、访问用户中心/作家中心等需要认证的接口。
基于Vue+SpringCloud博客的设计与实现 有论文
10-02
基于Vue+SpringCloud博客的设计与实现---微服务基础版本组件1.0版本 博客采用Vue+SpringCloud前后分离的方式。博客采用了高可用Eureka（可以替换成其他微服务组件）以及高可用Zuul，使用以Es搜索引擎作为Zpkin的存储方式去跟踪定位博客的微服务的Api指标，微服务之间负载均衡使用Feign接口，整个项目均写了回退不会发生级联效应。 项目的亮点 所有互联网常用的代表中间件均涉及使用，基本是一个完整的全栈项目，整个博客用的是微服务架构设计与分布式部署方式，整体代码均有注释，并且扩展方便，最终部署的方式需要采用Docker方式。 博客的功能介绍 用户的个人中心：用户的登录与注册的Token验证，前后拦截器拦截Token。拼图，阿里云智能验证，动态加载JS，控制Token也可以在Zuul路由上操作。 用户安全中心：SMTP邮箱注册邮箱，阿里云短信API注册手机以及其他个人安全信息和调用安全认证服务的接口，安全完成度最全。 用户文件头像上传中心：博客所用到的所有的图片和用户的图片均用阿里云OSS文件服务器，外网url，也可以采用本地机器存储。 用户签到中心：持续签到和累计签到奖励机制，以及会员导致经验值增益不同的机制，博客每日任务，排名特权，基本按照贴吧写的。 用户会员中心：SVIP与VIP，定时任务/RabbitMQ延迟队列/登录验证三种判定会员截止时间到期用邮箱去提醒 用户支付中心：我的钱包和支付宝支付以及打印我的账单，内网穿透获得异步通知作为结果判定标志，原始支付的普通会员，二维码支付的超级会员，账单分页，Csv定制，消费图，优惠券，基于RabbitMQ/Redis两种实现的延迟队列 用户博客中心：发布，更新，删除，评论，点赞，收藏，转发，排行榜已经完成。博客中心是博客的核心，分页和轮滑加载均实现，用Redisson来实现分布式锁控制文章 搜索引擎中心：文章提示信息的增删改查，分页，高亮模糊排序查询 用户的消息中心：websocket聊天与用户的所有个人消息 用户的个人空间：这个会涉及到个人博客空间与博客好友，博客云会控制上传和下载文件，会员会有速度特权，类似百度云，后续会完成上传。
Java课设基于Spring Boot和Spring Cloud开发的加密货币爱好者流量的平台源码(含项目说明+数据库).zip
02-05
1.项目代码功能经验证ok，确保稳定可靠运行。欢迎下载使用！在使用过程中，如有问题或建议，请及时私信沟通。 2.主要针对各个计算机相关专业，包括计科、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师或企业员工使用。 3.项目具有丰富的拓展空间，不仅可作为入门进阶，也可直接作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.当然也鼓励大家基于此进行二次开发。 5.期待你能在项目中找到乐趣和灵感，也欢迎你的分享和反馈！ 【资源说明】 项目简介 开发环境 * 操作系统：Windows 10 * 开发工具：Intellij IDEA * 数据库：MySQL 5.7.22 * Java SDK：Oracle JDK 1.8.0_131 部署环境 * 操作系统：Linux centos7 x64 * 虚拟化技术：VMware + Docker 项目管理工具 * 项目构建：Maven + Nexus * 代码管理：Git + GitLab * 镜像管理：Docker Registry 后台主要技术栈 * 核心框架：Spring Boot + Spring Cloud * 视图框架：Spring MVC * 页面引擎：Thymeleaf * ORM 框架：tk.mybatis 简化 MyBatis 开发 * 数据库连接池：Alibaba Druid * 数据库缓存：Redis Sentinel * 消息中间件：RabbitMQ （后期考虑加入） * 接口文档引擎：Swagger2 RESTful 风格 API 文档生成 * 全文检索引擎：ElasticSearch （后期考虑加入） * 分布式链路追踪：ZipKin * 分布式文件系统：Alibaba FastDFS * 分布式服务监控：Spring Boot Admin * 分布式协调系统：Spring Cloud Eureka * 分布式配置中心：Spring Cloud Config * 分布式日志系统：ELK（ElasticSearch + Logstash + Kibana）（后期考虑加入） * 反向代理负载均衡：Nginx * CDN服务器：基于Nginx搭建 前端主要技术栈 * 前端框架：Bootstrap + jQuery * 前端模板：AdminLTE 自动化运维 * 持续集成：GitLab * 持续交付：Jenkins （后期考虑加入） * 容器编排：Kubernetes 系统架构 ![image]( /image/system.png) 服务规划 # Cloud | 服务名称 | 服务端口 | 服务说明 | | --- | --- | --- | | itoken-eureka | 8761 | 服务注册与发现 | | itoken-config | 8888 | 分布式配置中心 | | itoken-zipkin | 9411 | 分布式链路追踪 | | itoken-zuul | 8768 | 分布式路由网关 | | itoken-admin | 8084 | 分布式系统监控 | # service | 服务名称 | 服务端口 | 服务说明 | | --- | --- | --- | |itoken-service-admin|8501|管理员服务提供者| |itoken-service-redis|8502|数据缓存服务提供者| |itoken-service-sso|8503|单点登录服务提供者| |itoken-service-posts|8504|文章服务提供者| |itoken-service-upload|8505|文件上传服务提供者| |itoken-service-digiccy|8506|数字货币服务提供者| |itoken-service-collection|8507|数据采集服务提供者| # web | 服务名称 | 服务端口 | 服务说明 | | --- | --- | --- | |itoken-web-admin|8601|管理员服务消费者| |itoken-web-posts|8602|文章服务消费者| |itoken-web-backend|8603|后台服务聚合| |itoken-web-digiccy|8604|数字货币服务消费者| 页面效果 # 管理员服务页面 ![image]( /image/main.jpg) # 文章服务页面 ![image]( /image/posts.jpg) # 交易所页面 ![image]( /image/digiccy.jpg)
数据库系统期末项目基于Spring boot+Vue.js的图书销售系统源码+sql数据库+项目部署说明.zip
08-10
数据库系统期末项目基于Spring boot+Vue.js的图书销售系统源码+sql数据库+项目部署说明 【资源说明】 1、该资源内项目代码都是经过测试运行成功，功能ok的情况下才上传的，请放心下载使用！ 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载使用，也适合小白学习进阶，当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能。 系统功能描述 前台销售系统功能 图书展示和分类检索：图书分类展示、图书搜索、图书详细信息浏览 会员事务：会员注册、登陆、信息更改、注销 订单事务：购物车管理、订单填写和查询、订单取消 留言与反馈事务：用户售后评价、用户留言、功能和需求反馈 后台应用系统功能 图书管理和更新：图书库存更新、增加、信息修改、销售统计 订单管理：订单统计、查询、状态跟踪 普通管理业务：销售记录浏览和修改、订单状态处理、订单浏览 用户管理：用户查询统计、用户消费情况统计、用户删除，留言回复和反馈处理 数据库表 图书表bms_book 折扣表bms_book_discount 满减表bms_book_full_reduction 类别表bms_category 评价表bms_comment 回复表bms_comment_reply 回复内容表bms_comment_reply_content 评价内容表bms_comment_content 购物车oms_cart_item 订单表oms_order 权限表role 用户邮箱表ums_user_email 用户信息表ums_user_info 收货用户信息表ums_user_receive 用户统计表ums_user_statistics 用户表user 用户权限关系表user_role 开发环境 操作系统：Windows 10 Enterprise 开发工具：Eclipse 2020 Java SDK：Open JDK 1.8.261 数据库：MySQL 8.0、Redis、ElasticSearch 部署环境 操作系统：Linux Ubuntu Server 18.04 X64 项目管理工具 项目构建：Maven 代码管理：Git 镜像管理：Docker Registry 后台主要技术栈 核心框架：Spring Boot ORM框架：Mybatis 数据库连接池：HikariCP 数据库缓存：Redis 消息中间件：RabbitMQ 全文检索引擎：ElasticSearch 分布式文件系统：Minio 反向代理+负载均衡：Nginx 前后端分离 前端框架：NodeJs + Vue + Axios 前端模板：Ant Design Vue + ElementUI
SpringBoot-Learning：基于Gradle的构建，使用SpringBoot在各个场景的应用，包括集成消息中间件，前重新分离，数据库，缓存，分布式锁，分布式事务等
02-01
学习SpringBoot所记 项目建成 git clone https://github.com/liaozihong/SpringBoot-Learning.git cd SpringBoot-Learning # 进入setting.gradle , 找到自己想要运行的模块，取消注释，构建即可 gradle clean build -x test 项目介绍 SpringBoot-ActiveMq（ActiveMq消息类别） 集成ActiveMq，实现点到点发送，广播订阅功能，简单的小实例，未用到Springboot封装的ActiveTemplate，随后打算在写一个利用SpringBoot的ActiveTemplate在写一个演示。 SpringBoot-Dubbo-Provider（基于Dubbo的服务提供者） 集成Dubbo的服务提供者，依赖zookeeper。 SpringBoot-Dubbo-Consumer（基于Dubbo的服务实现者） 集成Dubbo的服务消费者。 SpringBoot-Elasticsearch（Java操作Es进行CURD） 集成Elasticse
微服务学习：SpringCloud+RabbitMQ+Docker+Redis+搜索+分布式
m0_45209551的博客
02-17 1265
分词器的作用是什么？创建倒排索引时对文档分词用户搜索时，对输入的内容分词IK分词器有几种模式？ik_smart：智能切分，粗粒度ik_max_word：最细切分，细粒度IK分词器如何拓展词条？如何停用词条？利用config目录的IkAnalyzer.cfg.xml文件添加拓展词典和停用词典在词典中添加拓展词条或者停用词条索引库操作有哪些？创建索引库：PUT /索引库名查询索引库：GET /索引库名删除索引库：DELETE /索引库名添加字段：PUT /索引库名/_mapping。
微服务技术栈SpringCloud+RabbitMQ+Docker+Redis+搜索+分布式（五）：分布式搜索 ES-上
shendaiyan的博客
03-11 756
elasticsearch是一款非常强大的开源搜索引擎，可以帮助我们从海量数据中快速找到需要的内容。elasticsearch结合kibana、Logstash、Beats，也就是elastic stack（ELK）。被广泛应用在日志数据分析、实时监控等领域。2004年Shay Banon基于Lucene开发了Compass2010年Shay Banon 重写了Compass，取名为Elasticsearch。官网地址: https://www.elastic.co/cn/
【实用篇】SpringCloud+RabbitMQ+Docker+Redis+搜索+分布式，系统详解springcloud分布式
m0_46638350的博客
04-09 974
配置文件方式：在order-service的application.yml文件中，添加新的配置也可以修改规则(针对某个服务的负载均衡策略)user-service: # 给某个微服务配置负载均衡规则，这里是user-service服务ribbon:NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule # 负载均衡规则1. Feign可以支持很多的自定义配置。
SpringCloud + RabbitMQ + Docker + Redis + 搜索 + 分布式--实用篇笔记
koko创作
01-05 1284
Redis缓存中间件、Eureka、Nacos服务注册与发现、Feign远程调用工具、Gateway网关、Docker容器技术、RabbitMQ消息队列、ElasticSearch搜索引擎
SpringCloud + RabbitMQ + Docker + Redis + 搜索 + 分布式--高级篇笔记
koko创作
01-13 996
SpringCloud + RabbitMQ + Docker + Redis + 搜索 + 分布式--高级篇笔记
goodsKill：:ox:基于springcloud + dubbo构建的模拟秒杀项目，重置设计，集成了分库分表，elasticsearch:magnifying_glass_tilted_left:，gateway，mybatis-plus，spring-session等常用开源组件
02-02
:party_popper:前言 项目命名为goodsKill使有商品秒杀项目的意思（好像有点chinglish的味道），另外也可理解为good skill，本项目就是希望建造一套完整的项目框架，把一些好的技术和技巧整合进来（偏向于相对技术），方便学习和查阅。 此项目整体采用springMVC + RESTFUL风格，mybatis持久层框架，采用springcloud dubbo实现服务分布式服务调用，服务注册发现使用nacos服务器。 本项目扩展了秒杀功能，集成了jmock完成服务层的测试，支持数据库分库分表，并提供基本的秒杀解决方案（通过模拟接口实现）。 集成内嵌式H2数据库，方便独立进行单元功能测试 集成的sentinel限流组件，可以针对http请求以及dubbo rpc调用限流 集成新版支付宝easySDK，通过当面扫完成扫码付款 集成服务网关，采用Spring Cloud Gateway网关组件，并提供JWT用户鉴权功能 :gem_stone:分支介绍 dev_gradle分区为使用gradle内置工具管理项目依赖（已停更）， dev_maven对应的maven内置工具
spring-boot-demo：springboot 2.1+整合各种技术
01-29
春天引导演示 springboot 2.0+整合各种技术 点击添加springboot全系列技术交流qq群： 所有的测试用例均在springboot默认生成的测试文件夹下的测试类里 √：完结“”：正在更×：待更 模块快速预览： ：常见的设计模式：观察者模式，... ：测试配置类条件注解：@ conditional，@ ConditionalOnBean，@ ConditionalOnMissingBean ：测试spring初始注解：@Async，覆盖串行线程池自定义线程池，无返回值纯初始化，有返回值Future，有返回值CompletableFuture ：整合redis，7大数据类型：string，list，set，zset，hash，geo，hyperloglog ：整合redisson实现分布式锁 ：可选空替代ifnull优化代码，流集合增强处理 ：整合websocket，用vue写了一个在线聊天的demo实现消息广播和点对点 ×spring-boot-redis集群：整合redis集群 ：利用spring aop自定义注释解记录日志 ：整合jwt
FXSHOP：基于SpringBoot + SpringCloud微服务的商城项目（demo版不可用于生产）
02-05
FXSHOP 基于SpringCloud微服务的商城项目这是一个B2C商城，用户可以登录注册浏览商品下单购买等，使用当下最流行的SpringBoot + SpringCloud组合基于微服务的架构模式，各微服务之间的通信使用RestFul接口进行访问，使用MybatisPlus来组合传统Mybatis开发的繁琐，使用具有PB级搜索性能的ES分布式搜索引擎，使用Redis来缓存常用查询结果提高系统性能，以及SSO支持，使用阿里OSS做的图片存储服务器，使用Docker进行容器化部署，解决部署时的繁琐，使用Nginx对商城前台家用进行负载均衡的访问。 前台系统：用户可以在前台系统中进行注册，登录，
Novel-Cloud小说精品屋微服务版-其他
06-12
Novel-Cloud是基于小说精品屋-plus构建的Spring Cloud 微服务技术栈学习型小说项目，致力于原创文学阅读与写作，提供了爬虫工具用于开发过程中测试数据的采集。采用了时下最新的Spring Boot 2.2.5.RELEASE 、Spring Cloud Hoxton.SR4、 MyBatis3DynamicSql、Sharding-Jdbc、Redis、RabbitMq、ElasticSearch、Docker等流行技术，集成了Nacos注册中心/配置中心、Spring Cloud Gateway网关、Spring Boot Admin监控中心、ELK分布式日志分析等基础服务。前端计划使用Vue开发。 Novel-Cloud安装步骤： 1、下载源码，如果是ZIP包，下载后需要解压。 2、开发环境配置，请确保开发机器上已安装如下软件环境。  Java开发工具包jdk1.8+  IDE（Eclipse或IntelliJ IDEA）  项目管理工具maven  微服务注册中心/配置中心nacos  分布式缓存服务Redis  搜索引擎服务ElasticSearch  ElasticSearch可视化客户端Kibana  消息中间件RabbitMq  数据库服务Mysql 3、登陆nacos配置中心导入下载源码中的配置文件。 4、使用IDE导入下载的源码（这里以IntelliJ IDEA为例）。 5、修改通用配置中的配置中心地址和命名空间ID。 6、启动微服务网关。  修改网关服务的配置中心地址和命名空间ID  修改网关配置文件注册中心地址和命名空间ID  启动网关服务novel-gateway 7、启动监控服务。  修改监控服务的配置中心地址和命名空间ID  修改监控微服务的注册中心地址和命名空间ID以及登陆的用户名和密码  启动监控服务novel-monitor，启动方法和网关服务相同  访问监控服务，因为网关中配置了监控服务的路由，所以可直接或通过网关来访问监控服务：http://<网关ip>:<网关端口号>/monitor 8、启动业务微服务，这里以小说微服务为例。  修改网关配置文件book-service.yml中的注册中心地址和命名空间ID，以及其他配置（数据库/redis/elasticsearch/mq等），方法同上  启动novel-service服务，方法同上  访问接口文档:http://<服务IP>:<服务端口号>/swagger-ui.html，  例如：http://127.0.0.1:620/swagger-ui.html 9、通过网关统一接口访问路径。 http://<网关IP>:<网关端口号>/api/<接口路径> 以小说小说分类列表查询接口为例：http://127.0.0.1:527/api/book/listBookCategory 10、访问用户中心/作家中心等需要认证的接口。  访问登陆接口获取JWT  设置JWT认证  访问需要认证的接口
基于SpringCloud的分布式跨境电商系统的设计与实现完整源码+数据库+项目说明.zip
12-25
基于SpringCloud的分布式跨境电商系统的设计与实现完整源码+数据库+项目说明.zip 【技术栈】 后端相关： Spring Cloud+MyBatis-Plus+Elasticsearch+Redis+RabbitMQ+Nacos+Sentinel+Zipkin+Nginx+Docker+OSS+JWT 前端相关： Vue+npm+Element UI+Axios+Thymeleaf JDK：1.8 开发工具：IDEA_2021.2 数据库：MySQL_5.7 Redis：6.2.6 RabbitMQ：3.7.14 Nginx：1.10 Elasticsearch：7.4.2 Docker：20.10.12 Kibana：7.4.2 【备注】 主要针对计算机相关专业的正在做毕设的学生和需要项目实战的Java学习者。 也可作为课程设计、期末大作业。包含：项目源码、数据库脚本、项目说明等，该项目可以直接作为毕设使用。 也可以用来学习参考借鉴！
毕业设计：基于Vue+SpringCloud博客的设计与实现-微服务-分布式，包含源码、毕业论文、运行流程图，非常详细
01-17
中间件：Mybatis（分页插件）+Redis（缓存缓解流量）+Redisson（分布式锁）+RabbitMQ（延迟队列）+Elasticsearch（高亮分页排序）+websocket（监听连接传送数据） 跟踪：Zipkin（分布式跟踪）+Elasticsearch存储
分布式八股文
最新发布
qq_45276167的博客
05-02 1163
集中式系统，可以理解为将一整个系统的所有功能，包括数据库各种都部署在一起，统一向外提供服务。分布式就是将集中式系统拆分成多个系统，每一个系统单独对外提供服务，整一个提供一整套服务。意味着能够采用更多的服务器，CPU、内存、存储资源增加，能够应对更大的并发量。这里举例商城系统。各个模块部署在不同机器上，通过RPC（远程调用）等方式进行通信。与集群的区别：集群是相同应用或者相同模块。
限流--4种经典限流算法讲解--单机限流和分布式限流的实现
m0_59084856的博客
04-28 1371
1）固定窗口限流 2）滑动窗口限流 3）漏桶限流 4）令牌桶限流 ### 限流粒度: 1. 针对某个方法限流，即单位时间内最多允许同时XX个操作使用这个方法 2. 针对某个用户限流，比如单个用户单位时间内最多执行XX次操作 3. 针对某个用户X方法限流，比如单个用户单位时间内最多执行XX次这个方法
Apache Seata基于改良版雪花算法的分布式UUID生成器分析1
IT云清
04-29 1472
Seata内置了一个分布式UUID生成器，用于辅助生成全局事务ID和分支事务ID
基于Nginx+Nacos+MySQL+Redis+RabbitMQ架构的JAVA微服务
05-25
该架构可以作为一个基础的JAVA微服务架构，其中各个组件的作用如下： 1. Nginx：作为反向代理服务器，负责将客户端的请求分发给后端的微服务。 2. Nacos：作为服务注册与发现中心，微服务将自己注册到Nacos中心，并从Nacos中心获取其他微服务的信息。 3. MySQL：作为持久化存储数据库，存储微服务需要的数据。 4. Redis：作为缓存数据库，提高微服务的性能和响应速度。 5. RabbitMQ：作为消息队列，实现微服务之间的异步通信。 该架构的优点是具有高可用性、高性能、易于扩展和管理等特点。同时，采用了微服务架构，可以将大型应用拆分成多个小型的微服务，使得开发更加灵活和高效，同时也方便对不同的业务进行独立部署和维护。

“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

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
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