微服务框架springcloud(实用篇)【7】Elasticsearch 03

一、数据聚合

聚合 aggregations

实现统计功能的比数据库的sql要方便的多,而且查询速度非常快,可以实现近实时搜索效果。

1.聚合的种类

聚合可以实现对文档数据的统计、分析、运算。常见的有三类:

桶(Bucket)聚合:用来对文档做分组

        TermAggregation:按照文档字段值分组,例如按照品牌值分组、按照国家分组

        Date Histogram:按照日期阶梯分组,例如一周为一组,或者一月为一组

度量(Metric)聚合:用以计算一些值,比如:最大值、最小值、平均值等

        Avg:求平均值        Max:求最大值        Min:求最小值

        Stats:同时求max、min、avg、sum等

管道(pipeline)聚合:其它聚合的结果为基础做聚合

注意:参加聚合的字段必须是keyword、日期、数值、布尔类型

2.DSL实现聚合

现在,我们要统计所有数据中的酒店品牌有几种,其实就是按照品牌对数据分组。此时可以根据酒店品牌的名称做聚合,也就是Bucket聚合。

1)Bucket聚合语法

1] 语法如下:

GET /hotel/_search
{
  "size": 0,  // 设置size为0,结果中不包含文档,只包含聚合结果
  "aggs": { // 定义聚合
    "brandAgg": { //给聚合起个名字
      "terms": { // 聚合的类型,按照品牌值聚合,所以选择term
        "field": "brand", // 参与聚合的字段
        "size": 20 // 希望获取的聚合结果数量
      }
    }
  }
}

结果如图:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第1张图片

2] 聚合结果排序

默认情况下,Bucket聚合会统计Bucket内的文档数量,记为_count,并且按照_count降序排序。

我们可以指定order属性,自定义聚合的排序方式:

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "order": {
          "_count": "asc" // 按照_count升序排列
        },
        "size": 20
      }
    }
  }
}

3] 限定聚合范围

默认情况下,Bucket聚合是对索引库的所有文档做聚合,但真实场景下,用户会输入搜索条件,因此聚合必须是对搜索结果聚合。那么聚合必须添加限定条件。

我们可以限定要聚合的文档范围,只要添加query条件即可:

GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "lte": 200 // 只对200元以下的文档聚合
      }
    }
  }, 
  "size": 0, 
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 20
      }
    }
  }
}

这次,聚合得到的品牌明显变少了:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第2张图片

2)Metric聚合语法

上节课,我们对酒店按照品牌分组,形成了一个个桶。现在我们需要对桶内的酒店做运算,获取每个品牌的用户评分的min、max、avg等值。

这就要用到Metric聚合了,例如stat聚合:就可以获取min、max、avg等结果。

语法如下:

GET /hotel/_search
{
  "size": 0, 
  "aggs": {
    "brandAgg": { 
      "terms": { 
        "field": "brand", 
        "size": 20
      },
      "aggs": { // 是brands聚合的子聚合,也就是分组后对每组分别计算
        "score_stats": { // 聚合名称
          "stats": { // 聚合类型,这里s        tats可以计算min、max、avg等
            "field": "score" // 聚合字段,这里是score
          }
        }
      }
    }
  }
}

这次的score_stats聚合是在brandAgg的聚合内部嵌套的子聚合。因为我们需要在每个桶分别计算。

另外,我们还可以给聚合结果做个排序,例如按照每个桶的酒店平均分做排序:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第3张图片

3)小结

aggs代表聚合,与query同级,此时query的作用是?限定聚合的的文档范围

聚合必须的三要素:聚合名称、聚合类型、聚合字段

聚合可配置属性有:

        size:指定聚合结果数量        order:指定聚合结果排序方式        field:指定聚合字段

3.RestAPI实现聚合

1)API语法

聚合条件与query条件同级别,因此需要使用request.source()来指定聚合条件。

聚合条件的语法:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第4张图片

聚合的结果也与查询结果不同,API也比较特殊。不过同样是JSON逐层解析:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第5张图片

//  hotel-demo/src/test/java/cn/itcast/hotel/HotelAggregationTest.java
package cn.itcast.hotel;

import org.apache.http.HttpHost;
import org.elasticsearch.action.search.SearchRequest;
import org.elasticsearch.action.search.SearchResponse;
import org.elasticsearch.client.RequestOptions;
import org.elasticsearch.client.RestClient;
import org.elasticsearch.client.RestHighLevelClient;
import org.elasticsearch.search.aggregations.AggregationBuilders;
import org.elasticsearch.search.aggregations.Aggregations;
import org.elasticsearch.search.aggregations.bucket.terms.Terms;
import org.elasticsearch.search.suggest.Suggest;
import org.elasticsearch.search.suggest.SuggestBuilder;
import org.elasticsearch.search.suggest.SuggestBuilders;
import org.elasticsearch.search.suggest.completion.CompletionSuggestion;
import org.junit.jupiter.api.AfterEach;
import org.junit.jupiter.api.BeforeEach;
import org.junit.jupiter.api.Test;
import org.springframework.boot.test.context.SpringBootTest;

import java.io.IOException;
import java.util.List;

@SpringBootTest
class HotelAggregationTest {

    private RestHighLevelClient client;

    @Test
    void testAgg() throws IOException {
        // 1.准备请求
        SearchRequest request = new SearchRequest("hotel");
        // 2.请求参数
        // 2.1.size(去掉文档数据,只要聚合结果)
        request.source().size(0);
        // 2.2.聚合
        request.source().aggregation(
                AggregationBuilders.terms("brandAgg").field("brand").size(20));
        // 3.发出请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Aggregations aggregations = response.getAggregations();
        // 4.1.根据聚合名称,获取聚合结果
        Terms brandAgg = aggregations.get("brandAgg");
        // 4.2.获取buckets
        List buckets = brandAgg.getBuckets();
        // 4.3.遍历
        for (Terms.Bucket bucket : buckets) {
            //4.4.获取key
            String brandName = bucket.getKeyAsString();
            System.out.println("brandName = " + brandName);
            long docCount = bucket.getDocCount();
            System.out.println("docCount = " + docCount);
        }
    }

    @Test
    void testSuggest() throws IOException {
        // 1.准备请求
        SearchRequest request = new SearchRequest("hotel");
        // 2.请求参数
        request.source().suggest(new SuggestBuilder()
                .addSuggestion(
                        "hotelSuggest",
                        SuggestBuilders
                                .completionSuggestion("suggestion")
                                .size(10)
                                .skipDuplicates(true)
                                .prefix("s")
                ));
        // 3.发出请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析
        Suggest suggest = response.getSuggest();
        // 4.1.根据名称获取结果
        CompletionSuggestion suggestion = suggest.getSuggestion("hotelSuggest");
        // 4.2.获取options
        for (CompletionSuggestion.Entry.Option option : suggestion.getOptions()) {
            // 4.3.获取补全的结果
            String str = option.getText().toString();
            System.out.println(str);
        }
    }

    @BeforeEach
    void setUp() {
        client = new RestHighLevelClient(RestClient.builder(
                HttpHost.create("http://192.168.150.101:9200")
        ));
    }

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

}

2)业务需求

需求:搜索页面的品牌、城市等信息不应该是在页面写死,而是通过聚合索引库中的酒店数据得来的:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第6张图片

分析:

目前,页面的城市列表、星级列表、品牌列表都是写死的,并不会随着搜索结果的变化而变化。但是用户搜索条件改变时,搜索结果会跟着变化。

例如:用户搜索“东方明珠”,那搜索的酒店肯定是在上海东方明珠附近,因此,城市只能是上海,此时城市列表中就不应该显示北京、深圳、杭州这些信息了。

也就是说,搜索结果中包含哪些城市,页面就应该列出哪些城市;搜索结果中包含哪些品牌,页面就应该列出哪些品牌。

使用聚合功能,利用Bucket聚合,对搜索结果中的文档基于品牌分组、基于城市分组,就能得知包含哪些品牌、哪些城市了。

因为是对搜索结果聚合,因此聚合是限定范围的聚合,也就是说聚合的限定条件跟搜索文档的条件一致。

查看浏览器可以发现,前端其实已经发出了这样的一个请求:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第7张图片

请求参数与搜索文档的参数完全一致

返回值类型就是页面要展示的最终结果:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第8张图片

结果是一个Map结构:

        key是字符串,城市、星级、品牌、价格

        value是集合,例如多个城市的名称

3)业务实现

在`cn.itcast.hotel.web`包的`HotelController`中添加一个方法,遵循下面的要求:

        请求方式:`POST`

        请求路径:`/hotel/filters`

        请求参数:`RequestParams`,与搜索文档的参数一致

        返回值类型:`Map>`

代码:

   @PostMapping("filters")
    public Map> getFilters(@RequestBody RequestParams params){
        return hotelService.getFilters(params);
    }

这里调用了IHotelService中的getFilters方法,尚未实现。

在`cn.itcast.hotel.service.IHotelService`中定义新方法:

/**查询城市、星级、品牌的聚合结果 
 * @return 聚合结果,格式:{"城市": ["上海", "北京"], "品牌": ["如家", "希尔顿"]}
*/
Map> filters(RequestParams params);

在`cn.itcast.hotel.service.impl.HotelService`中实现该方法:

@Override
public Map> filters(RequestParams params) {
    try {
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        // 2.1.query
        buildBasicQuery(params, request);
        // 2.2.设置size
        request.source().size(0);
        // 2.3.聚合
        buildAggregation(request);
        // 3.发出请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Map> result = new HashMap<>();
        Aggregations aggregations = response.getAggregations();
        // 4.1.根据品牌名称,获取品牌结果
        List brandList = getAggByName(aggregations, "brandAgg");
        result.put("品牌", brandList);
        // 4.2.根据品牌名称,获取品牌结果
        List cityList = getAggByName(aggregations, "cityAgg");
        result.put("城市", cityList);
        // 4.3.根据品牌名称,获取品牌结果
        List starList = getAggByName(aggregations, "starAgg");
        result.put("星级", starList);

        return result;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

private void buildAggregation(SearchRequest request) {
    request.source().aggregation(AggregationBuilders
                                 .terms("brandAgg")
                                 .field("brand")
                                 .size(100)
                                );
    request.source().aggregation(AggregationBuilders
                                 .terms("cityAgg")
                                 .field("city")
                                 .size(100)
                                );
    request.source().aggregation(AggregationBuilders
                                 .terms("starAgg")
                                 .field("starName")
                                 .size(100)
                                );
}

private List getAggByName(Aggregations aggregations, String aggName) {
    // 4.1.根据聚合名称获取聚合结果
    Terms brandTerms = aggregations.get(aggName);
    // 4.2.获取buckets
    List buckets = brandTerms.getBuckets();
    // 4.3.遍历
    List brandList = new ArrayList<>();
    for (Terms.Bucket bucket : buckets) {
        // 4.4.获取key
        String key = bucket.getKeyAsString();
        brandList.add(key);
    }
    return brandList;
}

二、自动补全

当用户在搜索框输入字符时,我们应该提示出与该字符有关的搜索项,如图:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第9张图片

这种根据用户输入的字母,提示完整词条的功能,就是自动补全了。

因为需要根据拼音字母来推断,因此要用到拼音分词功能。

1.拼音分词器

要实现根据字母做补全,就必须对文档按照拼音分词。在GitHub上恰好有elasticsearch的拼音分词插件。地址:https://github.com/medcl/elasticsearch-analysis-pinyin

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第10张图片

课前资料中也提供了拼音分词器的安装包:elasticsearch-analysis-pinyin-7.12.1

安装方式与IK分词器一样,分四步:

​         ①解压                                     ②上传到虚拟机中,elasticsearch的plugin目录

​         ③重启elasticsearch                ④测试

详细安装步骤可以参考IK分词器的安装过程。

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第11张图片微服务框架springcloud(实用篇)【7】Elasticsearch 03_第12张图片

测试用法如下:

POST /_analyze
{
  "text": "如家酒店还不错",
  "analyzer": "pinyin"
}

结果:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第13张图片

2.自定义分词器

默认的拼音分词器会将每个汉字单独分为拼音,而我们希望的是每个词条形成一组拼音,需要对拼音分词器做个性化定制,形成自定义分词器。

elasticsearch中分词器(analyzer)的组成包含三部分:

        character filters:在tokenizer之前对文本进行处理。例如删除字符、替换字符

        tokenizer:将文本按照一定的规则切割成词条(term)。例如keyword,就是不分词;还有ik_smart

        tokenizer filter:将tokenizer输出的词条做进一步处理。例如大小写转换、同义词处理、拼音处理等

文档分词时会依次由这三部分来处理文档:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第14张图片

声明自定义分词器的语法如下:

PUT /test
{
  "settings": {//该配置只对当前索引库有效
    "analysis": {
      "analyzer": { // 自定义分词器
        "my_analyzer": {  // 分词器名称
          "tokenizer": "ik_max_word",
          "filter": "py"
        }
      },
      "filter": { // 自定义tokenizer filter
        "py": { // 过滤器名称
          "type": "pinyin", // 过滤器类型,这里是pinyin
		  "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "name": {
        "type": "text",
        "analyzer": "my_analyzer",
        "search_analyzer": "ik_smart"
      }
    }
  }
}

测试:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第15张图片

总结:

如何使用拼音分词器?

        ①下载pinyin分词器        ②解压并放到elasticsearch的plugin目录        ③重启即可

如何自定义分词器?

        ①创建索引库时,在settings中配置,可以包含三部分        

        ②character filter        ③tokenizer         ④filter

拼音分词器注意事项?

        为了避免搜索到同音字,搜索时不要使用拼音分词器

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第16张图片微服务框架springcloud(实用篇)【7】Elasticsearch 03_第17张图片

3.自动补全查询

elasticsearch提供了[Completion Suggester]查询来实现自动补全功能。这个查询会匹配以用户输入内容开头的词条并返回。为了提高补全查询的效率,对于文档中字段的类型有一些约束:

        参与补全查询的字段必须是completion类型。

        字段的内容一般是用来补全的多个词条形成的数组。

比如,一个这样的索引库:

// 创建索引库
PUT test
{
  "mappings": {
    "properties": {
      "title":{
        "type": "completion"
      }
    }
  }
}

然后插入下面的数据:

// 示例数据
POST test/_doc
{
  "title": ["Sony", "WH-1000XM3"]
}
POST test/_doc
{
  "title": ["SK-II", "PITERA"]
}
POST test/_doc
{
  "title": ["Nintendo", "switch"]
}

 查询的DSL语句如下:

// 自动补全查询
GET /test/_search
{
  "suggest": {
    "title_suggest": {
      "text": "s", // 关键字
      "completion": {
        "field": "title", // 补全查询的字段
        "skip_duplicates": true, // 跳过重复的
        "size": 10 // 获取前10条结果
      }
    }
  }
}

4.实现酒店搜索框自动补全

现在,我们的hotel索引库还没有设置拼音分词器,需要修改索引库中的配置。但是我们知道索引库是无法修改的,只能删除然后重新创建。

另外,我们需要添加一个字段,用来做自动补全,将brand、suggestion、city等都放进去,作为自动补全的提示。

因此,总结一下,我们需要做的事情包括:

        1] 修改hotel索引库结构,设置自定义拼音分词器

        2] 修改索引库的name、all字段,使用自定义分词器

        3] 索引库添加一个新字段suggestion,类型为completion类型,使用自定义的分词器

        4] 给HotelDoc类添加suggestion字段,内容包含brand、business

        5] 重新导入数据到hotel库

注意:name、all是可分词的,自动补全的brand、business是不可分词的,要使用不同的分词器组合

1)修改酒店映射结构

代码如下:

// 酒店数据索引库
PUT /hotel
{
  "settings": {
    "analysis": {
      "analyzer": {
        "text_anlyzer": {
          "tokenizer": "ik_max_word",
          "filter": "py"
        },
        "completion_analyzer": {
          "tokenizer": "keyword",
          "filter": "py"
        }
      },
      "filter": {
        "py": {
          "type": "pinyin",
          "keep_full_pinyin": false,
          "keep_joined_full_pinyin": true,
          "keep_original": true,
          "limit_first_letter_length": 16,
          "remove_duplicated_term": true,
          "none_chinese_pinyin_tokenize": false
        }
      }
    }
  },
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"
      },
      "name":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart",
        "copy_to": "all"
      },
      "address":{
        "type": "keyword",
        "index": false
      },
      "price":{
        "type": "integer"
      },
      "score":{
        "type": "integer"
      },
      "brand":{
        "type": "keyword",
        "copy_to": "all"
      },
      "city":{
        "type": "keyword"
      },
      "starName":{
        "type": "keyword"
      },
      "business":{
        "type": "keyword",
        "copy_to": "all"
      },
      "location":{
        "type": "geo_point"
      },
      "pic":{
        "type": "keyword",
        "index": false
      },
      "all":{
        "type": "text",
        "analyzer": "text_anlyzer",
        "search_analyzer": "ik_smart"
      },
      "suggestion":{
          "type": "completion",
          "analyzer": "completion_analyzer"
      }
    }
  }
}

2)修改HotelDoc实体

HotelDoc中要添加一个字段,用来做自动补全,内容可以是酒店品牌、城市、商圈等信息。按照自动补全字段的要求,最好是这些字段的数组。

因此我们在HotelDoc中添加一个suggestion字段,类型为`List`,然后将brand、city、business等信息放到里面。

代码如下:

package cn.itcast.hotel.pojo;

import lombok.Data;
import lombok.NoArgsConstructor;

import java.util.ArrayList;
import java.util.Arrays;
import java.util.Collections;
import java.util.List;

@Data
@NoArgsConstructor
public class HotelDoc {
    private Long id;
    private String name;
    private String address;
    private Integer price;
    private Integer score;
    private String brand;
    private String city;
    private String starName;
    private String business;
    private String location;
    private String pic;
    private Object distance;
    private Boolean isAD;
    private List suggestion;

    public HotelDoc(Hotel hotel) {
        this.id = hotel.getId();
        this.name = hotel.getName();
        this.address = hotel.getAddress();
        this.price = hotel.getPrice();
        this.score = hotel.getScore();
        this.brand = hotel.getBrand();
        this.city = hotel.getCity();
        this.starName = hotel.getStarName();
        this.business = hotel.getBusiness();
        this.location = hotel.getLatitude() + ", " + hotel.getLongitude();
        this.pic = hotel.getPic();
        // 组装suggestion
        if(this.business.contains("/")){
            // business有多个值,需要切割
            String[] arr = this.business.split("/");
            // 添加元素
            this.suggestion = new ArrayList<>();
            this.suggestion.add(this.brand);
            Collections.addAll(this.suggestion, arr);//批量添加
        }else {
            this.suggestion = Arrays.asList(this.brand, this.business);
        }
    }
}

3)重新导入

重新执行之前编写的导入数据功能,可以看到新的酒店数据中包含了suggestion:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第18张图片微服务框架springcloud(实用篇)【7】Elasticsearch 03_第19张图片

4)自动补全查询的JavaAPI

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第20张图片微服务框架springcloud(实用篇)【7】Elasticsearch 03_第21张图片

5)实现搜索框自动补全

查看前端页面,可以发现当我们在输入框键入时,前端会发起ajax请求:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第22张图片

在服务端编写接口,接收该请求,返回补全结果的集合,类型为List

1] 在`cn.itcast.hotel.web`包下的`HotelController`中添加新接口,接收新的请求:

@GetMapping("suggestion")
public List getSuggestions(@RequestParam("key") String prefix) {
    return hotelService.getSuggestions(prefix);
}

2] 在`cn.itcast.hotel.service`包下的`IhotelService`中添加方法:

List getSuggestions(String prefix);

3] 在`cn.itcast.hotel.service.impl.HotelService`中实现该方法:

@Override
public List getSuggestions(String prefix) {
    try {//ctrl + alt + t,快捷键添加try catch
        // 1.准备Request
        SearchRequest request = new SearchRequest("hotel");
        // 2.准备DSL
        request.source().suggest(new SuggestBuilder().addSuggestion(
            "suggestions",
            SuggestBuilders.completionSuggestion("suggestion")
            .prefix(prefix)
            .skipDuplicates(true)
            .size(10)
        ));
        // 3.发起请求
        SearchResponse response = client.search(request, RequestOptions.DEFAULT);
        // 4.解析结果
        Suggest suggest = response.getSuggest();
        // 4.1.根据补全查询名称,获取补全结果(根据上面的变化而变化)
        CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
        // 4.2.获取options(.var可以自动补全前半部分)
        List options = suggestions.getOptions();
        // 4.3.遍历
        List list = new ArrayList<>(options.size());
        for (CompletionSuggestion.Entry.Option option : options) {
            String text = option.getText().toString();
            list.add(text);
        }
        return list;
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

三、数据同步

elasticsearch中的酒店数据来自于mysql数据库,因此mysql数据发生改变时,elasticsearch也必须跟着改变,这个就是elasticsearch与mysql之间的数据同步

在微服务中,负责酒店管理(操作mysql )的业务与负责酒店搜索(操作elasticsearch )的业务可能在两个不同的微服务上,数据同步该如何实现呢?

1.思路分析

常见的数据同步方案有三种:同步调用、异步通知、监听binlog

1)同步调用

方案一:同步调用

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第23张图片

基本步骤如下:

        hotel-demo对外提供接口,用来修改elasticsearch中的数据

        酒店管理服务在完成数据库操作后,直接调用hotel-demo提供的接口

2)异步通知

方案二:异步通知

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第24张图片

流程如下:

        hotel-admin对mysql数据库数据完成增、删、改后,发送MQ消息

        hotel-demo监听MQ,接收到消息后完成elasticsearch数据修改

3)监听binlog

方案三:监听binlog

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第25张图片

流程如下:

        给mysql开启binlog功能

        mysql完成增、删、改操作都会记录在binlog中

        hotel-demo基于canal监听binlog变化,实时更新elasticsearch中的内容

4)选择

方式一:同步调用        

        优点:实现简单,粗暴                   缺点:业务耦合度高

方式二:异步通知        

        优点:低耦合,实现难度一般        缺点:依赖mq的可靠性

方式三:监听binlog        

        优点:完全解除服务间耦合            缺点:开启binlog增加数据库负担、实现复杂度高

2.实现数据同步

1)思路

利用课前资料提供的hotel-admin项目作为酒店管理的微服务。当酒店数据发生增、删、改时,要求对elasticsearch中数据也要完成相同操作。

步骤:

        导入hotel-admin项目,启动并测试酒店数据的CRUD

        声明exchange、queue、RoutingKey

        在hotel-admin中的增、删、改业务中完成消息发送

        在hotel-demo中完成消息监听,并更新elasticsearch中数据

        启动并测试数据同步功能

2)导入demo

导入hotel-admin项目,运行后,访问 http://localhost:8099

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第26张图片其中包含了酒店的CRUD功能:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第27张图片

3)声明交换机、队列

MQ结构如图:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第28张图片

1] 引入依赖

在hotel-admin、hotel-demo中引入rabbitmq的依赖:



    org.springframework.boot
    spring-boot-starter-amqp

2] 声明队列交换机名称

在hotel-admin和hotel-demo中的`cn.itcast.hotel.constatnts`包下新建一个类`MqConstants`:

package cn.itcast.hotel.constatnts;

    public class MqConstants {
    /**
     * 交换机
     */
    public final static String HOTEL_EXCHANGE = "hotel.topic";
    /**
     * 监听新增和修改的队列
     */
    public final static String HOTEL_INSERT_QUEUE = "hotel.insert.queue";
    /**
     * 监听删除的队列
     */
    public final static String HOTEL_DELETE_QUEUE = "hotel.delete.queue";
    /**
     * 新增或修改的RoutingKey
     */
    public final static String HOTEL_INSERT_KEY = "hotel.insert";
    /**
     * 删除的RoutingKey
     */
    public final static String HOTEL_DELETE_KEY = "hotel.delete";
}

3] 声明队列交换机

在hotel-demo中,定义配置类,声明队列、交换机:

package cn.itcast.hotel.config;

import cn.itcast.hotel.constants.MqConstants;
import org.springframework.amqp.core.Binding;
import org.springframework.amqp.core.BindingBuilder;
import org.springframework.amqp.core.Queue;
import org.springframework.amqp.core.TopicExchange;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

@Configuration
public class MqConfig {
    @Bean
    public TopicExchange topicExchange(){
        return new TopicExchange(MqConstants.HOTEL_EXCHANGE, true, false);
    }

    @Bean
    public Queue insertQueue(){
        return new Queue(MqConstants.HOTEL_INSERT_QUEUE, true);
    }

    @Bean
    public Queue deleteQueue(){
        return new Queue(MqConstants.HOTEL_DELETE_QUEUE, true);
    }

    @Bean
    public Binding insertQueueBinding(){
        return BindingBuilder.bind(insertQueue()).to(topicExchange()).with(MqConstants.HOTEL_INSERT_KEY);
    }

    @Bean
    public Binding deleteQueueBinding(){
        return BindingBuilder.bind(deleteQueue()).to(topicExchange()).with(MqConstants.HOTEL_DELETE_KEY);
    }
}

4)发送MQ消息

在hotel-admin中的增、删、改业务中分别发送MQ消息:

@PostMapping
    public void saveHotel(@RequestBody Hotel hotel){
        // 新增酒店
        hotelService.save(hotel);
        // 发送MQ消息
        rabbitTemplate.convertAndSend(HotelMqConstants.EXCHANGE_NAME, HotelMqConstants.INSERT_KEY, hotel.getId());
    }

    @PutMapping()
    public void updateById(@RequestBody Hotel hotel){
        if (hotel.getId() == null) {
            throw new InvalidParameterException("id不能为空");
        }
        hotelService.updateById(hotel);

        // 发送MQ消息
        rabbitTemplate.convertAndSend(HotelMqConstants.EXCHANGE_NAME, HotelMqConstants.INSERT_KEY, hotel.getId());
    }

    @DeleteMapping("/{id}")
    public void deleteById(@PathVariable("id") Long id) {
        hotelService.removeById(id);

        // 发送MQ消息
        rabbitTemplate.convertAndSend(HotelMqConstants.EXCHANGE_NAME, HotelMqConstants.DELETE_KEY, id);
    }

5)接收MQ消息

hotel-demo接收到MQ消息要做的事情包括:

- 新增消息:根据传递的hotel的id查询hotel信息,然后新增一条数据到索引库

- 删除消息:根据传递的hotel的id删除索引库中的一条数据

1] 首先在hotel-demo的`cn.itcast.hotel.service`包下的`IHotelService`中新增新增、删除业务

void deleteById(Long id);

void insertById(Long id);

2] 给hotel-demo中的`cn.itcast.hotel.service.impl`包下的HotelService中实现业务:

@Override
public void deleteById(Long id) {
    try {
        // 1.准备Request
        DeleteRequest request = new DeleteRequest("hotel", id.toString());
        // 2.发送请求
        client.delete(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

@Override
public void insertById(Long id) {
    try {
        // 0.根据id查询酒店数据
        Hotel hotel = getById(id);
        // 转换为文档类型
        HotelDoc hotelDoc = new HotelDoc(hotel);

        // 1.准备Request对象
        IndexRequest request = new IndexRequest("hotel").id(hotel.getId().toString());
        // 2.准备Json文档
        request.source(JSON.toJSONString(hotelDoc), XContentType.JSON);
        // 3.发送请求
        client.index(request, RequestOptions.DEFAULT);
    } catch (IOException e) {
        throw new RuntimeException(e);
    }
}

3] 编写监听器

在hotel-demo中的`cn.itcast.hotel.mq`包新增一个类:

package cn.itcast.hotel.mq;

import cn.itcast.hotel.constants.MqConstants;
import cn.itcast.hotel.service.IHotelService;
import org.springframework.amqp.rabbit.annotation.RabbitListener;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.stereotype.Component;

@Component
public class HotelListener {

    @Autowired
    private IHotelService hotelService;

    /**
     * 监听酒店新增或修改的业务
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_INSERT_QUEUE)
    public void listenHotelInsertOrUpdate(Long id){
        hotelService.insertById(id);
    }

    /**
     * 监听酒店删除的业务
     * @param id 酒店id
     */
    @RabbitListener(queues = MqConstants.HOTEL_DELETE_QUEUE)
    public void listenHotelDelete(Long id){
        hotelService.deleteById(id);
    }
}

完整代码见—— hotel-admin 和 hotel-demo 的 springcloud所需的安装包(实用篇)Elasticsearch 03.zip


四、集群

单机的elasticsearch做数据存储,必然面临两个问题:海量数据存储问题、单点故障问题。

        海量数据存储问题:将索引库从逻辑上拆分为N个分片(shard),存储到多个节点

        单点故障问题:将分片数据在不同节点备份(replica )

ES集群相关概念:

集群(cluster):一组拥有共同的 cluster name 的 节点。

节点(node)   :集群中的一个 Elasticearch 实例

分片(shard):索引可以被拆分为不同的部分进行存储,称为分片。在集群环境下,一个索引的不同分片可以拆分到不同的节点中

解决问题:数据量太大,单点存储量有限的问题。

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第29张图片

 此处,我们把数据分成3片:shard0、shard1、shard2

主分片(Primary shard):相对于副本分片的定义。

副本分片(Replica shard)每个主分片可以有一个或者多个副本,数据和主分片一样。

数据备份可以保证高可用,但是每个分片备份一份,所需要的节点数量就会翻一倍,成本实在是太高了!

为了在高可用和成本间寻求平衡,我们可以这样做:

        首先对数据分片,存储到不同节点

        然后对每个分片进行备份,放到对方节点,完成互相备份

这样可以大大减少所需要的服务节点数量,如图,我们以3分片,每个分片备份一份为例:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第30张图片

 现在,每个分片都有1个备份,存储在3个节点:

        node0:保存了分片0和1        node1:保存了分片0和2        node2:保存了分片1和2

1.搭建ES集群

(参考  安装elasticsearch  四 部署es集群)

2.集群脑裂问题

1)集群职责划分

elasticsearch中集群节点有不同的职责划分:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第31张图片

(备选主节点是为了高可用,一个主节点挂了还有其他的可以顶上去) 

默认情况下,集群中的任何一个节点都同时具备上述四种角色。

但是真实的集群一定要将集群职责分离:

        master节点:对CPU要求高,但是内存要求低

        data节点:对CPU和内存要求都高

        coordinating节点:对网络带宽、CPU要求高

职责分离可以让我们根据不同节点的需求分配不同的硬件去部署。而且避免业务之间的互相干扰。

一个典型的es集群职责划分如图:(LB为负载均衡器)

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第32张图片

2)脑裂问题

脑裂是因为集群中的节点失联导致的。

默认情况下,每个节点都是master eligible节点,因此一旦master节点宕机,其它候选节点会选举一个成为主节点。当主节点与其他节点网络故障时,可能发生脑裂问题。

例如一个集群中,主节点与其它节点失联:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第33张图片

此时,node2和node3认为node1宕机,就会重新选主:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第34张图片

当node3当选后,集群继续对外提供服务,node2和node3自成集群,node1自成集群,两个集群数据不同步,出现数据差异。

当网络恢复后,因为集群中有两个master节点,集群状态的不一致,出现脑裂的情况:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第35张图片

解决脑裂的方案是,要求选票超过 ( eligible节点数量 + 1 )/ 2 才能当选为主,因此eligible节点数量最好是奇数。对应配置项是discovery.zen.minimum_master_nodes,在es7.0以后,已经成为默认配置,因此一般不会发生脑裂问题

例如:3个节点形成的集群,选票必须超过 (3 + 1) / 2 ,也就是2票。node3得到node2和node3的选票,当选为主。node1只有自己1票,没有当选。集群中依然只有1个主节点,没有出现脑裂。

3)小结

master eligible节点的作用是什么?

        参与集群选主

        主节点可以管理集群状态、管理分片信息、处理创建和删除索引库的请求

data节点的作用是什么?

        数据的CRUD

coordinator节点的作用是什么?

        路由请求到其它节点

        合并查询到的结果,返回给用户

3.集群分布式存储

当新增文档时,应该保存到不同分片,保证数据均衡,那么coordinating node如何确定数据该存储到哪个分片呢?

1)分片存储测试

插入三条数据:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第36张图片

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第37张图片

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第38张图片

测试可以看到,三条数据分别在不同分片:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第39张图片

结果:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第40张图片

2)分片存储原理

elasticsearch会通过hash算法来计算文档应该存储到哪个分片:

(number_of_shards是分片的数量,这里对分片数据取余只会得到0,1,2)

说明:

        _routing默认是文档的id

        算法与分片数量有关,因此索引库一旦创建,分片数量不能修改!

新增文档的流程如下:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第41张图片

 三个集群三个节点node1,2,3,上面深蓝色的为主分片,浅蓝的的主分片的副本

解读:

        1] 新增一个id=1的文档(请求到达node1,此时node1就为协调节点,需要用到刚才的公式进行计算)

        2] 对id做hash运算,假如得到的是2,则应该存储到shard-2

        3] shard-2的主分片在node3节点,将数据路由到node3

        4] 保存文档

        5] 同步给shard-2的副本replica-2,在node2节点

        6] 返回结果给coordinating-node节点(协调节点)

4.集群分布式查询

elasticsearch的查询分成两个阶段:

        scatter phase:分散阶段,coordinating node会把请求分发到每一个分片

        gather phase:聚集阶段,coordinating node汇总data node的搜索结果,并处理为最终结果集返回给用户

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第42张图片

5.集群故障转移

集群的master节点会监控集群中的节点状态,如果发现有节点宕机,会立即将宕机节点的分片数据迁移到其它节点,确保数据安全,这个叫做故障转移。

1)例如一个集群结构如图

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第43张图片

现在,node1是主节点,其它两个节点是从节点。

2)突然,node1发生了故障

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第44张图片

宕机后的第一件事,需要重新选主,例如选中了node2:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第45张图片

node2成为主节点后,会检测集群监控状态,发现:shard-1、shard-0没有副本节点。因此需要将node1上的数据迁移到node2、node3:

微服务框架springcloud(实用篇)【7】Elasticsearch 03_第46张图片

你可能感兴趣的:(java,elasticsearch,微服务,spring,cloud)