标签：SpringCloud 代码 配置 Nacos RabbitMQ 索引 文档 最新版 ES

前言

基础篇全部代码和资料已上传到gitee，大家需要可自取: https://gitee.com/da-ji/spring-cloud-learning-notes
点个Star，后续更新高级篇和面试篇不迷路 ⚆_⚆

本笔记基于：
1、 尚硅谷 2020.3 SpringCloud(H版&alibaba)框架开发教程
2、 黑马 2021.8 SpringCloud*+RabbitMQ+Docker+Redis+搜索+分布式

代码和资料基于：
黑马 2021.8 SpringCloud*+RabbitMQ+Docker+Redis+搜索+分布式

第一套教程是经典的尚硅谷阳哥的教程，好处是经过时间的沉淀，已经非常成熟，网上大神的笔记也多，只要是人类出现的问题网上一搜都有答案；非常适合自学。

第二套教程是黑马程序员的2021年8月份最新版教程，截止到发稿时应该是全网最最新的教程，在计算机技术日新月异的今天，尽可能往前学最新的技术至少没错。而且该套教程有一个特点在于，将课程分为实用篇和高级篇：

• 实用篇基本上以微课堂的形式出现，平均视频时长也就10分钟左右，易于接受，涵盖了80%开箱上手就能用的知识；
• 而高级篇就比较深入和复杂了，为应对企业的复杂工作设计，每个视频长度都为一小时左右，同时也是面试常问的地方。

由于本人已经工作了，为了在工作中快速拿起来就能用，我选择的学习路线是：先刷黑马程序员的实用篇，以最少的时间快速掌握SpringCloud的相关知识，然后视情况而定深入学尚硅谷的教程或是黑马程序员的高级篇。

最后，这两篇教程虽然都非常好，但是都没有推出面试篇(源码深入讲解)，如果大家经济上允许，可以支持一波培训机构内部课程；经济不允许也可以自学，当然我也会在博客和Gitee中陆续更新一些更高深的技术。

为方便大家速查，后文中这种颜色的字体，代表知识点在对应模块代码中的位置
为方便大家速查，后文中这种颜色的字体，代表知识点在对应模块代码中的位置
为方便大家速查，后文中这种颜色的字体，代表知识点在对应模块代码中的位置

课程资料链接：https://pan.baidu.com/s/169SFtYEvel44hRJhmFTRTQ 提取码：1234
课程资料链接：https://pan.baidu.com/s/169SFtYEvel44hRJhmFTRTQ 提取码：1234
课程资料链接：https://pan.baidu.com/s/169SFtYEvel44hRJhmFTRTQ 提取码：1234

目录

• 前言
• 一、微服务技术栈导学
• 二、Dubbo&Zookeeper
• 三、微服务远程调用Demo——RestTemplate基本使用
• 四、Eureka注册中心
• 五、Ribbon负载均衡
• 六、Nacos注册中心
• • 6.1 安装启动
  • 6.2 Nacos自定义负载均衡策略
  • 6.3 Nacos实现配置热更新
  • 6.4 Nacos集群
• 七、Feign远程调用
• • 7.1 还原事故现场
  • 7.2 Feign自定义配置
  • 7.3 Feign性能优化
  • 7.4 Feign最佳实践
• 八、统一Gateway网关
• • 8.1 概述
  • 8.2 搭建网关服务
  • 8.3 路由过滤
  • • 8.3.1 断言工厂：对请求进行过滤
    • 8.3.2 过滤器GatewayFilter：对请求和响应进行过滤
    • 8.3.3 全局过滤器GlobalFilter：可以自定义过滤逻辑代码实现
    • 8.3.4 过滤器链执行顺序
  • 8.4 网关跨域问题处理
• 九、Docker
• • 9.1 Docker概念
  • 9.2 Docker常用命令
• 十、MQ(Message Queue)消息队列
• • 10.1 概述
  • 10.2 RabbitMQ安装
  • 10.3 常见消息模型
  • • 10.3.1 简单队列模型
  • 10.4 Spring AMQP
  • • 10.3.2 WorkQueue模型
    • 10.3.3 发布-订阅模型
    • • A. Fanout Exchange
      • B. Direct Exchange
      • C. Topic Exchange
    • 10.3.4 消息转换器
• 十一、ElasticSearch分布式搜索
• • 11.1 ES基础概念
  • 11.2 安装部署ES
  • [Debug] 停止ES容器（或是重启Linux）后，如何恢复Docker网络：
  • 11.3 索引库操作
  • 11.4 文档操作
  • 11.5 RestClient操作索引库和文档
  • 11.6 DSL查询语法
  • 11.7 Java RestClient查询语法
  • 11.8 ES综合案例：黑马旅游
  • 11.9 ES数据聚合
  • 11.10 ES数据补全
  • 11.11 ES与MySQL之间数据同步（面试常问）
  • 11.12 搭建高可用ES集群
• 后记

一、微服务技术栈导学

从单体架构过度到微服务架构，需要一系列中间技术支撑，其中重要的部分包括：

• 注册中心：Eureka 、Zookeeper、Nacos
• 服务网关：Zuul 、Gateway
• 微服务远程调用：RestTemplate、Feign
• 容器化技术 Docker
• 消息队列 MQ（多种实现方式）
• 负载均衡 Ribbon 、 Nginx
• 分布式搜索技术：ElasticSearch

尚硅谷阳哥的SpringCloud版本选型：

黑马程序员的SpringCloud版本选型：

可以看到，黑马的版本明显较新，本文采用黑马程序员的版本（Hoxton.SR10 + SpringBoot 2.3.x）

二、Dubbo&Zookeeper

核心代码位置：在模块 dubbo+zookeeper 下
这部分是跟狂神说Java学习的（黑马版直接跳过了这两个技术），Zookeeper与Eureka 、Nacos一样也是一种注册中心。

三、微服务远程调用Demo——RestTemplate基本使用

核心代码位置：在模块 01-cloud-demo 下的order-service 和 user-service

核心代码如下图：实现了跨服务远程调用

总结：RestTemplate微服务调用方式

基于RestTemplate发起的http请求实现远程调用

http请求做远程调用是与语言无关的调用，只要知道对方
的ip、端口、接口路径、请求参数即可。

四、Eureka注册中心

核心代码位置：在模块 01-cloud-demo 下的eureka-server（注册的是order-service 和 user-service）

Eureka的作用：

• 消费者该如何获取服务提供者具体信息?
  • 服务提供者启动时向eureka注册自己的信息
  • eureka保存这些信息
  • 消费者根据服务名称向eureka拉取提供者信息
• 如果有多个服务提供者,消费者该如何选择?
  • 服务消费者利用负载均衡算法，从服务列表中挑选一个
• 消费者如何感知服务提供者健康状态?
  • 服务提供者会每隔30秒向EurekaServer发送心跳请求，报告健康状态
  • eureka会更新记录服务列表信息，心跳不正常会被剔除
  • 消费者就可以拉取到最新的信息

注意点：

Eureka自己也是一个微服务，Eureka启动时，要把自己也注册进去。这是因为如果后续搭建Eureka集群时做数据交流：

server:
  port: 10086 # 服务端口
spring:
  application:
    name: eurekaserver # eureka的服务名称
eureka:
  client:
    service-url:  # eureka的地址信息
      defaultZone: http://127.0.0.1:10086/eureka

上段代码块中，defaultZone，将自己也注册进去了。效果如下图：

五、Ribbon负载均衡

两个疑问：

• 如果有多个服务提供者，服务调用者如何知道究竟调用哪个服务呢？
• 而且服务调用者为何不用写死服务提供者的链接（ip和端口），只需要写服务名称即可？为什么我们只输入了服务名称就可以访问了呢？
  （String url = "http://userservice/user/" + order.getUserId(); //由于已经在Eureka里面配置了服务，这里只需要写配置的服务名即可）

这都是Ribbon的负载均衡做到的，针对问题一，通过跟断点得知，Ribbon是通过几种不同的负载均衡算法实现的这一个机制（比如轮询算法）；针对问题二，Ribbon会根据服务名称去Eureka注册中心拉取服务，如下两个图所示：

Ribbon 负载均衡策略

RoundRobin —— 意为轮询，操作系统也有类似的概念（CPU时间片轮转）

可以使用如下代码配置对某个服务的负载均衡策略(在 application.yml里配置)

userservice: # 给某个微服务配置负载均衡规则，这里是userservice服务为例
  ribbon:
    NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule # 负载均衡规则

Ribbon开启饥饿加载
Ribbon默认是采用懒加载，即第一次访问时才会去创建LoadBalanceClient，请求时间会很长。

而饥饿加载则会在项目启动时创建，降低第一次访问的耗时，通过下面配置开启饥饿加载：

ribbon:
  eager-load:
    enabled: true # 开启饥饿加载
    clients:
      - userservice # 指定饥饿加载的服务名称
      - xxxxservice # 如果需要指定多个，需要这么写

六、Nacos注册中心

和前面的Eureka、Zookeeper是同类型技术

6.1 安装启动

下载地址：https://github.com/alibaba/nacos/releases
本文选用1.4.1版本

解压完成后，cd到nacos的bin目录下，然后输入命令：
startup.cmd -m standalone

关闭的话，如果是linux系统，就运行shutdown.sh即可

出现如上图所示界面，说明启动成功。通过上图也可知它的默认端口是8848（国人做的注册中心果然不一样 8848氪金手机~）

输入地址http://127.0.0.1:8848/nacos 即可访问主页，用户名和密码都是nacos
核心代码位置：在模块 01-cloud-demo 下注册了order-service 和 user-service，同时注释掉了两个模块的Eureka代码（包括pom.xml也注释了，毕竟是同类技术）

注意，必须将之前的Eureka代码和pom都注释掉，而且把SpringCloud也注释掉（因为已经用了SpringCloudAlibaba），否则有可能报：APPLICATION FAILED TO START这个错误

对比之前的Eureka，我们是在idea里面专门启动了一个Eureka的工程，所以 Eureka不需要下载，就可以通过端口号访问Eureka的注册中心。而Nacos是 下载并运行的，所以不需要在idea启动某个模块，直接通过运行Nacos的startup.cmd即可通过端口号访问Nacos的注册中心。

6.2 Nacos自定义负载均衡策略

也是使用的Ribbon，下面一个例子将Nacos配置成同集群优先的负载均衡策略：

默认的ZoneAvoidanceRule并不能实现根据同集群优先来实现负载均衡。

Nacos中提供了一个NacosRule的实现，可以优先从同集群中挑选实例。

1）给order-service配置集群信息

修改order-service的application.yml文件，添加集群配置：

spring:
  cloud:
    nacos:
      server-addr: localhost:8848
      discovery:
        cluster-name: HZ # 集群名称

2）修改负载均衡规则

修改order-service的application.yml文件，修改负载均衡规则：

userservice:
  ribbon:
    NFLoadBalancerRuleClassName: com.alibaba.cloud.nacos.ribbon.NacosRule # 负载均衡规则 

配置完成之后，就可以实现同集群优先的 负载均衡了

6.3 Nacos实现配置热更新

有两种方式，都在代码中配置了，具体位置在：
核心代码位置：在模块 01-cloud-demo 下 user-service，第一种方式是通过配置文件方式(PatternProperties.java)；第二种方式是通过注解@Value("${yaml里定义的键值对}")的方式

• 热更新注意点：
  你在Nacos中配置的：
  你在bootstrap.yaml里配置的：
  这两张图应该是一致的，注意 -和.的区别！！！

• 热更新优先级
  Nacos带环境的配置 > Nacos不带环境的配置 > 本地yaml文件配置
  
  很好理解，Nacos带环境可以理解为专属化配置(开发环境和生产环境)、肯定优先于Nacos不带环境的全局配置；本地yaml文件配置则肯定低于Nacos的配置。

6.4 Nacos集群

位置：在模块 01-cloud-demo 下根目录，有一个叫Nacos集群搭建.md的文件

注意点：修改两个配置文件：

• 修改cluster.conf
  
• 修改Nacos的application.properties（不是你的application.properties）

修改完成后保存即可。

• 使用Nginx对Nacos做反向代理
  这里需要Nginx前置知识，可以看我以下这一篇文章：Nginx入门：通俗理解反向代理和负载均衡，简单配置Nginx

如果你的Nacos配置集群死活报下图的错误：

请检查你的MySQL版本，需要在5.7及以上，而且在8.0以下（比较苛刻）

七、Feign远程调用

核心代码位置：如下图所示：

order-service会引入上图的feign-api，实现远程调用

7.1 还原事故现场

由于上一章（第六章）做了Nacos集群，但是整个第七章是基于单体的注册中心。所以要把集群恢复成单体。

• nacos不使用集群启动，恢复你standalone环境，主要是修改配置文件的nacos端口
• 这样做的目的是让微服务注册进注册中心。你用nacos还原事故现场也行，用eureka还原事故现场也行。反正能还原即可。
• 打开你的数据库服务

引入feign版本报错bug问题解决：
我手工指定了一个版本，版本号是：

		<dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-starter-openfeign</artifactId>
            <version>2.2.9.RELEASE</version>
        </dependency>

7.2 Feign自定义配置

分为配置文件方式和代码方式。

• 配置文件方式：
  
• 代码方式（新建一个配置类）：
  

我们采用的是代码方式，并全局生效（新建一个配置类）

7.3 Feign性能优化

底层的客户端实现是：

• URLConnection:默认实现，不支持连接池
• Apache HttpClient: 支持连接池（常用）
• OKHttp：支持连接池

第一种方式是默认的，不支持连接池。所以这里的性能优化指的是：换成第二种方式或者第三种方式。

其中第二种方式 Apache HttpClient 常用于模拟postman的样式，发送一个form-data样式的post请求，也可在这个post请求里上传文件。我们也采用的是这种方式

性能优化步骤：
1、引入jar包：

<!--HttpClient依赖-->
        <dependency>
            <groupId>io.github.openfeign</groupId>
            <artifactId>feign-httpclient</artifactId>
            <version>10.1.0</version>
        </dependency>

2、在配置文件yml中配置：

feign:
  httpclient:
    enabled: true # 支持HttpClient的开关
    max-connections: 200 # 最大连接数
    max-connections-per-route: 50 # 单个路径的最大连接数

这里的改动都是在order-service模块下

7.4 Feign最佳实践

打成jar包方式：

java中的JAR包

1、在项目中添加单独的jar包步骤：

写好自己的maven项目后，执行clean package，即可得到一个jar包

2、在项目中引入单独的jar包图解：

上图其实是在项目的根目录创建了一个叫lib的文件夹，里面存着自定义jar包。然后即可引入。
3、针对1和2的补充，有的时候没必要非得打jar包，可以写一个子模块引入呀，如下图所示：

这块看不懂，可以自行搜索maven的jar包引入方式和顺序

八、统一Gateway网关

8.1 概述

三大功能：

• 身份认证和权限校验
• 服务路由、负载均衡
• 请求限流

在SpringCloud中网关技术包括两种：gateway和zuul
其中Zuul是基于Servlet的实现，属于阻塞式编程，而Gateway则是基于SPring5中提供的WebFlux，属于响应式编程的实现，具备更好的性能。

8.2 搭建网关服务

核心代码位置：如下图

步骤：

• 新建模块
• 编写配置文件yml：
  • 注册进nacos的配置
  • 网关自身的端口号
  • 网关路由配置

server:
  port: 10010
spring:
  application:
    name: gateway
  cloud:
    nacos:
      server-addr: 127.0.0.1:8848 # nacos地址
    gateway:
      routes:
        - id: user-service # 路由标识，必须唯一
          uri: lb://userservice # 路由的目标地址 lb就是负载均衡，后面跟着是服务名称
          predicates: # 路由断言，判断请求是否符合规则
            - Path=/user/** # 路径断言，判断路径是否是以/user开头，如果是则符合规则
        - id: order-service
          uri: lb://orderservice
          predicates:
            - Path=/order/**

除了上面这些，还可以配置路由过滤器。后面会讲到。

配置完毕后，启动你的网关服务和你的user-service和order-service服务，即可通过网关访问到user-service和order-service

工作原理总结

8.3 路由过滤

8.3.1 断言工厂：对请求进行过滤

如果你不会写匹配表达式，可以去spring官网查：

如果你的请求不符合路由断言，那你的请求就会被拒绝，返回一个404. 我们可以通过配置路由断言工厂的方式来过滤某些请求。

8.3.2 过滤器GatewayFilter：对请求和响应进行过滤

它和8.3.1讲述的断言工厂一样，都配置在yaml里

• GatewayFilter 和 8.3.1讲述的断言工厂的区别：
  
• 与断言工厂类似，spring也为我们提供了过滤器工厂：
  

GatewayFilter可以针对某一类路由标识单独配置，也可以配置成全局配置（所有路由id都生效），具体可自行百度，但是过滤器链执行顺序有变化，可以看8.8.4详解

8.3.3 全局过滤器GlobalFilter：可以自定义过滤逻辑代码实现

案例正确执行的效果图：
不加参数被过滤器拦截：

加了参数，不被拦截，正确获得响应！

8.3.4 过滤器链执行顺序

原理：关键词 适配器模式

顺序：

8.4 网关跨域问题处理

域名不一致就是跨域：

• 域名不同 比如www.baidu.com 和 www.bilibili.com
• 域名相同，端口不同

跨域是一个前端的概念，浏览器禁止请求的发起者和服务端发生跨域ajax请求，该请求会被浏览器拦截。
解决方案：CORS

之所以之前的user-service调用order-service不存在跨域，是因为不是ajax请求。因为这是一个浏览器行为，只有ajax请求会被拦截

处理方法：
简单配置即可：

spring:
  cloud:
    gateway:
      globalcors: # 全局的跨域处理
        add-to-simple-url-handler-mapping: true # 解决options请求被拦截问题
        corsConfigurations:
          '[/**]':
            allowedOrigins: # 允许哪些网站的跨域请求
              - "http://localhost:8090"
              - "http://www.leyou.com"
            allowedMethods: # 允许的跨域ajax的请求方式
              - "GET"
              - "POST"
              - "DELETE"
              - "PUT"
              - "OPTIONS"
            allowedHeaders: "*" # 允许在请求中携带的头信息
            allowCredentials: true # 是否允许携带cookie
            maxAge: 360000 # 这次跨域检测的有效期

如果想要演示，需要启动一个前端工程模拟一个ajax请求。

九、Docker

Docker命令居多，可以看我下面两张思维导图，包含了概念理解和常用命令。

9.1 Docker概念

9.2 Docker常用命令

十、MQ(Message Queue)消息队列

10.1 概述

• 事件驱动架构的概念：
  MQ是事件驱动架构的实现形式，MQ其实就是事件驱动架构的Broker。

• 异步应用场景：
  如果是传统软件行业：虽然不需要太高并发，但是涉及到和其它系统做对接，我方系统处理速度(50ms)远快于对方系统处理速度(1-3s)，为了兼顾用户的体验，加快单据处理速度，故引入MQ。
  用户只用点击我方系统的按钮，我方按钮发送到MQ即可给用户返回处理成功信息。背后交由对方系统做处理即可。至于处理失败，补偿机制就不是用户体验要考虑的事情了，这样可以大大提升用户体验。

• 异步通讯优缺点：

  • 优点：
    • 耦合度低
    • 吞吐量提升
    • 故障隔离
    • 流量削峰
  • 缺点：
    • 依赖于MQ的可靠性，安全性，吞吐能力（因为加了一层MQ，当然高度依赖它）
    • 业务复杂了，业务没有明显的流程线，不好追踪管理

• MQ常见技术介绍：
  

10.2 RabbitMQ安装

如何安装，见下图文件：RabbitMQ部署指南.md

执行MQ容器的命令和简单说明：

docker run \
 -e RABBITMQ_DEFAULT_USER=root \  #用户名
 -e RABBITMQ_DEFAULT_PASS=root \  # 密码
 --name mq \	
 --hostname mq1 \	# 主机名，将来做集群部署要用
 -p 15672:15672 \	# 端口映射，映射RabbitMQ管理平台端口
 -p 5672:5672 \		# 端口映射，消息通信端口
 -d \	# 后台运行
 rabbitmq:3-management	# 镜像名称

#号不被识别，下面提供一个没有#的版本

docker run \
 -e RABBITMQ_DEFAULT_USER=root \
 -e RABBITMQ_DEFAULT_PASS=root \
 --name mq \
 --hostname mq1 \
 -p 15672:15672 \
 -p 5672:5672 \
 -d \
 rabbitmq:3-management

最后在浏览器地址栏输入：你的端口号:15672

如果看到上图页面，就说明成功了！

虚拟主机，租户隔离的概念，重要！！！
vitural host：虚拟主机，是对queue、exchange等资源的逻辑分组

10.3 常见消息模型

10.3.1 简单队列模型

核心代码位置：下图所示

10.4 Spring AMQP

概述

AMQP（Advanced Message Queuing Protocol），是用于在应用程序之间传递业务信息的开放标准，该协议与语言和平台无关，更符合微服务中独立性的要求

SpringAMQP就是Spring基于AMQP定义的一套API规范。

使用Spring AMQP实现简单队列模型步骤：

以生产者为例：

由于这玩意已被spring托管了，所以对比之前rabbitmq demo的方式，不需要在代码里写配置了，直接在spring的application.yml里写配置文件即可.

配置如下：

# 1.1.设置连接参数，分别是：主机名、端口号、用户名、密码、vhost
spring:
  rabbitmq:
    host: 127.0.0.1
    port: 5672
    username: root
    password: root
    virtual-host: /

然后编写测试类，以及测试代码,位置如下图所示：

消费者一侧，和生产者类似。不再赘述，如下图进行配置即可：

至于如何启动消费者 一侧？如下图所示：

10.3.2 WorkQueue模型

之所以 10.3.2 放在 10.4章，因为demo模型的演示，今后就是以 Spring AMQP为例了

概述
其实就是一个队列，绑定了多个消费者，一条消息只能由一个消费者进行消费，默认情况下，每个消费者是轮询消费的。区别于下文的发布-订阅模型（该模型允许将同一消息发给多消费者）

案例：

10.3.3 发布-订阅模型

概念
允许将同一个消息发给多个消费者。
其实就是加了一层交换机而已，如下图所示：

交换机类型有很多，下文逐一介绍。下图表示了各交换机类型的继承关系

最后，交换机只能做消息的转发而不是存储，如果将来路由（交换机和消息队列queue的连接称作路由）没有成功，消息会丢失

A. Fanout Exchange

位置如下图，注意一定要放在consumer包下，因为是消费者消费行为：

生产者添加代码位置如下图：

队列绑定成功后，打开mq可视化页面，会看到如下图所示：

写好代码后，分别启动生产方，消费方，即可看到调试成功信息输出：

概念：
这种模型中生产者发送的消息所有消费者都可以消费。

案例：

总结：workQueue模式和FanoutQueue模式区别：
P代表生产者，C代表消费者 X代表交换机，红色部分代表消息队列
workQueue:

FanoutQUeue:

可以发现，FanoutQueue增加了一层交换机，可以多个队列对应多个消费者。而且比起WorkQueue，FanoutQueue生产者是先发送到交换机; 而WorkQueue是直接发送到队列

B. Direct Exchange

概念：DirectExchange 会将接收到的消息根据规则路由到指定的queue，因此称为路由模式，如下图所示：

P代表生产者，C代表消费者 X代表交换机，红色部分代表消息队列

• 每一个queue都会与Exchange设置一个BindingKey
• 将来发布者发布消息时，会指定消息的RoutingKey
• Exchange将消息路由到BingingKey与RoutingKey一致的队列
• 实际应用时，可以绑定多个key。
• 如果所有queue和所有Exchange绑定了一样的key，那生产者所有符合key的消息消费者都会消费。如果这样做，那DirectExchange就相当于FanoutExchange了（Direct可以模拟Fanout的全部功能）

案例如图：

消费者添加代码位置如下图：

发送队列添加代码位置如下图：

这次的案例，我们用注解的方式声明队列和绑定交换机，之前Fanout的Demo是手写了个配置类。 直接在监听队列里面声明如下图注解即可：

上图的@QueueBinding点进去：

上面的key是个数组，可以写多个key。

写完代码后启动消费者的SpiringBoot主启动类（报错信息不用管），然后进入rabbitMQ可视化控制台，出现下图则说明配置成功：

随后运行发送队列的Test代码，打开消费者的控制台，出现如下图输出，则说明案例测试通过：

C. Topic Exchange

概念： 和上面的Direct Exchange及其相似：

（下图来源于Java旅途 ，作者大尧）

案例：

发送队列、消费者的添加代码位置和上面的DirectExchange位置一致，就在DirectExchange代码下面。

写完代码后启动消费者的SpiringBoot主启动类（报错信息不用管），然后进入rabbitMQ可视化控制台，出现下图则说明配置成功：

10.3.4 消息转换器

引入：

在之前的案例中，我们发送到队列的都是String类型，但是实际上，我们可以往消息队列中扔进去任何类型。我们看下图，convertAndSend这个方法，第三个参数也是Object。这说明可以发送任何类型给消息队列:

案例：
创建一个队列，向该队列扔一个任意对象（Object类型）

创建队列位置、发送队列的添加代码位置如下图
创建队列位置：

发送：

写完代码后启动发送的Test，去看RabbitMQ控制台，发现我们发过来的对象在内部被序列化（ObjectOutPutStream）了，如下图所示：

如果不知道什么是ObjectOutPutStream可自行百度：

上面说的ObjectOutPutStream这个序列化方式，缺点很多（性能差、长度太长、安全性有问题）。我们可以在这里调优一下，推荐JSON的序列化方式。于是引出了这一节的正文：自定义消息转换器(覆盖了原有的Bean配置)：

声明配置位置如下图

配置了消息转换器转换成json，然后重复之前的步骤，使用发送者发送一条消息到队列，发送完成后打开RabbitMQ控制台，出现如下图所示：

该对象被成功序列为json格式了！！！！！

• 对刚才发送过来的json格式消息进行接收，需要修改消费者一侧的代码。并不复杂，如下图所示：
  
  消费者配置、监听消息位置如下2图：
  
  

总结

• 消息序列化和反序列化使用MessageConverter实现
• SpringAMQP的消息序列化默认底层是使用JDK的序列化
• 我们可以手动配置成其它的序列化方式（覆盖MessageConverter配置Bean），推荐json
• 发送方和接收方必须使用相同的MessageConverter

十一、ElasticSearch分布式搜索

11.1 ES基础概念

ES概述：

ELK（Elastic Stack）是以Elastic为核心的技术栈，如下图所示：

ElasticSearch底层是Lucene（侧面说明了ES和Hadoop千丝万缕的关系）

推荐下面一篇文章：深入浅出大数据（From Zhihu）https://zhuanlan.zhihu.com/p/54994736

这个Lucene使用java写成的，其实就是个jar包，我们引入之后就可以使用这个Lucene的API。而ES就是基于Lucene的二次开发，对其API进行进一步封装：

倒排索引基础概念：

先了解传统MySQL的正向索引：

倒排索引基本概念：

这个倒排索引其实和生活中字典相当像，你拿到一本字典的目录，肯定不会傻到先找页码，你肯定是先大略看一眼目录的关键字，然后找到关键字之后，去看关键字旁边的页码，最后再根据页码翻到书对应的那一页。

倒排索引其实就是上面的例子。

然而MySQL这种正向索引，就是基于文档id创建索引，查询词条的时候必须先找到文档，然后根据文档内容判断是否包含词条。

倒排索引正式一点的说法就是：对文档内容分词，对词条创建索引，并记录词条所在文档的信息，查询时先根据词条查询文档id，然后根据id找到该文档。

文档和词条的概念：

每一条数据就是一个文档，对文档的内容分词，得到的词语就是词条。

ES 和 MySQL 概念对比

11.2 安装部署ES

见课前资料的：安装elasticsearch.md

使用docker容器化部署，这里针对启动容器命令解析一下：

-e “ES_JAVA_OPTS=-Xms512m -Xmx512m” 配置堆内存（JVM）。因为ES底层是java实现的，所以要配置jvm内存大小。默认值是1T，对于轻量级服务器太大了，所以适当减少为512M(但是不能再弄少了，再少的话可能跟着视频走，会出现内存不足的问题)

-e “discovery.type=single-node” 单点模式运行（区别于集群模式运行）

两个-v参数：数据卷挂载，分别是数据保存目录(data)，和插件目录(plugins)

–network es-net 将ES容器加入到刚刚创建的docker网络中

-p 9200:9200 和 -p 9300:9300 是暴露的端口，9200是用户访问的http协议端口，9300是ES容器节点互联的端口

elasticsearch:7.12.1 镜像名称

docker run -d \
	--name es \
    -e "ES_JAVA_OPTS=-Xms512m -Xmx512m" \
    -e "discovery.type=single-node" \
    -v es-data:/usr/share/elasticsearch/data \
    -v es-plugins:/usr/share/elasticsearch/plugins \
    --privileged \
    --network es-net \
    -p 9200:9200 \
    -p 9300:9300 \
elasticsearch:7.12.1

• 安装部署kibana（数据可视化界面）

  黑马官方的kibana的tar包有问题，建议自己从docker hub拉下来镜像。但是拉下来之前要注意 ES 和 kibana的版本对应关系：
  找到对应版本后（我已经找好了），执行命令：

  docker pull kibana:7.12.1

  从官网拉下来，这个过程比较慢，慢慢等

• 什么是分词器？为什么要安装分词器？
  
  
  分词器我们选择IK分词器（来源于github，专门适配了中文）
  
  该分词器的具体安装也在文档里有写。

• 分词器总结
  

[Debug] 停止ES容器（或是重启Linux）后，如何恢复Docker网络：

11.3 索引库操作

先给出ES官方帮助文档地址：
https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

索引库相当于MySQL中的Table。具体操作有两个：

• Mapping映射属性
• 索引库的CRUD

先介绍Mapping映射属性：

• 创建索引库
  
  一个简单的创建索引库的语句：

# 创建索引库
PUT /heima
{
  "mappings": {
    "properties": {
      "info": {
        "type": "text",
        "analyzer": "ik_smart"
      },
      "email": {
        "type": "keyword",
        "index": false
      },
      "name": {
        "type": "object",
        "properties": {
          "firstName": {
            "type": "keyword"
          },
          "lastName": {
            "type": "keyword"
          }
        }
      }
    }
  }
}

• 查看、修改、删除索引库

查看索引库：GET /索引库名
删除索引库：DELETE /索引库名

修改索引库从设计上被禁止了，索引库和mapping一旦创建无法修改，但是可以添加新的字段 (该字段必须是全新的字段) 。

它们的语法如下：

# 查询
GET /heima

# 修改（必须添加一个全新的字段）
PUT /heima/_mapping
{
  "properties":{
    "age":{
      "type": "integer"
    }
  }
}

# 删除
DELETE /heima

11.4 文档操作

索引库相当于数据库的table，文档就相当于数据库的行。

• 添加文档
  

# 插入一个文档
POST /heima/_doc/1
{
  "info": "黑马程序员java讲师",
  "email": "112837@qq.com",
  "name":{
    "firstName":"云",
    "lastName":"赵"
  }
}

• 查看、删除文档
  

# 查询
GET /heima/_doc/1

# 删除
DELETE /heima/_doc/1

每次写操作的时候，都会使得文档的"_version"字段+1

• 修改文档方式1 全量修改
  它会删除旧文档，新增新文档

语法：和新增的语法完全一致，只不过新增是POST，全量修改是PUT
示例：

# 插入一个文档
PUT /heima/_doc/1
{
  "info": "黑马程序员java讲师",
  "email": "112837@qq.com",
  "name":{
    "firstName":"云",
    "lastName":"赵"
  }
}

如果id在索引库里面不存在，并不会报错，而是直接新增，如果索引库存在该记录，就会先删掉该记录，然后增加一个全新的。

• 修改文档方式2 增量修改
  只修改某记录的指定字段值
  语法：

# 局部修改文档字段
# 第三行，必须跟一个doc
POST /heima/_update/1
{
  "doc": {  
    "email":"lbwnb@qq.com"
  }
}

文档操作总结

11.5 RestClient操作索引库和文档

• 概念
  ES官方为各种语言操作ES提供了客户端API，用来操作ES。其实本质都是组装ES语句，通过http请求发送给ES。 官方文档地址：https://www.elastic.co/guide/en/elasticsearch/client/index.html
  
  可以看到有很多语言的版本。

• 案例和代码位置
  

代码位置(大量代码写在测试类中)，该案例需要导入数据库，数据库执行脚本位置同代码目录：

• 编写DSL语句，创建索引库（相当与MySQL中建表）

语句如下：

# 酒店的mapping
PUT /hotel
{
  "mappings": {
    "properties": {
      "id":{
        "type": "keyword"         
      },
      "name":{
        "type": "text"
        , "analyzer": "ik_max_word",
        "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": "ik_max_word"
      }
    }
  }
}

有时候可能会疑惑，同样的一个文本型字段，有的用text，有的用keyword。到底怎么选择呢？首先要了解索引和分词的概念：

• 索引(参与搜索，排序筛选等操作)
• 分词（把词看作一个整体还是把词用某种规则分开）
  • 比如 ： 上海，北京这种字段，不需要分词（这种字段在一个整体才有意义，分词就乱套了）
  • “震惊！卢bw将于2022年复出” 这种就需要分词搜索，既然要分词了，肯定要选择分词器。
    了解了上面的概念，再看一下下图（图来源于博客园——瘦风的南墙）：
    
    备注1：index如果设置成false，则既不参与索引也不参与分词。
    备注2：索引库的id总是被要求成keyword（也就是String）类型，即使数据库的主键id可能是int

字段参数（用于聚合）：copy to ;
地理位置特殊数据类型：geo_point

使用RestClient操作文档（索引库相当于数据库的table，文档就相当于数据库的行。），全都写在demo代码中，还是那句话：Java的API本质都是组装ES语句，通过http请求发送给ES。

11.6 DSL查询语法

先给出帮助文档，帮助文档永远是学东西最准确的方式：
https://www.elastic.co/guide/en/elasticsearch/reference/current/index.html

• 快速入门—简单查询：
  
  

全文检索查询例：

# match 和 multi_match
GET /hotel/_search
{
  "query": {
    "match": {
      "address": "如家外滩"
    }
  }
}
GET /hotel/_search
{
  "query": {
    "multi_match": {
      "query": "外滩如家",
      "fields": ["brand","name","business"]
    }
  }
}

精确查询例：

# 精确查询（term查询）
GET /hotel/_search
{
  "query": {
    "term": {
      "city": {
        "value": "上海"
      }
    }
  }
}

# 精确查询(范围range)
GET /hotel/_search
{
  "query": {
    "range": {
      "price": {
        "gte": 100,
        "lte": 300
      }
    }
  }
}

地理查询例：

# distance查询
GET /hotel/_search
{
  "query": {
    "geo_distance":{
      "distance": "5km",
      "location": "31.21, 121.5"
    }
  }
}

• 快速入门—打分算法：

打分算法（重点）：

对默认算分方式进行修改：

组合查询-function score 对应的Java RestClient代码：

上面例子的查询语句：

GET /hotel/_search
{
  "query": {
    "function_score": {
      "query": {
        "match": {
          "address": "外滩"
        }
      },
      "functions": [
        {
          "filter": {
            "term": {
              "brand": "如家"
            }
          },"weight": 10
        }
      ]
    }
  }
}

• 快速入门—复合查询：

复合查询可以将其它简单查询组合起来，实现更复杂的搜索逻辑。

Boolean Query

注意，算分条件越多，性能就会越差。所以能使用filter的就别使用must，能不算分就不算分

案例：搜索名字包含“如家”，价格不高于400，在坐标31.21，121.5周围10km范围内的酒店
参考答案：

GET /hotel/_search
{
  "query": {
    "bool": {
      "must": [
        {"match": {
          "name": "如家"
        }}
      ],
      "must_not": [
        {"range": {
          "price": {
            "gt": 400
          }
        }}
      ],
      "filter": [
        {
          "geo_distance": {
            "distance": "100km",
            "location": {
              "lat": 31.21,
              "lon": 121.5
            }
          }
        }
      ]
    }
  }
}

• 快速入门—搜索结果处理：

搜索结果的处理主要包括排序、分页、高亮。默认ES是根据得分排序的，但是你如果指定了按某种字段排序，就会按你指定的方法排序。

A.排序

案例：

查询语句实现：

# sort排序
GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "score": "desc"
    },
    {
      "price": "asc"
    }
  ]组合查询-function score 对应的Java RestClient代码：

}

案例2：

查询语句实现2：

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "_geo_distance": {
        "location": {
          "lat": 31.03,
          "lon": 121.61
        }, 
        "order": "asc"
        , "unit": "km"
      }
    }
  ]
}

地理位置排序对应的java restclient代码：

注意：一旦指定了某种排序之后，ES就会放弃打分。因为打分没意义了：

B.分页

ES默认情况只返回10条数据，如果想返回更多条数据，则需修改分页参数。

分页语法（有点像MySQL的limit）：

示例：

GET /hotel/_search
{
  "query": {
    "match_all": {}
  },
  "sort": [
    {
      "price": "asc"
    }
  ],
  "from": 20
  , "size": 5
}

分页出现的问题：ES底层是倒排索引，不利于分页，所以分页查询是一种逻辑上的分页。比如现在要查从990开始，截取10条数据（990～1000这10条），对ES来讲，是先查出来0～1000条数据，查出来之后逻辑分页截取10条给你。这么做如果是单体，最多只是效率问题，但是如果是集群，就会坏事。如下图所示：

针对只能查询10000条结果的解决方案：

C.高亮

示例：

# 高亮查询,默认情况下ES搜索字段必须与高亮字段一致
GET /hotel/_search
{
  "query": {
    "match": {
      "name": "如家"
    }
  },"highlight": {
    "fields": {
      "name": {
        
      }
    }
  }
}

总结：

11.7 Java RestClient查询语法

要构建查询条件，只要记住一个类：QueryBuilders。
要构建搜索DSL，只需记住一个API：SearchRequest的source()方法（支持链式编程）

核心代码位置：

这里只有一个注意点：高亮结果的解析，比较麻烦。代码要配合下图理解：

11.8 ES综合案例：黑马旅游

代码位置：就是11.7那个类，直接启动SpringBoot主启动类，然后访问localhost:8089即可访问到前端页面

要实现的功能：

• 酒店搜索和分页
• 酒店结果过滤
• 我周边的酒店
• 酒店竞价排名

视频可能出现的bug：

bug1 : 如果前端显示异常（搜索不生效），根据前端debug信息，修改index.html的第417行代码修改成如下图所示：

bug2: 黑马旅游网的酒店竞价排名实现不了

由于在视频里创建索引库里并没有创建isAD这个字段，我们需要手动追加该字段。在kibana控制台执行如下代码即可修复：

# 给索引库新增一个叫isAD的字段，类型是布尔类型
PUT /hotel/_mapping
{
  "properties":{
    "isAD":{
      "type": "boolean"
    }
  }
}

# 给索引库id为45845的记录赋值，让其isAD字段为true（用于测试广告竞价排名，该记录会靠前）
POST /hotel/_update/45845
{
  "doc": {  
    "isAD":true
  }
}


GET hotel/_doc/45845

11.9 ES数据聚合

聚合，类似于MySQL的group by（对数据的统计分析和计算）。聚合不能是text类型，不能分词

聚合一共有几十种，在官方文档可以查到，但是主要分为三大类：

管道聚合 可以理解为linux的 |

1、Bucket聚合

查询实例：

上图图例的结果是由count进行降序排列的，如果想让其升序排列，只需如下代码：

# 聚合功能
GET hotel/_search
{
  "size": 0,
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 10,
        "order": {
          "_count": "asc"  #结果按照count升序排列
        }
      }
    }
  }
}

限定聚合范围：

2、Metrics聚合

示例：

# 嵌套聚合metric
GET hotel/_search
{
  "size": 0,
  "aggs": {
    "brandAgg": {
      "terms": {
        "field": "brand",
        "size": 10,
        "order": {
          "scoreAgg.avg": "asc"   # 根据下面的子聚合结果的avg进行升序排序
        }
      },
      "aggs": {
        "scoreAgg": {
          "stats": {
            "field": "score"
          }
        }
      }
    }
  }
}

使用Java Restclient实现上面几种聚合方式，位置如下：

Java Restclient对应Json的图例：

Java代码对应结果解析的图例：

3、聚合案例：

案例位置同上面的 ES综合案例：黑马旅游

11.10 ES数据补全

比如你在京东输入 sj 这两个字母，搜索框就会猜测出你想输入手机。这个就是数据补全

安装数据补全分词器：

分词器在课前资料里有

测试你的分词器是否生效：

POST _analyze
{
  "text": ["卢本伟"],
  "analyzer": "pinyin"
}

自定义配置分词器：
概念：

将下图位置的自定义配置分词器的第一段粘贴至kibana控制台，即可完成自定义配置：

Completion Suggester查询实现自动补全：

Completion Suggester语法：

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

总结：
自动补全对字段的要求：
类型是completion类型；字段值是多词条的数组。

案例：实现hotel索引库的自动补全、拼音搜索功能：

找到下图位置，复制粘贴进kibana控制台并且执行（这一步是重建酒店数据索引库，在此之前要删掉原有的酒店数据索引库）：

注意事项：

在Java代码中重新定义转换实体的操作，定义一个新的字段suggestion，并且在kibana控制台进行测试：

经过上面一番操作后，类型为completion类型的suggestion字段就有了我们想要自动补全的例子，然后执行下面的查询语句：

至此，自动补全、拼音搜索的demo已成功展示！

对上图的DSL语句在Java RestAPI里面进行发送：

使用Java Restclient实现上面自动补全方式，位置如下：

案例效果：

11.11 ES与MySQL之间数据同步（面试常问）

概念

ES中的酒店数据来自于MySQL索引库，因此mysql数据发生改变时，ES的值也会跟着改变，这个就是ES和MySQL的数据同步。

思考：在微服务中，操作MySQL的业务和操作ES的业务可能在不同的微服务上，这种情况应该怎么实现数据同步呢？

解决方案：

案例：利用MQ实现mysql与es的数据同步

思路：

数据同步案例后台管理页面代码位置如下图（数据库就用之前的ES综合案例：黑马旅游）：

数据同步案例前端显示代码就是之前的ES综合案例：黑马旅游。前后端的微服务是分离的，端口号也不同。
实际上，这个项目hotel-admin项目相当于生产者，负责发送数据库增删改消息；hotel-demo(之前的黑马旅游前端项目)相当于消费者，负责监听消息并更新ES中的数据。

这样就实现了在微服务中，操作MySQL的业务和操作ES的业务在不同的微服务上的跨服务数据同步

用心跟着代码走，这个案例是完全可以做完并实现视频全部功能的，没有一句废话多余。

11.12 搭建高可用ES集群

概念

搭建ES集群

位置同之前的elasticsearch.md，找到该文档第四节:部署ES集群

集群脑裂问题


脑裂问题：一个集群出现了2个主节点：

集群分布式存储和分布式查询

集群故障转移

集群故障转移总结：

• Master挂掉后，EligibleMaster选举为新的主节点
• master节点监控分片，节点状态，将故障节点的分片转移到正常节点，确保数据安全。

后记

黑马 SpringCloud 2021 基础篇笔记和代码已更新完毕，不得不说黑马的这套课程的确是良心之作，而且官方居然还开源出来让大家都可以学习，实在是难能可贵。

如果大家在学习基础篇的同时有疑问，欢迎在评论区讨论和留言，也可以关注我，日后我还会陆续更新完高级篇和面试篇。

标签：SpringCloud,代码,配置,Nacos,RabbitMQ,索引,文档,最新版,ES
来源： https://blog.csdn.net/weixin_44757863/article/details/120959505

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。