SpringCloud详细介绍 zh-分布式搜索引擎(3) 07

╰半夏微凉° 2023-09-25 19:13 48阅读 0赞

> 目标
> 
>  *  数据聚合
>  *  自动补全
>  *  数据同步
>  *  集群

# 1.数据聚合 #

[聚合（][Link 1][aggregations][Link 1][）][Link 1]可以让我们极其方便的实现对`数据的统计、分析、运算`。例如：

*  什么品牌的手机最受欢迎？
 *  这些手机的平均价格、最高价格、最低价格？
 *  这些手机每月的销售情况如何？

实现这些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

### 总结： ###

![在这里插入图片描述][191c3c1279ab4acc9be3499aed0bb35f.png]

## 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 ###

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：

![在这里插入图片描述][ecfb71cb31bb483890885d987f229173.png]

### (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：

![在这里插入图片描述][290c02d6fdcb4331a7c0fd2a0a723107.png]

### (4)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stats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：  
![在这里插入图片描述][547aaac52b224e278bf7d1749f78e808.png]

### (5)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：

![在这里插入图片描述][b3460235b6a44e31ba58682b45f33c09.png]

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：

![在这里插入图片描述][61b72e87c91649c38eb95c1f29d85d02.png]

### (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`：

![在这里插入图片描述][777926de84744ab2ade51794070aa56f.png]

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。

`如何得知搜索结果中包含哪些品牌？如何得知搜索结果中包含哪些城市？`

`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：

请求**参数与搜索文档的参数完全一致**。

![在这里插入图片描述][d0ec456619b3462684646cb505c6b7a6.png]

返回值类型就是页面要展示的最终结果：  
![在这里插入图片描述][aea04d41db6c4b888784eb9e36673b8b.png]

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<String, List<String>>`

代码：

@PostMapping("filters")
        public Map<String, List<String>> 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：

Map<String, List<String>> filters(RequestParams params);

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

@Override
    public Map<String, List<String>> 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<String, List<String>> result = new HashMap<>();
            Aggregations aggregations = response.getAggregations();
            // 4.1.根据品牌名称，获取品牌结果
            List<String> brandList = getAggByName(aggregations, "brandAgg");
            result.put("品牌", brandList);
            // 4.2.根据品牌名称，获取品牌结果
            List<String> cityList = getAggByName(aggregations, "cityAgg");
            result.put("城市", cityList);
            // 4.3.根据品牌名称，获取品牌结果
            List<String> 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<String> 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<? extends Terms.Bucket> buckets = brandTerms.getBuckets();
        // 4.3.遍历
        List<String> brandList = new ArrayList<>();
        for (Terms.Bucket bucket : buckets) {
        
            // 4.4.获取key
            String key = bucket.getKeyAsString();
            brandList.add(key);
        }
        return brandList;
    }

# 2.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：

![在这里插入图片描述][3ccf6ae3f7524872b9cedf972878c80d.png]

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

![在这里插入图片描述][4244700fa9e34e848b3ca32a8489f685.png]

课前资料中也提供了拼音分词器的安装包：

![在这里插入图片描述][2a1959204a8841e2a2f46ea554d376a9.png]

安装方式与IK分词器一样，分三步：

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。

测试用法如下：

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

结果：  
![在这里插入图片描述][29a2f2dc7d4649cc9a62755aab795f96.png]

## 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：

![在这里插入图片描述][6649d2a89ec8442ca817ca9b23f85505.png]

声明自定义分词器的语法如下：

PUT /test
    {
        
      "settings": {
        
        "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：  
![在这里插入图片描述][502c8891d1424f18bb6382c469e04986.png]

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

## 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.  `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

### (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<String>`，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<String> 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);
            }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：

![在这里插入图片描述][aad51ac6753e4214b3264f87f079be5c.png]

### (4)自动补全查询的JavaAPI ###

之前我们学习了`自动补全查询的DSL`，而没有学习对应的`JavaAPI`，这里给出一个示例：

![在这里插入图片描述][6fd0fe9918af41b2b7e60cdcd12dc502.png]

而自动补全的结果也比较特殊，解析的代码如下：

![在这里插入图片描述][e6d3da1d0d434b28949fc2dc28ac0ecf.png]

### (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`：

![在这里插入图片描述][b951610211b14410b334228079c23350.png]

返回值是补全词条的集合，类型为`List<String>`

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<String> 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<String> getSuggestions(String prefix);

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

@Override
    public List<String> getSuggestions(String prefix) {
        
        try {
        
            // 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
            CompletionSuggestion suggestions = suggest.getSuggestion("suggestions");
            // 4.2.获取options
            List<CompletionSuggestion.Entry.Option> options = suggestions.getOptions();
            // 4.3.遍历
            List<String> 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);
        }
    }

# 3.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**。

![在这里插入图片描述][407015ecda8d45748c1ee2ceae4c47ec.png]

## 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`

![在这里插入图片描述][12f9f21208804b98bd8c63c99a56a743.png]

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

![在这里插入图片描述][a9f943cc9da740eda1ad9519b7eba21a.png]

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

![在这里插入图片描述][cda0047fddc94c1a8083eaa1fa37d052.png]

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：

*  导入课前资料提供的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 ###

导入课前资料提供的hotel-admin项目：

![在这里插入图片描述][10a3a553b21b4d7c9f7bc970333bc964.png]

运行后，访问 http://localhost:8099

![在这里插入图片描述][8bb446bfd6ab4c88b91e6b4dcf72de57.png]

其中包含了酒店的CRUD功能：

![在这里插入图片描述][f8a8299ff4fa4122b02fa4007b7ba2b6.png]

### (3)声明交换机、队列 ###

MQ结构如图：

![在这里插入图片描述][7aa5495a52a644f7b24d0710cbe042ce.png]

#### 1）引入依赖 ####

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

<dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-amqp</artifactId>
    </dependency>

#### 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`：

![在这里插入图片描述][05326e041c244f35969adb7eaee47a90.png]

### (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);
        }
    }

# 4.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。

![在这里插入图片描述][ac030a4e19064b0c97aba93e199c4a0d.png]

> 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：

![在这里插入图片描述][89329bcd7e3540d3bf5b23dee455d495.png]

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 ##

参考课前资料的文档：

![在这里插入图片描述][52a4438a81044fbf9b9ae8b211e37546.png]

其中的第四章节：

![在这里插入图片描述][fe79b11a18394c8fbdee30aae33a3677.png]

## 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`：

![在这里插入图片描述][ec17be2f72c24db5bd062a9adb14f90c.png]

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，但是内存要求第
 *  `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：

![在这里插入图片描述][27c9e3413e164b779e324edbe6b05460.png]

### (2)脑裂问题 ###

`脑裂`是`因为集群中的节点失联导致的`。

例如一个集群中，主节点与其它节点失联：

![在这里插入图片描述][db60c520ceb9408a9bae60954762e64b.png]

此时，node2和node3认为node1宕机，就会重新选主：

![在这里插入图片描述][26628cec7f5e40aea6ea75939682efb4.png]

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：

![在这里插入图片描述][3d806f19179f49848a8a0b4a9b33f27c.png]

`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：

![在这里插入图片描述][5bba4d24bba34aef94b57dcb9920d6ae.png]

![在这里插入图片描述][f730911d577948dc896aee1fb7acd077.png]

![在这里插入图片描述][a15789eba5f34f2092e77ec6ec1da4f5.png]

测试可以看到，三条数据分别在不同分片：

![在这里插入图片描述][25f9248e417a46429bf616c8c0905d97.png]

结果：

![在这里插入图片描述][f8d613b5611a4effa91ce69d06bb492b.png]

### (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`：

![在这里插入图片描述][bb0b8547bf954f89ac5322d9574e723b.png]

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：

![在这里插入图片描述][53a4f38622a945e3b4c4b4d569e0fd95.png]

解读：

*  1）新增一个id=1的文档
 *  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

## 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

![在这里插入图片描述][acc393c48d6842599c6d6df27c8ffeb8.png]

## 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：

![在这里插入图片描述][9c72f33bbff5422eaa9d26fb57fc8300.png]

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：

![在这里插入图片描述][28c60bd5c14d437c8b186f7a253de119.png]

宕机后的第一件事，需要重新选主，例如选中了node2：

![在这里插入图片描述][c38d6460814747bda33915615eb6ceeb.png]

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：

![在这里插入图片描述][3a7b61ec020e4b878d5ef7c67c4a4fdf.png]

[Link 1]: https://www.elastic.co/guide/en/elasticsearch/reference/current/search-aggregations.html
[191c3c1279ab4acc9be3499aed0bb35f.png]: https://img-blog.csdnimg.cn/191c3c1279ab4acc9be3499aed0bb35f.png
[ecfb71cb31bb483890885d987f229173.png]: https://img-blog.csdnimg.cn/ecfb71cb31bb483890885d987f229173.png
[290c02d6fdcb4331a7c0fd2a0a723107.png]: https://img-blog.csdnimg.cn/290c02d6fdcb4331a7c0fd2a0a723107.png
[547aaac52b224e278bf7d1749f78e808.png]: https://img-blog.csdnimg.cn/547aaac52b224e278bf7d1749f78e808.png
[b3460235b6a44e31ba58682b45f33c09.png]: https://img-blog.csdnimg.cn/b3460235b6a44e31ba58682b45f33c09.png
[61b72e87c91649c38eb95c1f29d85d02.png]: https://img-blog.csdnimg.cn/61b72e87c91649c38eb95c1f29d85d02.png
[777926de84744ab2ade51794070aa56f.png]: https://img-blog.csdnimg.cn/777926de84744ab2ade51794070aa56f.png
[d0ec456619b3462684646cb505c6b7a6.png]: https://img-blog.csdnimg.cn/d0ec456619b3462684646cb505c6b7a6.png
[aea04d41db6c4b888784eb9e36673b8b.png]: https://img-blog.csdnimg.cn/aea04d41db6c4b888784eb9e36673b8b.png
[3ccf6ae3f7524872b9cedf972878c80d.png]: https://img-blog.csdnimg.cn/3ccf6ae3f7524872b9cedf972878c80d.png
[4244700fa9e34e848b3ca32a8489f685.png]: https://img-blog.csdnimg.cn/4244700fa9e34e848b3ca32a8489f685.png
[2a1959204a8841e2a2f46ea554d376a9.png]: https://img-blog.csdnimg.cn/2a1959204a8841e2a2f46ea554d376a9.png
[29a2f2dc7d4649cc9a62755aab795f96.png]: https://img-blog.csdnimg.cn/29a2f2dc7d4649cc9a62755aab795f96.png
[6649d2a89ec8442ca817ca9b23f85505.png]: https://img-blog.csdnimg.cn/6649d2a89ec8442ca817ca9b23f85505.png
[502c8891d1424f18bb6382c469e04986.png]: https://img-blog.csdnimg.cn/502c8891d1424f18bb6382c469e04986.png
[Completion Suggester]: https://www.elastic.co/guide/en/elasticsearch/reference/7.6/search-suggesters.html
[aad51ac6753e4214b3264f87f079be5c.png]: https://img-blog.csdnimg.cn/aad51ac6753e4214b3264f87f079be5c.png
[6fd0fe9918af41b2b7e60cdcd12dc502.png]: https://img-blog.csdnimg.cn/6fd0fe9918af41b2b7e60cdcd12dc502.png
[e6d3da1d0d434b28949fc2dc28ac0ecf.png]: https://img-blog.csdnimg.cn/e6d3da1d0d434b28949fc2dc28ac0ecf.png
[b951610211b14410b334228079c23350.png]: https://img-blog.csdnimg.cn/b951610211b14410b334228079c23350.png
[407015ecda8d45748c1ee2ceae4c47ec.png]: https://img-blog.csdnimg.cn/407015ecda8d45748c1ee2ceae4c47ec.png
[12f9f21208804b98bd8c63c99a56a743.png]: https://img-blog.csdnimg.cn/12f9f21208804b98bd8c63c99a56a743.png
[a9f943cc9da740eda1ad9519b7eba21a.png]: https://img-blog.csdnimg.cn/a9f943cc9da740eda1ad9519b7eba21a.png
[cda0047fddc94c1a8083eaa1fa37d052.png]: https://img-blog.csdnimg.cn/cda0047fddc94c1a8083eaa1fa37d052.png
[10a3a553b21b4d7c9f7bc970333bc964.png]: https://img-blog.csdnimg.cn/10a3a553b21b4d7c9f7bc970333bc964.png
[8bb446bfd6ab4c88b91e6b4dcf72de57.png]: https://img-blog.csdnimg.cn/8bb446bfd6ab4c88b91e6b4dcf72de57.png
[f8a8299ff4fa4122b02fa4007b7ba2b6.png]: https://img-blog.csdnimg.cn/f8a8299ff4fa4122b02fa4007b7ba2b6.png
[7aa5495a52a644f7b24d0710cbe042ce.png]: https://img-blog.csdnimg.cn/7aa5495a52a644f7b24d0710cbe042ce.png
[05326e041c244f35969adb7eaee47a90.png]: https://img-blog.csdnimg.cn/05326e041c244f35969adb7eaee47a90.png
[ac030a4e19064b0c97aba93e199c4a0d.png]: https://img-blog.csdnimg.cn/ac030a4e19064b0c97aba93e199c4a0d.png
[89329bcd7e3540d3bf5b23dee455d495.png]: https://img-blog.csdnimg.cn/89329bcd7e3540d3bf5b23dee455d495.png
[52a4438a81044fbf9b9ae8b211e37546.png]: https://img-blog.csdnimg.cn/52a4438a81044fbf9b9ae8b211e37546.png
[fe79b11a18394c8fbdee30aae33a3677.png]: https://img-blog.csdnimg.cn/fe79b11a18394c8fbdee30aae33a3677.png
[ec17be2f72c24db5bd062a9adb14f90c.png]: https://img-blog.csdnimg.cn/ec17be2f72c24db5bd062a9adb14f90c.png
[27c9e3413e164b779e324edbe6b05460.png]: https://img-blog.csdnimg.cn/27c9e3413e164b779e324edbe6b05460.png
[db60c520ceb9408a9bae60954762e64b.png]: https://img-blog.csdnimg.cn/db60c520ceb9408a9bae60954762e64b.png
[26628cec7f5e40aea6ea75939682efb4.png]: https://img-blog.csdnimg.cn/26628cec7f5e40aea6ea75939682efb4.png
[3d806f19179f49848a8a0b4a9b33f27c.png]: https://img-blog.csdnimg.cn/3d806f19179f49848a8a0b4a9b33f27c.png
[5bba4d24bba34aef94b57dcb9920d6ae.png]: https://img-blog.csdnimg.cn/5bba4d24bba34aef94b57dcb9920d6ae.png
[f730911d577948dc896aee1fb7acd077.png]: https://img-blog.csdnimg.cn/f730911d577948dc896aee1fb7acd077.png
[a15789eba5f34f2092e77ec6ec1da4f5.png]: https://img-blog.csdnimg.cn/a15789eba5f34f2092e77ec6ec1da4f5.png
[25f9248e417a46429bf616c8c0905d97.png]: https://img-blog.csdnimg.cn/25f9248e417a46429bf616c8c0905d97.png
[f8d613b5611a4effa91ce69d06bb492b.png]: https://img-blog.csdnimg.cn/f8d613b5611a4effa91ce69d06bb492b.png
[bb0b8547bf954f89ac5322d9574e723b.png]: https://img-blog.csdnimg.cn/bb0b8547bf954f89ac5322d9574e723b.png
[53a4f38622a945e3b4c4b4d569e0fd95.png]: https://img-blog.csdnimg.cn/53a4f38622a945e3b4c4b4d569e0fd95.png
[acc393c48d6842599c6d6df27c8ffeb8.png]: https://img-blog.csdnimg.cn/acc393c48d6842599c6d6df27c8ffeb8.png
[9c72f33bbff5422eaa9d26fb57fc8300.png]: https://img-blog.csdnimg.cn/9c72f33bbff5422eaa9d26fb57fc8300.png
[28c60bd5c14d437c8b186f7a253de119.png]: https://img-blog.csdnimg.cn/28c60bd5c14d437c8b186f7a253de119.png
[c38d6460814747bda33915615eb6ceeb.png]: https://img-blog.csdnimg.cn/c38d6460814747bda33915615eb6ceeb.png
[3a7b61ec020e4b878d5ef7c67c4a4fdf.png]: https://img-blog.csdnimg.cn/3a7b61ec020e4b878d5ef7c67c4a4fdf.png