在线文档：http://doc.yc-l.com/#/README
在线演示地址：http://yc.yc-l.com/#/login
源码github：https://github.com/yc-l/yc.boilerplate
源码gitee：https://gitee.com/yc-power/yc.boilerplate
视频教程：
元磁之力框架开源初心和框架设计介绍（上）： https://www.bilibili.com/video/BV1VM4y1G7hC/
元磁之力框架开源初心和框架设计介绍（下）： https://www.bilibili.com/video/BV15h411s7w6/
元磁之力框架数据库表和代码生成使用教程实战： https://www.bilibili.com/video/BV1oM4y137D5/
QQ群：1060819005
后续：关于框架demo和细节技巧，会在QQ群中发布，就不撰文说明。
大数据套件 ElasticSearch
简介
为了提升YC.Boilerlate 在大数据量的处理能力，引入ES组件，封装对应的模块、实现租户拆分、仓储、集群、大数据上亿级别以上数据的检索、统计、分析，并提供千万级别分词搜索等演示示例。
ES基础介绍
Elasticsearch 是一个分布式、RESTful 风格的搜索和数据分析引擎，是PB级别大数据解决方案组件之一。
Elasticsearch是基于Lucense的搜索服务器，，基于RESTful web接口。Elasticsearch是Java语言开发的，并作为Apache许可条款下的开放源码发布，是一种流行的企业级搜索引擎。Elasticsearch用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。
ES解决什么问题
对海量数据进行近实时的处理
ES自动可以将海量数据分散到多台服务器上去存储和检索，通过内置搜索引擎、分词、实现
千万级别数据秒级查询、统计、分析等，相对传统关系型数据库的模糊查询在速度有着质的飞跃。
ES 适用场景
-
维基百科，类似百度百科，牙膏，牙膏的维基百科，全文检索，高亮，搜索推荐
-
The Guardian（国外新闻网站），类似搜狐新闻，用户行为日志（点击，浏览，收藏，评论）+社交网络数据（对某某新闻的相关看法），数据分析，给到每篇新闻文章的作者，让他知道他的文章的公众反馈（好，坏，热门，垃圾，鄙视，崇拜）
-
Stack Overflow（国外的程序异常讨论论坛），IT问题，程序的报错，提交上去，有人会跟你讨论和回答，全文检索，搜索相关问题和答案，程序报错了，就会将报错信息粘贴到里面去，搜索有没有对应的答案
-
GitHub（开源代码管理），搜索上千亿行代码
-
电商网站，检索商品
-
日志数据分析，logstash采集日志，ES进行复杂的数据分析（ELK技术，elasticsearch+logstash+kibana）
-
商品价格监控网站，用户设定某商品的价格阈值，当低于该阈值的时候，发送通知消息给用户，比如说订阅牙膏的监控，如果高露洁牙膏的家庭套装低于50块钱，就通知我，我就去买
-
BI系统，商业智能，Business Intelligence。比如说有个大型商场集团，BI，分析一下某某区域最近3年的用户消费金额的趋势以及用户群体的组成构成，产出相关的数张报表，**区，最近3年，每年消费金额呈现100%的增长，而且用户群体85%是高级白领，开一个新商场。ES执行数据分析和挖掘，Kibana进行数据可视化国内
-
国内：站内搜索（电商，招聘，门户，等等），IT系统搜索（OA，CRM，ERP，等等），数据分析（ES热门的一个使用场景）
ES 常用组合
-
ELK ：Elasticsearch是与名为Logstash的数据收集和日志解析引擎以及名为Kibana的分析和可视化平台一起开发的。这三个产品被设计成一个集成解决方案。
Elasticsearch可以用于搜索各种文档。它提供可扩展的搜索，具有接近实时的搜索，并支持多租户。Elasticsearch是分布式的，这意味着索引可以被分成分片，每个分片可以有0个或多个副本。每个节点托管一个或多个分片，并充当协调器将操作委托给正确的分片。再平衡和路由是自动完成的。相关数据通常存储在同一个索引中，该索引由一个或多个主分片和零个或多个复制分片组成。一旦创建了索引，就不能更改主分片的数量。 -
阿里巴巴开发的canal：基于Mysql的binlog日志订阅：binlog日志是Mysql用来记录数据实时的变化。这里主要的是binlog同步组件，目前实现的有国内的。
github地址：https://github.com/alibaba/canal -
go-mysql-elasticsearch：go-mysql-elasticsearch是一款使用go语言开发的同步数据到ES的工具。 go-mysql-elasticsearch也是基于Mysql的binlog订阅，也可以使用使用mysqldump的方式。目前还不支持ES6.x及以上的版本，也不支持mysql8.x版本，同时该项目目前还不够稳定，也在开发中。
项目github地址：https://github.com/siddontang/go-mysql-elasticsearch
ES 和常规关系型数据库差异
ES中有几个基本概念：索引(index)、类型(type)、文档(document)、映射(mapping)等。我们将这几个概念与传统的关系型数据库中的库、表、行、列等概念进行对比，如下表：
常规问题
-
内存:es 的默认配置在常规服务器上大部分都有内存使用率的问题，需要根据实际情况合理调优。
-
版本：ES 每个版本配套组件有极强耦合，无法做到各个版本兼容，所以jdk、以及其他组件需要指定适配。
-
分词：es除了内置standard分词，还可以其他分词组件，对中文支持比较好的有：es-ik。
-
分片(shard): 因为 ES 是个分布式的搜索引擎, 所以索引通常都会分解成不同部分, 而这些分布在不同节点的数据就是分片. ES自动管理和组织分片, 并在必要的时候对分片数据进行再平衡分配, 所以用户基本上不用担心分片的处理细节.
-
副本(replica): ES 默认为一个索引创建 5 个主分片, 并分别为其创建一个副本分片. 也就是说每个索引都由 5 个主分片成本, 而每个主分片都相应的有一个 copy。对于分布式搜索引擎来说, 分片及副本的分配将是高可用及快速搜索响应的设计核心.主分片与副本都能处理查询请求，它们的唯一区别在于只有主分片才能处理索引请求.副本对搜索性能非常重要，同时用户也可在任何时候添加或删除副本。额外的副本能给带来更大的容量, 更高的呑吐能力及更强的故障恢复能力。
-
深度查询：在Elasticsearch中如果需要做分页查询，我们通常使用form和size实现。form指定从有序哪一行开始，size表示从当前开始读取多少行。但是我们发现查询结果最大只能到10000，这是因为Elasticsearch中的size的默认值在index.max_result_window 中设置，并且默认值就是10000，如果需要扩展，可以通过如下操作【扩大查询最大值】其中1000000是标识扩大为10万:
put /tenant_1_books/_settings
{
"index.max_result_window" :"1000000"
}
还可以采用searchAfer、scroll等方案。
YC.ElasticSearch 模块实战
集群部署
在本地或者服务器上搭建3个es节点，形成集群，针对elasticsearch.yml 进行节点配置，最后启动服务，并安装对应的kibana组件【可视化】。
配置
在项目的YC.ServiceWebApi 中的配置文件 DefaultConfig.json，做如下配置，其中node是对应的es节点。
"ElasticSearchSetting": {
///elasticSearch节点集群
"Nodes": [
{ "node": "http://127.0.0.1:9200" },
{ "node": "http://127.0.0.1:9201" },
{ "node": "http://127.0.0.1:9202" }
]
}
在项目的YC.ServiceWebApi 找到 ElasticSearchAutofacModule.cs 该文件是相关的IOC 注入配置，在Startup.cs中进行如下注入操作：
// elasticSearch 注入
builder.RegisterModule(new ElasticSearchAutofacModule());
ES 模块调用
在示例演示 BookAppService 中可以直接使用对应的注入调用es组件。
private IElasticSearchRepository<Book> _elasticSearchRepository;
public BookAppService(
IHttpContextAccessor httpContextAccessor, ICacheManager cacheManager, IMapper mapper, IElasticSearchRepository<Book> elasticSearchRepository) : base(httpContextAccessor, cacheManager)
{
_cacheManager = cacheManager;
_mapper = mapper;
_elasticSearchRepository = elasticSearchRepository;
}
/// <summary>
/// 查查默认1页10条
/// </summary>
/// <returns>返回数据集合</returns>
public async Task<ApiResult<List<BookAddOrEditDto>>> GetAllAsync()
{
var res = new ApiResult<List<BookAddOrEditDto>>();
var data = await _elasticSearchRepository.GetAllAsync();
var entityDtoList = _mapper.Map<List<BookAddOrEditDto>>(data);
return res.Ok(entityDtoList);
}
YC.ElasticSearch 模块介绍
模块包含有请求上下文、以及默认仓储，其中仓储封装了常规crud、聚合查询、searchAfter查询等常规操作异步方法，并在仓储上提供一个公开请求上下文对象，用于自定义化es操作,模块配套对应的单元测试，提供基础调用示例。
es 其他使用介绍
- 分片
使用 kibana 操作，对指定的Index进行分片
//创建表 对应的分片，需要表还没创建时候设置
put /tenant_1_books_0
{
"settings":{
"number_of_shards":2
}
}
- 数据结构修改和迁移
//创建新的索引数据库，并指定字段映射类型，tenant_1_books_0 中的bookName 类型改为keyword
PUT tenant_1_books_0
{
"mappings": {
"properties": {
"bookName":{
"type":"keyword"
}
}
}
}
//迁移数据,将tenant_1_books 数据迁移到tenant_1_books_1
POST _reindex
{
"source": {
"index": "tenant_1_books"
},
"dest": {
"index": "tenant_1_books_1"
}
}
- 分页查询
//查看tenant_1_books所有数据【默认会分页】
GET tenant_1_books/_search
{
"track_total_hits": true,
"query": {
"match_all": {}
}
}
//深度分页方案1 扩大分页限制
//允许深度分页，限制在10w
put /tenant_1_books/_settings
{
"index.max_result_window" :"1000000"
}
//查询数据 分页，track_total_hits=真实的总数
GET tenant_1_books/_search
{
"track_total_hits": true,
"from" : 99000, "size" : 100,
"query": {
"match_all": {}
}
}
结果如下：
- 深度查询 searchAfter
配套的net单元测试代码如下：
/// <summary>
/// 深度分页查询 searchAfter
/// </summary>
/// <returns></returns>
[Fact]
public async Task GetPageByQuerySearchAfterTest()
{
int size = 100;
// "bookName" : {
//"type" : "keyword"
//},
//1、BookName 修改为keyword 所有必须完整匹配，不分词
Func<QueryContainerDescriptor<Book>, QueryContainer> query1 = q => q.Term(t => t.BookName, "吞噬星空");
Func<QueryContainerDescriptor<Book>, QueryContainer> query2 = q => q.Match(mq =>
mq.Field(f => f.BookName).Query("哈利波特").Operator(Operator.And)
);//由于类型为 keyword，所以Match 查找不出来，只能使用Term 精确查询
//2.全字匹配+ 分词查询
Func<QueryContainerDescriptor<Book>, QueryContainer> query3 = q => q
.Term(t => t.BookName, "吞噬星空")
|| q.Match(mq =>
mq.Field(f => f.BookContent).Query("哈利波特").Operator(Operator.And)
);
//排序
Func<SortDescriptor<Book>, IPromise<IList<ISort>>> sort = s => s.Ascending(a => a.CreateDate).Descending(d=>d.Price);
var result1=await _elasticSearchRepository.GetPageByQuerySearchAfterAsync(query3, sort, 100, null);
//使用上一次查询得到SearchAfter 作为下一次查询的游标
var result2 = await _elasticSearchRepository.GetPageByQuerySearchAfterAsync(query3, sort, 100, result1.SearchAfter);
Assert.NotNull(result2.List);
}
- scroll 查询
//深度分页方案3 scroll，者每次查询大量的文档，但是对实时性要求并不高，
//后面的每次滚屏（或者叫翻页）都是基于这个快照的结果，也就是即使有新的数据进来也不会别查询到。
//1. 查询
POST tenant_1_books/_search?scroll=1m
{
"size": 1000,
"query": {
"match_all" : {
}
}
}
//2. 上一次查询所得到结果，作为游标
POST _search/scroll
{
"scroll" : "1m",
"scroll_id" : "FGluY2x1ZGVfY29udGV4dF91dWlkDXF1ZXJ5QW5kRmV0Y2gBFmJpVWRZVWQ3UkItejk2UUx5bC15bFEAAAAAAAMv2xZyZURRWkowelF6S0NnRjMzWjhfQTh3"
}
- 聚合查询
//聚合获取该字段的所有统计
get /tenant_1_books/_search
{
"aggs":{
"extended_stats_price":{"extended_stats":{"field":"price"}}
}
}
//聚合 总和统计
get /tenant_1_books/_search
{
"aggs":{
"total_price":{"sum":{"field":"price"}}
}
}
YC.ElasticSearch 大数据检索示例
在http://yc.yc-l.com/ 演示站点中，默认使用租户1 作为es 检索演示，内置1000多万条测试数据，通过 书名、书内容关键词、发布时间范围等可进行查询， 价格 查询在演示站点中关闭了,无法查询，请注意。
备注：演示站点默认使用10000条数据查询上限边界。
