SpringCloud笔记

2023年最新笔记，全文约 3 万字，蕴含 Spring Cloud 常用组件 Nacos、OpenFeign、Seata、Sentinel 等

〇、简介

1. 什么是Spring Cloud？

   ​ Spring Cloud是一系列框架的有序集合，是一种基于微服务的分布式架构技术。它利用 Spring Boot 的开发便利性巧妙地简化了分布式系统基础设施的开发，如服务发现注册、配置中心、消息总线、负载均衡、断路器、数据监控等，都可以用 Spring Boot 的开发风格做到一键启动和部署，从而提供了良好的开箱即用体验。

2. 主流的架构方式：

   • 单体架构：架构简单、部署成本低，耦合度高。
   • 分布式架构：架构复杂、部署成本高，耦合度低。

3. 微服务架构特征：

   总体方向：高内聚、低耦合

   • 单一职责：微服务拆分粒度小，每个服务对应单一业务功能。
   • 面向服务：对外暴露业务接口。
   • 自治：团队独立、技术独立、数据独立、部署独立。
   • 隔离性强：提升容错性、避免出现级联故障。

4. 常见微服务技术对比：

   • 阿里 Dubbo
   • Spring Cloud（第一代）
   • Spring Cloud Alibaba（第二代）

   

   

5. Spring Cloud 版本说明

大版本说明：

• 2020 年之前：按照“伦敦地铁”命名，从 A 到 H。
• 2020 年之后：按年份命名。

小版本说明：

其余版本信息说明

• snapshot： 快照
• pre：预览版本
• alpha ： 内测
• beta ： 公测
• release ： 稳定版本
• GA： General Availability，发行版，即最稳定的版本
• Final ： 正式版
• Pro(professional) ： 专业版
• Plus： 加强版
• Retail ： 零售版
• DEMO ： 演示版
• Build ： 内部标号
• Corporation或Enterpraise 企业版
• M1 M2 M3 ： M是milestone的简写 里程碑的意思
• RC 版本RC:(Release Candidate)，几乎就不会加入新的功能了，而主要着重于除错
• SR ： 修正版
• Trial ： 试用版
• Shareware ： 共享版
• Full ： 完全版

6. Spring Cloud 与 Spring Boot 的选型必须严格按照官方给出的建议去对应，我们可以通过官网或者详情链接https://start.spring.io/actuator/info查看最新推荐的版本对应关系：

7. 【其他注意点】：

   • 微服务之间的联系通过暴露接口实现，比如HTTP协议或者Dubbo协议。
   • 每个微服务都应该有专属的独立数据库，并且每个微服务只能访问自己的数据库，严禁访问别人的微服务数据库（避免重复开发原则）。

8. 构建 Spring Cloud 父工程

   创建 Maven 项目，选择一个较为简单的架构模式（方便后面删除）

将父工程中除了.pom文件的其余文件全部删除

在父工程的pom 文件中修改或新增pom，代表这是父工程，其他工程项目可继承于它。

<packaging>pom</packaging>

粘贴下列pom配置：

• ：只声明依赖，不实现引入，子项目需要显示声明使用的依赖
• 作用：子项目在声明时可以不用带上版本号，如果子版本中也配置了版本号，则以子版本标明的为主。
• 注意 Spring Boot 与 Spring Cloud 之间的版本对应关系

<parent>    <groupId>org.springframework.boot</groupId>    <artifactId>spring-boot-starter-parent</artifactId>    <version>2.3.9.RELEASE</version>    <relativePath/></parent><dependencies>    <dependency>        <groupId>org.projectlombok</groupId>        <artifactId>lombok</artifactId>    </dependency></dependencies><properties>    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>    <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>    <java.version>1.8</java.version>    <spring-cloud.version>Hoxton.SR8</spring-cloud.version>    <mysql.version>5.1.47</mysql.version>    <mybatis.version>2.1.1</mybatis.version></properties><dependencyManagement>    <dependencies>                <dependency>            <groupId>org.springframework.cloud</groupId>            <artifactId>spring-cloud-dependencies</artifactId>            <version>${spring-cloud.version}</version>            <type>pom</type>            <scope>import</scope>        </dependency>                <dependency>            <groupId>com.alibaba.cloud</groupId>            <artifactId>spring-cloud-alibaba-dependencies</artifactId>            <version>2.2.5.RELEASE</version>            <type>pom</type>            <scope>import</scope>        </dependency>                <dependency>            <groupId>mysql</groupId>            <artifactId>mysql-connector-java</artifactId>            <version>${mysql.version}</version>        </dependency>                <dependency>            <groupId>org.mybatis.spring.boot</groupId>            <artifactId>mybatis-spring-boot-starter</artifactId>            <version>${mybatis.version}</version>        </dependency>    </dependencies></dependencyManagement>

9. 构建 Spring Cloud 子工程

   • 方式一：构建初始 Maven 项目（module），后面内容缓慢补充（改 pom、写 yml、编写主启动类、编写业务类）
   • 方式二：构建 Spring Initializr 项目（module），后面改写 pom 文件使形成 Maven 继承关系即可。个人偏向于这种方式。

10. 父类显式声明子类，子类标明继承自父类

<modules>  <module>子类1</module>  <module>子类2</module></modules>

<parent>    <artifactId>springcloud_test</artifactId>    <groupId>org.example</groupId>    <version>1.0-SNAPSHOT</version></parent>

11. 【强制性】凡是微服务，一般都需要有端口号与名称（程序名称将作为服务Id ，用于与其他服务分辨）

    server:  port: 8001spring:  application:    name: payment8001

12. 返回结果定义（通常结构）

    • 数值类型code码，表示状态
    • 消息类型message：例如 success，error 等
    • 消息实体 data，即数据

    @Data@AllArgsConstructor@NoArgsConstructorpublic class CommonResult<T> {    private Integer code;    private String message;    private T data; }

13. RestTemplate类简介：

    RestTemplate 是 Spring 提供的用于访问 Restful 风格服务的客户端模版工具集，其提供了多种便捷访问远程 Http 服务的方法，作用类似 Java 原生的 HttpClient 。

14. Spring Cloud 初体验：

    服务之间通过暴露接口、HTTP 请求实现沟通。

    自行配置Spring对象 RestTemplate 并注入，发送 GET 与 POST 请求使用 .getForObject()、.postForObject()

    @Configurationpublic class CommonConfig {    @Bean    RestTemplate getRsetTemplate(){        return new RestTemplate();    }}

一、Eureka

NetFlix Eureka，注册中心

1. 简介：

   • Spring Cloud 使用 Eureka 来充当第一代注册中心，其类似于【发布者】-【订阅者】模型。

2. Eureka 拥有 3 个角色

   • Eureka Server：服务端。注册中心，提供记录服务信息（业务功能、健康状况等）、心跳监控等。
   • Eureka Client：客户端。用于简化与 Eureka Server 的交互
     • Provider：服务提供者，会将自己的信息注册到 Eureka Server 并每隔 30s 发送一次心跳包。
     • consumer：服务消费者，根据所需从 Eureka Server 中拉取服务列表，并根据负载均衡策略对其中一个微服务发起远程调用。

   

3. Eureka 实现原理

   • 微服务启动时，会通过 Eureka Client 向 Eureka Server 进行注册自己的信息，而 Eureka Server 会存储该服务的信息。
   • 微服务启动后，会周期性地向 Eureka Server 发送心跳（即自身信息，默认周期为30秒），如果Eureka Server在一定时间内没有接收到某个微服务节点的心跳，则会注销该微服务节点（默认90秒）。
   • 每个 Eureka Server 同时也是 Eureka Client ，多个Eureka Server之间通过复制的方式完成服务注册表的同步。
   • Eureka Client 会缓存 Eureka Server 中的信息。即使所有的 Eureka Server 节点宕机，服务消费者依然可以使用缓存中的信息找到服务提供者。

4. 简单实现（单机版）

   • pom 导包（分为 server 与 client 包，部分Spring版本 parent 中无 Eureka 信息，需手动指定版本）
   • 服务端主配置上开启@EnableEurekaServer。
   • yaml 配置 Eureka 信息（注意也要配置 Spring 程序名称）

   【服务端】：服务端一般不需要将自己注册成微服务

   <dependency>    <groupId>org.springframework.cloud</groupId>    <artifactId>spring-cloud-starter-netflix-eureka-server</artifactId></dependency>

   @EnableEurekaServer

   server:  port: 10086spring:  application:    name: MyServereureka:  client:    service-url:      defaultZone: http://127.0.0.1:10086/eureka      # 不向 eureka server 注册自己与获取服务列表      register-with-eureka: false      fetch-registry: false 

   【客户端】

   <dependency>    <groupId>org.springframework.cloud</groupId>    <artifactId>spring-cloud-starter-netflix-eureka-client</artifactId></dependency>

   spring:  application:    name: user_serviceeureka:  client:    service-url:      defaultZone: http://127.0.0.1:10086/eureka

   ​ 利用 RestTemplate 向其他微服务发送请求。在编写 URL 路径时，通过指定其他微服务的应用名即spring.application.name来调用其服务（如http://userservice/），注册中心将充当 DNS 为各微服务提供解析服务，从而使我们不用像之前一样编写 IP 或域名硬编码的形式（如http://127.0.0.1:8080/）。

   // 子微服务使用其他微服务，并实现负载均衡@Bean@LoadBalancedpublic RestTemplate rest() {    return new RestTemplate();}

   String  url="http://userservice/user/"+order.getUserId();

二、Ribbon

NetFlix Ribbon，负载均衡

1. 简介：

   • Ribbon 实现了客户端负载均衡，主要结合 Eureka 用于服务注册及发现。
   • 传统的服务端负载均衡诸如 Nginx 需要单独部署额外的服务（成本增加），而 Ribbon 结合 Eureka 可以直接在客户端实现负载均衡。
   • Ribbon拥有多种负载均衡模式，与 nginx 类似。

   

2. Ribbon 默认使用【轮询算法】

   下面是 Ribbon 中实现的各种算法简介，IRule是顶层接口，下面是具体的实现类。

   

   

3. 简单实现：

   ​ 由于 Ribbon 与 Eureka 都是由 NetFlix 公司开发，且 Ribbon 常用于与 Eureka 组合实现负载均衡，所以当我们引入 spring-cloud-starter-eureka 依赖时也会默认引入 Ribbon 依赖，无需重复引入。

   <dependency>    <groupId>org.springframework.cloud</groupId>    <artifactId>spring-cloud-starter-netflix-eureka-server</artifactId></dependency>

我们要做的只是通过简单配置更改 Ribbon 的【负载均衡】模式，有 2 种办法：

• 全局生效：因为 Ribbon 的所有模式都基于IRule接口，所以可以通过改变其注入的 Bean 实现。

  @Beanpublic IRule randomRule(){  // 随机模式  return new RandomRule();}

• 局部生效：仅对所调用的某微服务生效

  某微服务名称:ribbon:NFLoadBalancerRuLeClassName: com.netfLix.Loadbalancer.RandomRule

  微服务名称即：所要调用的微服务名称

  

另外，由于 Ribbon 默认采用**【懒汉模式】，即第一次请求链接时才会获取“可用的微服务列表”，这将造成一定的体验损耗，我们可以将其更改成【饿汉模式】**。

ribbon:eager-load:enable: true# 客户端在启动时，就会去请求这些名称的“微服务表”clients:- userservice- vipservice

三、Nacos

阿里 Nacos，Eureka的替代品

注册中心（服务发现中心）、配置管理。

0、简介

1. Nacos /nɑ:kəʊs/ ，Dynamic Naming and Configuration Service（动态域名命名和配置服务）首字母简称，一个更易于构建云原生应用的动态服务发现、配置管理和服务管理平台，Nacos 致力于发现、配置和管理微服务。

2. Nacos 使用 Java 编写，如果本地 JDK 环境配置不对，会出现一系列不明所以的报错。

3. Nacos是一个内部微服务组件，需要在可信的内部网络中运行，并非面向公网环境的产品，不可暴露在公网环境，强烈不建议部署在公共网络环境。Nacos提供了简单的鉴权实现，是为防止业务错用的弱鉴权体系，而不是防止恶意攻击的强鉴权体系。

4. Nacos 架构

   • Namespace：命名空间，默认空串代表公共命名空间public。
   • Group：分组，默认为DEFAULT_GROUP，作项目区分，用来区分相同开发环境下的不同项目（如测试环境下的电商项目、测试环境下的培训机构项目）
   • Service：服务，提供具体服务（如登录服务、验证码服务等）。
   • Cluster：集群，如上海集群，杭州集群。

   例如在某命名空间下（如测试环境的命名空间），有众多分组（项目），每个项目又有一些服务（服务可以说是最小可用单位），服务又会归属于不同集群（提升可用性与性能）。

5. 整合 Spring Cloud 配置说明：

   • discovery ：服务发现中心
   • config：配置中心

6. 当 Nacos 没有整合 OpenFeign 时，默认使用的是 RestTemplate ，此时如果需要实现“负载均衡”策略，则：

   @LoadBalanced@Beanpublic RestTemplate restTemplate() {    return new RestTemplate();}

   负载均衡方式默认为轮询

1、安装

1. 简介：

   • Nacos 已经被封装成 jar 包，我们配置好基本要求，直接运行 jar 包即可。
   • 在程序运行之后，其余配置只能在网页端的控制面板修改，不能在代码中修改。

2. 手动模式：

   • GitHub下载

   • 解压并启动（此处为单机模式）

     • 单机模式

     • 集群模式

   # 单击模式启动./startup.sh -m standalone# 关闭./shutdown.sh

3. Docker模式

   未挂载配置目录与日志目录

   docker run \--name myNacos \-e MODE=standalone \--env NACOS_AUTH_ENABLE=true \-p 8848:8848 \-d \nacos/nacos-server

   挂载已有的配置目录与日志目录：提前将 Nacos/conf/目录文件拷贝至/tmp/nacos/conf/

   docker run \--name myNacos \-e MODE=standalone \--env NACOS_AUTH_ENABLE=true \-v /tmp/nacos/conf/:/home/nacos/conf/ \-v /tmp/nacos/logs/:/home/nacos/logs/ \-p 8848:8848 \-d \nacos/nacos-server

   挂载新的的配置目录与日志目录：

   docker run \--name myNacos \-e MODE=standalone \--env NACOS_AUTH_ENABLE=true \-v nacosConf:/home/nacos/conf/ \-v nacosLogs:/home/nacos/logs/ \-p 8848:8848 \-d \nacos/nacos-server

   docker inspect mq | grep volume

4. 开启服务器鉴权

   按照官方文档配置启动，默认是不需要登录的，这样会导致配置中心对外直接暴露。而启用鉴权之后，需要在使用用户名和密码登录之后，才能正常使用nacos。（所以 Nacos 才推荐不要把自身放在“外网”中）

   配置/conf/application.properties文件

   nacos.core.auth.enabled=true

   如此一来，Client 端便需要配置 nacos 的账号密码才能登录。

   **注意：**鉴权开关是修改之后立马生效的，不需要重启服务端。

5. 安装之后

   • 可以通过查看/logs/start.out日志来查看启动详情。
   • 访问http://127.0.0.1:8848/nacos登录 Nacos，默认账号密码均为 nacos。

6. Spring项目引入 Nacos 依赖

   父工程（这是必备的）

   <dependency>    <groupId>com.alibaba.cloud</groupId>    <artifactId>spring-cloud-alibaba-dependencies</artifactId>    <version>2.2.5.RELEASE</version>    <type>pom</type>    <scope>import</scope></dependency>

   子工程

   <dependency>    <groupId>com.alibaba.cloud</groupId>    <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId></dependency>

7. 配置 Nacos 地址

   在未开启“鉴权模式”时，可以不配置username与password

   spring:  cloud:    nacos:      server-addr: localhost:8848      username: nacos      password: nacos

8. **注意：**Nacos 包不可与 Eureka 包同时导入同一工程，否则产生冲突Bean multiple。

2、命名空间

​ 命名空间使实例之间【相互隔离】，看不到彼此，这可以用作正式环境与测试环境的区分。当 Nacos 启动时会默认使用全局唯一命名空间public。

步骤：

• 新建命名空间（此处自动使用 UUID 当作“主键id”）
• 实例 yml 文件配置命名空间（使用生成的主键 id ）

spring:cloud:    nacos:      server-addr: http://localhost:8848      discovery:        cluster-name: HZ        namespace: 53a68426-7e6c-4e09-83e3-57a87f116980# 声明命名空间

3、服务分级模型

服务分级模型在相同“命名空间”的前提下，Nacos 利用服务分级存储模型来提高【容灾率】，例如：

• 总体服务
  • 集群（如上海、杭州）
    • 实例

集群默认为DEFAULT_GROUP，更改如下：

spring:  cloud:    nacos:      server-addr: localhost:8848      discovery:        cluster-name: HZ  # 例如：HZ代表杭州、SH表示上海

• 一个集群就相当于一个小型完善的“生态系统”。
• 在开启集群设置后，我们应该将**【负载均衡策略】修改为【优先使用本地集群】（如果本地集群全部失效，程序会自动转向其他集群发起请求），随后 Nacos 就会再在本地集群选择【随机选取】**的方式进行实例的选择（注意这里不是轮询）。

某微服务名称:  ribbon:    NFLoadBalancerRuLeClassName: com.alibaba.cloud.ribbon.NacosRule

4、服务权重

​ Nacos可以通过【网页控制台】为实例设置权重，范围从0~1，值越大越容易被访问，设置为0则完全不会被访问，这可以用作“灰度升级”。

​ 注意：必须是相同集群下拥有多个相同实例时，才可配置权重。

5、服务监测

监测实例的健康状态

Nacos拥有临时监测（被动）、非临时监测（主动）

Eureka只有临时监测

1. 临时监测（默认、被动检测）：

   • 发送心跳包。
   • 客户端心跳上报Nacos实例健康状态，默认间隔5秒，Nacos在15秒内未收到该实例的心跳，则会设置为不健康状态，超过30秒则将实例移除。在被移除后如果又开始上报心跳，则会重新注册实例。
   • 运维只能通过检查实例数量来监测实例状态，但临时实例的设置本就是应对“流量突增”情况的。

2. 非临时监测（主动检测）

   • Nacos会定期 主动 发起请求询问实例的健康状态（不发送心跳包）
   • 在实例失效时也会主动 push 推送信息给服务消费者，及时更新数据。此时实例并不会被移除，依旧保留在服务列表，只是状态为false。
   • 主动询问的方式对服务器压力较大，它的好处是运维可以实时看到实例的健康状态，便于后续的警告、扩容等一些列措施。

3. 配置非临时检测：

   spriing:cloud:    nacos:      server-addr: http://localhost:8848      discovery:        cluster-name: HZ         namespace: 53a68426-7e6c-4e09-83e3-57a87f116980        # ephemeral，短暂的        ephemeral: fasle

4. 【非临时监测】的另外一个作用：设置保护阈值，防止产生服务雪崩效应

   Nacos中可以针对具体的实例设置一个保护阈值，值为0-1之间的浮点类型。本质上，保护阈值是⼀个⽐例值（当前服务健康实例数/当前服务总实例数）。

   ⼀般情况下（临时监测），服务消费者要从Nacos获取可用实例有健康/不健康状态之分。Nacos在返回实例时，只会返回健康实例。

   但在高并发、大流量场景会存在⼀定的问题。比如，服务A有100个实例，98个实例都处于不健康状态，如果Nacos只返回这两个健康实例的话，流量洪峰的到来可能会直接打垮这两个服务，进一步产生雪崩效应。保护阈值存在的意义在于当服务A健康实例数/总实例数 < 保护阈值时，说明健康的实例不多了，保护阈值会被触发（状态true）。

   Nacos会把该服务所有的实例信息（健康的+不健康的）全部提供给消费者，消费者可能访问到不健康的实例，请求失败，但这样也⽐造成雪崩要好。牺牲了⼀些请求（将请求分流到不健康的实例），保证了整个系统的可⽤。

   

6、配置管理

实现“统一配置”与“热更新”

1. 简介：

   使用 Nacos 可以实现实例的统一配置与配置热更新（即当配置被修改时，主动推送并实现热更新、不重启）

   应该将固定不变配置写入服务本身的application.yml，易于变化的配置则写入 Nacos 配置文件。

2. 应用 Nacos 统一配置流程图

   

   声明：一个服务如果以 nacos 作为配置中心，应该先拉取 nacos 中管理的配置，然后与本地的配置文件比如 application.yml 中的配置合并，最后作为项目的完整配置，启动项目。

   实现原理：Spring 中bootstrap.yml文件的启动优先级高于application.yml，我们可以将 Nacos 配置写入其中（注意单词有两个t）。

3. 【共同配置】

   在Nacos情境下，微服务在启动时会从 Nacos 读取2个配置文件，按优先级为：

   • 配置名称-环境.yaml：userservice-dev.yaml
   • 配置环境.yaml：userservice.yaml

   而且无论如何都会读取到第二个配置环境，所以我们可以将微服务相同的配置再放入第二种配置环境中。

4. 【统一配置】：

   • Nacos 中新建配置文件，命名规则：服务名称-环境.yaml，在其中编写易于变化的配置。
   • 微服务程序中引入nacos-config依赖。
   • 编写bootstrap.yml文件，这些配置决定了微程序会去读取哪一个Nacos配置文件。
     • Nacos地址
     • 服务名称
     • 当前环境
     • 文件后缀名

<dependency>    <groupId>com.alibaba.cloud</groupId>    <artifactId>spring-cloud-starter-alibaba-nacos-config</artifactId></dependency>

spring:  application:    name: userservice  profiles:    active: dev # 环境  cloud:    nacos:      server-addr: localhost:8848 # nacos地址      config:        file-extension: yaml # 文件后缀名      username: nacos      password: nacos      discovery:        ephemeral: false

6. **【热更新】**实现：

   在【统一配置】的基础上，代码中有两种方式可以实现热更新：

   • 方式一：@RefreshScope + @Value (${属性key})注解
   • 方式二：@ConfigurationProperties

   两种方式不存在优劣，只是在形式作用上有些许差别，如果只想绑定少量属性方式一、否则方式二。

   @RestController@RequestMapping("users")// 热更新@RefreshScopepublic class TestController {    @Value("${pattern.dataformat}")    String dataformat;    @GetMapping("/a")    String get(){        return dataformat;    }}

   @Data@Component@ConfigurationProperties(prefix = "pattern")public class CommonConfig {    String dataformat;}// 后面使用 @Autowired 注入使用

7、数据持久化

在这一步，小坑特别多

将官方内嵌的小型数据库Derby替换为MySQL

1. Nacos 默认将数据存储在内嵌数据库 Derby 中，该数据库不属于生产可用的数据库，官方推荐的最佳实践是使用带有主从的高可用数据库集群，例如MySQL（而且目前只支持 MySQL ）。

2. 简单实现（单机版，下节集群部署）：

   • 创建新的数据库，命名为：nacos（其实命名什么也无所谓，后面要用到）
   • 打开 Nacos 目录，在数据库 nacos 中运行数据库文件/conf/mysql-schema.sql建表。
   • 配置application.properties：打开配置文件，将注释解除、然后添加数据库信息。
   • 重启 Nacos：注意，在这一步时，我尝试数次都未能成功将 Nacos 重启，控制台各种报错信息，例如：namespaceControllerV2，然而真正的报错信息却隐藏在控制台末尾的一小行文字，最终发现是之前后台的 Nacos 进程未完全关闭（残留），完全关闭之后再次尝试重启，成功。

ps -ef |grep nacos

# 单机重启./startup.sh -m standalone

3. 其余注意点：

   1. 记得加数据库编号（从 0 开始），因为 Nacos 可集群部署。
   2. 配置信息不添加双引号！勿随意添加，都则报错“找不到数据源”No DataSource set。

8、集群配置

利用上节的数据持久化知识（ MySQL 数据库），将3 台 Nacos 绑定同步相同的数据源，便可以做到同时更新。

1. 架构图：部署 3 台 Nacos Server。

2. 实现步骤：

   • 新建数据库nacos，导入/conf/mysql-schema.sql。
   • 修改本地/conf/application.properties配置文件，添加数据库 MySQL 配置。
   • 将本地文件cluster.conf.example重命名为 cluster.conf，添加集群机器信息。
   • 将本地/conf/目录上传至服务器，复制 3 份/tmp/nacos/conf1、/tmp/nacos/conf2、/tmp/nacos/conf3 。
   • 修改 3 份配置文件端口，分别为：8845、8846、8847。
   • 启动，可以成功看到 3 个 Nacos 之间的数据互相同步。

   # 清理时用docker rm -f $(docker ps -a)

175.178.20.191:8845175.178.20.191:8846175.178.20.191:8847

cp -r /conf/ /tmp/nacos/conf1 /tmp/nacos/conf2 /tmp/nacos/conf3

docker run -d \--env NACOS_AUTH_ENABLE=true \-v /tmp/nacos/conf1/:/home/nacos/conf/ \-v /tmp/nacos/logs1/:/home/nacos/logs/ \-p 8845:8848 \--name nacos1 \nacos/nacos-server

docker run -d \--env NACOS_AUTH_ENABLE=true \-v /tmp/nacos/conf2/:/home/nacos/conf/ \-v /tmp/nacos/logs2/:/home/nacos/logs/ \-p 8846:8848 \--name nacos2 \nacos/nacos-server

docker run -d \--env NACOS_AUTH_ENABLE=true \-v /tmp/nacos/conf3/:/home/nacos/conf/ \-v /tmp/nacos/logs3/:/home/nacos/logs/ \-p 8847:8848 \--name nacos3 \nacos/nacos-server

结果：腾讯云 2G2核 同时开启 3 个 Nacos，2 个成功，第 3 个失败（CPU飙满），总体算部署成功。

9、权限控制

右菜单栏，步骤：

1. 用户管理：创建用户user
2. 角色管理：创建角色role，并绑定用户
3. 权限管理：赋于角色权限auth，包含对指定“命名空间”的可读写操作。

10、共享/扩展配置

共享配置 shared-configs

扩展配置 extension-config

1. 简介：

   ​ 日常开发中，多个模块可能会有很多共用的配置，比如数据库连接信息、Redis/RabbitMQ 连接信息、监控配置等等。那么此时我们就希望可以加载多个配置，或者多个项目共享同一个配置。

   • 扩展配置：微服务所依赖的其他微服务所需要的配置文件（“依赖链条”）
   • 共享配置：很多微服务共享的配置文件，例如日志打印、Swagger配置等。

   两者除了优先级不同之外没有其他任何区别，都⽀持三个属性，：

   • data-id
   • group：默认 DEFAULT_GROUP。
   • refresh: 在配置变更时，应用内是否支持动态刷新。

2. 简单范例：

spring:  application:    name: nacos-config-multi  main:    allow-bean-definition-overriding: true  cloud:    nacos:      username: ${nacos.username}      password: ${nacos.password}      config:        server-addr: ${nacos.server-addr}        namespace: ${nacos.namespace}        # 共享配置shared-configs:          - data-id: swagger-${spring.profiles.active}.yaml            group: xuecheng-plus-common            refresh: true          - data-id: logging-${spring.profiles.active}.yaml            group: xuecheng-plus-common            refresh: true        # 扩展配置，优先级大于shared-configs （在之后加载）        extension-configs:  - data-id: content-service-${spring.profiles.active}.yaml    group: eat-plus-project    refresh: true  - data-id: dataId    group: eat-plus-project    refresh: true

11、配置文件优先级

1. 基本思想：影响的范围越小，优先级越高。

   • 远端 > 本地

   • 带有profiles > 不带

   • 配置中心（远端） > 命令行参数 > 本地application.yaml > 本地bootstrap.yaml

2. 存在 3 种配置文件大类，优先级从上至下：

   • 远端

     • 服务名-环境.yaml
     • 服务名.yaml
     • 扩展配置.yaml
     • 共享配置.yaml

   • 命令行参数

   • 本地

     • application.properties
     • application.yaml
     • bootstrap.yaml

   bootstrap.yaml优于application.yaml执行，application.yaml优于application.properties执行，但是后执行的会覆盖前执行的配置，所以在本地越先执行的优先级越低。

四、OpenFeign

声明式的 Web HTTP 服务客户端，替代原生 RestTemplate

与 Nacos 组合使用时，Nacos提供“域名”的解析服务

1. 简介：

   OpenFeign是一个声明式的Web服务客户端，使得编写Web服务客户端变得非常容易，只需要创建一个接口，然后在上面添加注解，便可以通过接口来调用服务端的服务。

   OpenFeign 遵循 RPC 协议，即 Remote Procedure Call Protocol，远程调用协议。

   历史上存在过 Feign （由 NetFlix 公司开发），SpringCloud组件中的一个轻量级RESTful的HTTP服务客户端，也是SpringCloud中的第一代负载均衡客户端。

   OpenFeign是SpringCloud自己研发的，在Feign的基础上支持了Spring MVC的注解，如@RequesMapping等，是SpringCloud中的第二代负载均衡客户端。

2. 与 Ribbon 的关系：

   ​ OpenFeign默认将Ribbon作为负载均衡器，直接内置了 Ribbon。在导入OpenFeign 依赖后无需专门导入Ribbon 依赖。所以说，当我们需要更改 OpenFeign 的负载均衡策略时，其实就是需要修改 Ribbon 的策略，直接按照 Ribbon 的策略配置方式就行配置（即分为两种方式：全局与局部）。

3. 步骤：

   • 引入依赖

   • 主类添加@EnableFeignClients注解，声明使用 Feign。

   • 使用注解@FeignClient()编写具体的 FeignClient 接口。

   • @Autowired注入对应 FeignClient 并使用。

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

   @EnableFeignClients

   @FeignClient("userservice")public interface UserClient {// 此处是接口不是普通类    @GetMapping("/user/{id}")    User findById(@PathVariable Long id);// 注意需标注成“路径参数”}

   @AutowiredUserClient userClient;

4. FeignClient接口定义说明（5大定义），以上面举例：

   • 服务名称：userservice
   • 请求方式：GET
   • 请求路径：/user/{id}
   • 请求参数：Long id
   • 返回值类型：User

5. 其余配置

   # 开启 Gzip 压缩feign:  compression:  request:      enabled: true      min-request-size: 2048      mime-types: text/xml, application/xml, application/json    response:      enabled: true      useGzipDecoder: true

6. 【自定义配置】

   一般我们可能只需要配置“日志级别”就好了。

   

   可以使用两种方式配置日志级别，一般使用None(默认，不打印)或Basic，避免控制台打印过多信息。

   • yml配置文件（推荐）
   • Java代码（麻烦，省略）

   feign:  client:    config:      default:# 全局生效        logger-level: full

   feign:  client:    config:      userservice:# 局部（指定微服务）生效        logger-level: full

   # Basic 级别打印的日志[UserClient#findById] ---> GET http://userservice/user/2 HTTP/1.1[UserClient#findById] <--- HTTP/1.1 200 (537ms)

7. 优化Feign

   Feign 底层的客户端实现有 3 种

   • URLConnection（默认）：JDK自带、不支持连接池
   • Apache Httpclient：支持连接池
   • OKHttp：支持连接池

   使用连接池可以复用连接（避免在连接时多次产生3次握手4次挥手），更改为OKHttp使用步骤如下：

   • 引入 Feign-okhttp 依赖
   • yml配置开启

   <dependency>    <groupId>io.github.openfeign</groupId>    <artifactId>feign-okhttp</artifactId></dependency>

   feign:  okhttp:    enabled: true

8. Feign最佳实践：

   • 解决多份配置文件的尴尬，当然也存在弊端
   • 将共用的代码抽取成jar包，使用依赖的方式进行导入。

   （之前）

（现在）

五、Geteway

Spring Gateway

1. 简介

   • Gateway与 Nginx 在操作的思想上是一样的，但是具体实现不同
   • Gateway：业务网关。针对每一个微服务的网关，更接近具体业务。
   • Nginx：流量网关。用户访问的总入口，也就是前端页面的容器。

2. 网关的作用：

   • 身份认证、权限校验
   • 服务路由、负载均衡
   • 请求限流

3. Spring Cloud网关类型

   • Gateway（新）：Spring5 中提供的 WebFlux，响应式编程，性能更好。
   • zuul（旧）：基于 Servlet 实现，阻塞式编程。

4. 实现：

   本质：创建单一Spring程序用于 Gateway 实现路由转发，单一 jar 包。

   • 引入依赖
   • yml配置

   <dependency>    <groupId>org.springframework.cloud</groupId>    <artifactId>spring-cloud-starter-gateway</artifactId></dependency><dependency>    <groupId>com.alibaba.cloud</groupId>    <artifactId>spring-cloud-starter-alibaba-nacos-discovery</artifactId></dependency>

   下面定义了 2 个路由规则

   server:  port: 10080spring:  application:    name: gateway  cloud:    nacos:      server-addr: http://localhost:8848      discovery:        cluster-name: HZ    gateway:      routes:        - id: user-service         # 路由标识，全局唯一          uri: lb://userservice    # 路由的地址，lb：load balanced 负载均衡          predicates:            - Path=/user/**        # 路由断言，如果路径以 /user/ 开头则符合          default-filters:          - AddRequestHeader=Content-type,text/html# 添加请求头        - id: order-service          uri: lb://orderservice          predicates:            - Path=/order/**          default-filters:          - AddRequestHeader=Content-type,text/html

5. 网关路由的【配置项】包括：

   • 路由id：路由唯一标识
   • uri：路由目的地址，支持 http 与 lb 两种类型。
   • predicates：路由断言，判断是否符合要求
   • filters：路由过滤器，清理请求或响应。

6. 11种基本的 Predicate 类型（上面范例使用了 Path ）

   

7. 3种过滤器

   • 默认过滤 defaultFilter
   • 局部过滤
   • 全局过滤

8. 过滤器的31种细分类

   种类过多，需要时查看官方文档即可（只要查看名字就能得知该过滤器的作用 ）

9. 过滤器的优先级说明：

   这里稍有点乱

   • 首先按照所设置的 Order 顺序来。
   • 当 Order 值一样时，执行顺序：默认过滤 → 局部过滤 → 全局过滤，即：
     • 请求时，最后全局过滤生效
     • 响应时，最后默认过滤生效

   

10. 简单案例

• 默认过滤：yml配置、灵活度低，默认生效

# 默认过滤（也对全局生效，默认此） default-filters，对所有路由生效spring:cloud:gateway:      routes:        - id: user-service         # 路由标识，全局唯一          uri: lb://userservice    # 路由的地址，lb：load balanced          predicates:            - Path=/user/**        # 路由断言，如果路径以 /user/ 开头则符合      default-filters:          - AddRequestHeader=Content-type,text/html# 添加请求头

• 局部过滤：yml配置、灵活度低，对指定路由生效

spring:cloud:gateway:      routes:        - id: user-service         # 路由标识，全局唯一          uri: lb://userservice    # 路由的地址，lb：load balanced          predicates:            - Path=/user/**        # 路由断言，如果路径以 /user/ 开头则符合          filters:          - AddRequestHeader=Content-type,text/html# 添加请求头

• 全局过滤：代码配置、灵活度高。创建 Bean，继承 GlobalFilter 接口并重写 filter() 方法，此处注意：
  • @Order(-1)表示优先级，值越低优先级越高，允许负值。
  • exchange参数属于 Spring WebFlux 组件中的知识，它用来获取请求与响应两者，但是例如获取出来的请求request不是 servlet 的静态技术，而是属于 WebFlux 的动态技术，即ServerHttpRequest（注意是以 Server 开头而不是 Servlet ）。
  • chain参数用来生成成功时的返回值Mono
  • 当校验失败时，使用exchange设置失败的响应码，如401 Forbidden 并返回给客户端。
  • Mono是什么暂时不用管

11. CORS跨域处理

    Spring Boot 也可以实现跨域处理，并不一定要依赖于 Spring Gateway

    禁止跨域是浏览器的策略，后端之间互相调用接口不存在跨域。

    允许浏览器跨域一般需要配置的 5 大选项，并在 yml 文件中配置，如下：

    • 允许的域名
    • 允许的端口
    • 允许的方式
    • 是否允许使用Cookie
    • 有效期是多少（浏览器在第一次跨域时会发送Options请求，得到确认后在指定的有效期内不会重发Options请求，节约资源）

    

六、Docker

这章暂时跳过，具体内容查看：Docker笔记

1. 将程序以及依赖、运行环境打包成镜像。
2. Spring Cloud + docker compose案例：

2、RabbitMQ

消息一旦消费完就会被删除，RabbitMQ 没有消息回溯功能

1. docker 版本安装：

   docker pull rabbitmq

   docker run -it \-e RABBITMQ_DEFAULT_USER=user \-e RABBITMQ_DEFAULT_PASS=123 \ -v mq-plugins:/plugins \--name=mq \-hostname=mq \-p 15672:15672 \-p 5672:5672 \rabbitmq

   下面代码全部在容器内操作：

   rabbitmq-plugins enable rabbitmq_management

   cd /etc/rabbitmq/conf.d/echo management_agent.disable_metrics_collector = false > management_agent.disable_metrics_collector.conf# 退出并重启容器exitdocker restart mq

   • 15672： web 界面访问端口，需要进入容器内手动开启
   • 5672：具体的通信端口
   • 账号为user，密码为123
   • plugins：RabbitMQ插件目录，提供后续插件安装接口

2. 常见的5种消息模型

   • BasicQueue：基本消息队列
   • WorkQueue：工作消息队列
   • 发布订阅模式：
     • Publish/Subscribe：广播（Fanout）
     • Routing：路由（Direct，常用）
     • Topics：主题（Topic）

   Queue -> Consuming: send and receive messages from a named queue.”>

   Queue -> Consuming: Work Queue used to distribute time-consuming tasks among multiple workers.”>

   Queue -> Consuming: deliver a message to multiple consumers. This pattern is known as publish/subscribe”>

   Queue -> Consuming: subscribe to a subset of the messages only.”>

   Queue -> Consuming: receiving messages based on a pattern (topics).”>

3. 【注意】：

   • BasicQueue 与 WorkQueue 中不存在 Exchange交换机，只存在 Queue队列。
   • 而在“发布订阅模型”中，存在 Exchange交换机 + Queue队列。
   • 交换机可以将消息转发给多个队列，队列中的消息只能被消费一次，用完即删除
   • 交换机只负责消息路由，不负责存储消息，如果路由失败则丢失信息。

4. RabbitMQ实现流程：

   • 配置连接参数
   • 建立连接
   • 创建通道
   • 创建队列（赋予名称，指定要操作的队列）
   • 发送消息（接收消息）
   • 关闭通道和连接

3、SpringAMQP

Spring 简化原生代码

1. 简介：

   • AMQP：Advanced Message Queuing Protocol，高级消息队列协议，是一种用于在应用程序之间传递业务信息的开放标准。
   • Spring AMQP：基于 AMQP 实现的一套标准API规范，提供模板实现消息的发送和接收。例如Spring-amqp是接口，具体的实现有spring-rabbit（即RabbitMQ）等。

2. BasicQueue实现：

   • 引入依赖
   • yml 配置 MQ 地址、账号密码等信息
   • 代码发送与接收信息

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

   spring:  rabbitmq:    host: 10.211.55.4    port: 5672    virtual-host: /   # 配置虚拟主机名（不同的虚拟主机之间存在分割，无法互相访问）    username: user    password: 123

   发送消息：使用RabbitTemplate模板类

   @AutowiredRabbitTemplate template;@Testpublic void sendMessage(){    String queueName="simple.queue";    Object message="你好MQ！";    template.convertAndSend(queueName,message);}

   接收消息：使用@RabbitListener注解

   @Componentpublic class SpringRabbitListener {    @RabbitListener(queues = "simple.queue")    public void listener(String msg){        System.out.println("【接收到消息】："+msg);    }}

3. WorkQueue实现：

   即多个接收队列，提高队列接收的速度。

   注意这里存在：“贪心的消费者”（消息预取），即消费者会优先获取消息，（不管当下能不能立即执行），此时需要设置消费预取上限，例如设为1，即一次一次的取。

   spring:  rabbitmq:    host: 10.211.55.4    port: 5672    virtual-host: /   # 配置虚拟主机名（不同的虚拟主机之间存在分割，无法互相访问）    username: user    password: 123    listener:      direct:        prefetch: 1# 消息预取数量限制为 1 ，默认为无限、即不作限制

4. publish/subscribe实现：

   广播Fanout，交换机将消息转发至所有队列

   ​ 先将队列与 Exchange 交换机建立绑定关系，然后 publisher向交换机发送消息，交换机自动将消息转发至各队列，subscribe向队列请求消息。队列与交换机之间的绑定有两种形式：代码实现、注解实现，这里使用 代码实现 ，后续使用 注解实现 形成对比。

   

   代码实现：建立交换机与队列之间的绑定关系

   // 声明（创建）交换机@Beanpublic FanoutExchange fanoutExchange(){    return new FanoutExchange("myExchange");}// 声明（创建）队列@Beanpublic Queue fanoutQueueOne(){    return new Queue("myQueue.one");}// 绑定交换机与队列@Beanpublic Binding binding(Queue fanoutQueueOne,FanoutExchange fanoutExchange){    return BindingBuilder.bind(fanoutQueueOne).to(fanoutExchange);}// 以相同的方式声明第二个队列...

   接收消息（代码几乎不变）

   @Componentpublic class SpringRabbitListener {    @RabbitListener(queues = "myQueue.one")    public void listener1(String msg){        System.out.println("【 1 接收到消息】："+msg);    }    @RabbitListener(queues = "myQueue.two")    public void listener2(String msg){        System.out.println("【 2 接收到消息】："+msg);    }}

   发送消息

   @AutowiredRabbitTemplate template;@Testpublic void sendMessage(){    String exchangeName="myExchange";    Object message="你好MQ！";    template.convertAndSend(exchangeName,"",message);// 中间参数为routingkey，下节使用}}

5. Routing实现：

   ​ 交换机根据规则 routingkey 将消息路由至指定队列（对暗号），消息发送者在发送消息时指定 routingkey，队列在建立时绑定 routingkey（可以绑定多个key） ，符合则接收。

   

   注解实现：在接收消息时，顺便建立交换机与队列之间的绑定关系（注解里面套注解，第一次见）

@Component
public class SpringRabbitListener {
// 第一个
@RabbitListener(bindings = @QueueBinding(
value = @Queue(name = “direct.queueOne”),
exchange = @Exchange(name = “myEx”,type = ExchangeTypes.DIRECT),
key = {“red”,“blue”}
))
public void listener1(String msg){
System.out.println(“【 1 接收到消息】：”+msg);
}

 // 第二个   @RabbitListener(bindings = @QueueBinding(           value = @Queue(name = "direct.queueTow"),           exchange = @Exchange(name = "myEx",type = ExchangeTypes.DIRECT),           key = {"red","yellow"}   ))   public void listener2(String msg){       System.out.println("【 2 接收到消息】："+msg);   }

}

发送消息```java@AutowiredRabbitTemplate template;@Testpublic void sendMessage(){    String exchangeName="myEx";    Object message="你好MQ！";  // 第二个参数 routingkey 指定发送的“规则”    template.convertAndSend(exchangeName,"yellow",message);}}

6. Topics实现：

   Topic 与 Direct 类似，区别在于 routingKey 必须是多个单词的列表，以.分割，并且支持通配符#与*。

   

   @Componentpublic class SpringRabbitListener {  // 注意要将交换机类型修改为Topic：type = ExchangeTypes.TOPIC    @RabbitListener(bindings = @QueueBinding(            value = @Queue(name = "topics.queueOne"),            exchange = @Exchange(name = "myExchangeTwo",type = ExchangeTypes.TOPIC),            key = {"China.#","#.news"}    ))    public void listener1(String msg){        System.out.println("【 1 接收到消息】："+msg);    }      @RabbitListener(bindings = @QueueBinding(            value = @Queue(name = "topics.queueTow"),            exchange = @Exchange(name = "myExchangeTwo",type = ExchangeTypes.TOPIC),            key = {"America.#","#.news"}    ))    public void listener2(String msg){        System.out.println("【 2 接收到消息】："+msg);    }}

   @AutowiredRabbitTemplate template;@Testpublic void sendMessage(){    String exchangeName="myExchangeTwo";    Object message="你好MQ！";    template.convertAndSend(exchangeName,"China.news",message);}

4、消息转换器

在这里我们将替换 Spring 默认提供的消息转换器，以提高性能。

为什么要替换呢？

​ 因为Spring默认的消息处理接口是org.springframework.amqp.support.converter.MessageConverter，默认实现为：SimpleMessageConverter，且基于 JDK 的 ObjectOutputStream 实现序列化，这种序列化方式在处理对象的时候会将对象编码并且经过Base64编码，不仅会占用更多的内存空间，而且会导致性能下降。

解决方法即采用 JSON 格式，例如引入Jackson依赖并实现：

<dependency>    <groupId>com.fasterxml.jackson.dataformat</groupId>    <artifactId>jackson-dataformat-xml</artifactId>    <version>2.14.1</version></dependency>

@Configurationpublic class CommonConfig {  // 更换消息转换器    @Bean    public MessageConverter jsonMessageConverter(){        return new Jackson2JsonMessageConverter();    }}

当然，以上配置在消息【发送者】与【接收者】之间都需要配置，后续发送什么类型的消息，就使用什么类型接收（这点需十分注意，我在第一次编写时就忘记了修改消息的接收类型导致 Converter error）。

八、ES初级

Elasticsearch，基于 Java 实现的分布式搜索：中文官网

1、简介

• Elasticsearch是一款非常强大的开源搜索引擎，可以帮助我们从海量的数据中快速找到所需内容。

• 具体功能：内容搜索、日志统计与分析、系统监控等。

• Elasticsearch对内存的消耗特别大，少于512MB直接启动失败。

• 注意以下安装的所有软件版本需与 Elasticsearch 保持一致

• Elasticsearch结合 Kibana、Logstash、Beats，被称为「elastic stack」（也就是ELK），被广泛运用在日志数据分析、实时监控等领域。

• Elasticsearch基于 Lucene，Lucene既是一个 Java 语言的搜索引擎类库，也是Apache公司的顶级项目之一。

• Elasticsearch中，文档数据会以JSON格式存储，即全部文本字段都需添加双引号。

2、传统数据库

以 MySQL 为例，与 Elasticsearch 作对比

两者优势互补，不能替代

1. 传统的数据库 MYSQL 使用**【正向索引】，主要依靠主键**来实现对数据的获取。

2. Elasticsearch使用**【倒排索引】**（“优先耗费时间建立新表，后续以空间换时间实现搜索”）。

   • 文档（document）：每条数据就是一个文档
   • 词条（term）：文档按照语义分成的词语（分词）。
   • Elasticsearch中的词条是唯一的，后续搜索时会根据搜索关键词分词后的哈希运算值或者B+树实现查找。

3. 新老数据库概念对应关系

   • 索引：即“表”，相同类型的文档集合
   • 映射：即“约束”，索引中文档的字段约束信息，类似表的结构约束
   • …

   

4. Elasticsearch查询语句为DSL语句（JSON格式），使用HTTP发送请求。

5. 应用领域：

   • MySQL（写）：擅长事务性操作，可以确保数据达到安全和一致性。
   • Elasticsearch（读）：擅长海量数据的搜索、分析、计算。

   

3、安装

安装 Elasticsearch 与 Kibana（提供工具方便编写DSL语句）

两者安装包大小都在 1GB 左右，且运行时所占内存也较大，推荐使用docker安装。

1. 建立docker网络：Elasticsearch与Kibana必须处在同一个网络之中，并且此时两者可以通过docker服务名来建立连接。

   docker network create es-net

2. 安装Elasticsearch

   docker pull elasticsearch:7.17.7

   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:7.17.7

   访问http://ip:9200能看到下列信息说明部署成功。

当启动不成功时，查看日志排错

docker logs -f es

3. 安装Kibana

   docker pull kibana:7.17.7

   docker run -d \--name kibana \-e ELASTICSEARCH_HOSTS=http://es:9200 \--network=es-net \-p 5601:5601  \kibana:7.17.7

   注意，Kibana启动较慢，可以使用docker logs -f 服务名查看其日志。

   访问http://ip:5601/当显示下列内容时表示成功。

4. 我们关注Kibana中的左边菜单栏 → Management → Dev Tools工具，后续用它来编写 DSL 操作。

4、IK分词器

Elasticsearch默认的分词器对中文分词兼容性极差，只能“按字依次分词”

IK分词器，专为Elasticsearch中文分词打造

1. 离线安装（推荐）：

   • GitHub下载对应版本的 IK 分词器安装包，解压并重命名为ik。
   • 查看之前安装的 Elasticsearch 数据卷挂载位置，将解压后的ik目录上传到该文件夹
   • 重启Elasticsearch，查看日志确定重启成功
   • Kibana Dev Tools测试分词效果

    docker volume inspect es-plugins

    docker restart es

   # 查看es日志docker logs -f es

   POST /_analyze{  "text": "这是一段中文句子，请分词",  "analyzer": "ik_smart"}

2. 在线安装（服务器 GitHub 访问速度较慢，不推荐）：

   # 1、进入容器内部docker exec -it elasticsearch /bin/bash# 2、在线下载并安装./bin/elasticsearch-plugin  install https://github.com/medcl/elasticsearch-analysis-ik/releases/download/v7.12.1/elasticsearch-analysis-ik-7.12.1.zip# 3、退出exit# 4、重启容器docker restart elasticsearch

3. IK分词器的 2 种模式

   • ik_smart：智能（最少）拆分

   • ik_max_word：重复（最细）切分

4. 自定义字典（2种形式）

   • 扩展词库：增加分词库词语。
   • 停用词库：禁止对某些词语（敏感词）进行分词，直接忽略不显示。

   要自定义词库，只需要到ik/config/IKAnalyzer.cfg.xml中新增配置，并在配置文件的当前目录新建.dic字典，以行为分割属于相关词语，然后重启Elasticsearch容器即可（可以使用 Kibana 的Dev Tools进行测试）。

   <properties><comment>IK Analyzer 扩展配置</comment><entry key="ext_dict">myDict.dic</entry> <entry key="ext_stopwords">myStopwords.dic</entry></properties>

docker restart es

POST /_analyze{  "text": "这是一段超长的词语，腾讯你好",  "analyzer": "ik_smart"}

5、索引库创建

表，使用映射（约束）定义规则

1. Mapping映射规则：

   • type：字段数据类型，常见的有：
     • 字符串：text（可分词的文本）、keyword（不可分词的文本，例如品牌、国家名等）
     • 数据：long、integer、short、byte、double、float
     • 布尔：boolean
     • 日期：date
     • 对象：object
     • 地理坐标（经纬度）：geo_point
   • index：是否创建倒排索引，默认为true（其实许多字段并不需要创建索引）
   • analyzer：使用哪种分词器
   • properties：定义子字段

2. 注意：索引库无数组概念，但允许某字段有多个值，例如下面的字段类型应为integer。

   "score": [60,39,77,99]

3. 创建规则 以及 案例

   PUT /索引库名称{  "mappings": {    "properties": {      "字段名1":{        "type": "text",        "analyzer": "ik_smart"      },      "字段名2":{        "type": "keyword",        "index": false      },      "字段名3":{        "properties": {          "子字段名1":{            "type":"keyword"          },          "子字段名2":{            "type":"keyword"}}}}}}

   PUT /mytable{  "mappings": {    "properties": {      "info":{        "type": "text",        "analyzer": "ik_smart"      },      "email":{        "type": "keyword",        "index": false      },      "name":{        "properties": {          "firstName":{            "type":"keyword"          },          "LastName":{            "type":"keyword"}}}}}}

6、操作索引库

查询、删除、修改

1. 首先声明：【索引库】和【Mapping】一旦创建就无法修改，但是可以（只能）添加新的字段，这是因为当索引库创建时 Elasticsearch 就会去创建倒排索引，如果允许修改索引库可能引起无法预知的错误，所以 Elasticsearch 在这点上比 MySQL 更加彻底，直接禁止修改。

2. 查询：

   GET /索引库名

3. 删除

   DELETE /索引库名

4. 修改（新增）索引库

   PUT /索引库名/_mapping{  "properties":{    "新增的字段名":{      "type":"integer",      "index":false    }  }}

7、文档操作

数据：新增、查询、删除、修改

1. 新增文档：

   文档id：类似 MySQL 主键，推荐手动添加（例如1），如果未添加则会自动生成较长的随机 id 代替

   POST /索引库名/_doc/文档id{  "字段名1":{    "firstName":"张",    "LastName":"三"  },  "字段名2":18,  "字段名3":"123@qq.com",  "字段名4":"程序猿"}

2. 查询

   • 单条文档查询：

   GET /索引库名/_doc/文档id

   • 全部查询

   GET /索引库名/_search

3. 删除

   DELETE /索引库名/_doc/文档id

4. 修改：修改文档这里有 2 种方式

   • 全量修改：PUT + _doc，先完全删除旧文档、然后用新文档替代。
   • 增量修改：POST + _update，在旧文档的基础上进行修改。

   PUT 索引库名/_doc/文档id{"字段1":"值1","字段2":"值2"}

   POST 索引库名/_update/文档id{"doc":{"字段":"新的值"}}

8、RestClient

Java 操作 Elasticsearch

1. 简介：

   ​ ES官方提供了多种不同语言的客户端（包）用来操作ES。这些客户端的本质就是先组装DSL语句，然后通过 HTTP 请求发送给 ES。

2. 建立索引库的【步骤】：

   • 先建立相应 MySQL 数据库
   • 对照 MySQL 数据库，编写索引库的创建语句（自己考虑逻辑、驼峰命名法）
   • 在 Java 代码中使用 RestClient 借助 索引库编写语句创建索引库。

3. 例如：

   以下案例为 MySQL 建表语句，经过分析发现，发现酒店名称需要分词并建立索引，酒店品牌不需要分词但需要索引，酒店经纬度不需要建立索引，酒店价格、评分等需要建立索引以方便排序。

{  "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"      },      "pic": {        "type": "keyword",        "index": false      },      "location": {        "type": "geo_point"      },      "all": {        "type": "text",        "analyzer": "ik_max_word"      }    }  }}

4. 多字段搜索

   字段拷贝：既想要实现多字段搜索，又想要效率最快

   字段拷贝可以使用 copy_to属性将当前字段拷贝到指定字段，示例：

   "all": {  "type": "text",  "analyzer": "ik_max_word"}"brand":{"type": "keyword","copy_to":"all"}"name":{"type": "keyword","copy_to":"all"}

   all成功包含brand于name，以后搜索时只需要指定all即可。

   另外，虽然名叫“字段拷贝”，但是其实并不会真正的拷贝多份造成存储空间冗余。

5. 初始化 Java RestClient

   • 引入 RestHighLevelClient 依赖
   • 覆盖官方默认的 ES 版本（因为Spring Boot 会默认替我们导入某一版本的 ES 包，但这与我们的服务器软件版本可能不兼容，所以需要替换）
   • 初始化 RestHighLevelClient

<properties>    <java.version>1.8</java.version>    <elasticsearch.version>7.17.7</elasticsearch.version></properties>

RestHighLevelClient client=new RestHighLevelClient(RestClient.builder(        HttpHost.create("175.178.20.191:9200")));

或者将以上对象注册成Bean

@Configurationpublic class CommonConfig {    @Bean    RestHighLevelClient rest() {        return new RestHighLevelClient(RestClient.builder(                HttpHost.create("175.178.20.191:9200")        ));    }}

下面所有操作都是建立在初始化RestClient的基础上。

6. 建立索引库

   CreateIndexRequest request = new CreateIndexRequest("hotel");request.source(MAPPING_TEMPLATE, XContentType.JSON);client.indices().create(request, RequestOptions.DEFAULT);

7. 删除索引库

   DeleteIndexRequest request = new DeleteIndexRequest("hotel");client.indices().delete(request, RequestOptions.DEFAULT);

8. 判断索引库是否存在

   GetIndexRequest request= new GetIndexRequest("hotel");Boolean         exists = client.indices().exists(request, RequestOptions.DEFAULT);System.out.println(exists);

9. 导入文档数据

   • 单条导入：IndexRequest
   • 批量导入：利用 Mybatis Plus + BulkRequest

   // 注意在这可以赋予【id】IndexRequest request = new IndexRequest("hotel").id("1");// 利用 fastJSON 反序列化对象，生成 JSON 字符串Hotel        hotel   = new Hotel();hotel.setId(1L);hotel.setName("张三");hotel.setAddress("北京");request.source(JSON.toJSONString(hotel),XContentType.JSON);client.index(request,RequestOptions.DEFAULT);

   List<Hotel> list = hotelService.list();BulkRequest bulkRequest = new BulkRequest();for (Hotel hotel:list){    HotelDoc hotelDoc = new HotelDoc(hotel);    bulkRequest.add(new IndexRequest("hotel")            .id(hotelDoc.getId().toString())            .source(JSON.toJSONString(hotelDoc),XContentType.JSON));}client.bulk(bulkRequest,RequestOptions.DEFAULT);

10. 获取文档数据

    根据 id

    GetRequest request = new GetRequest("hotel").id("1");GetResponse getResponse = client.get(request, RequestOptions.DEFAULT);String json = getResponse.getSourceAsString();System.out.println(json);

    此处为什么使用 getResponse.getSourceAsString() 如此形式获取 JSON 字符串？

    ​ 因为我们在调用get()方法时，底层实际上使用的是GET /hotel/_doc/1，这种请求会返回一串json字符串，但是此时我们想要的数据却保存在_source结构体中。

    GET /hotel/_doc/1

11. 更新文档数据

    • 全量更新：方式跟前面的导入文档数据一模一样，即再次写入 id 相同的文档，新文档会完全覆盖旧文档。
    • 局部更新：

    UpdateRequest request     = new UpdateRequest("hotel","1");request.doc(        "age","18",        "name","李四");client.update(request,RequestOptions.DEFAULT);

12. 删除文档数据

    // 10086 为文档idDeleteRequest request = new DeleteRequest("hotel","10086");client.delete(request,RequestOptions.DEFAULT);

13. 文档操作总结：

    • 初始化RestHighLevelClient
    • 创建__Request，即IndexRequest、BulkRequest、GetRequest、UpdateRequest、DeleteRequest
    • 准备参数（Index 和 Update 需要）
    • 发送请求。调用RestHighLevelClient.__()方法，即index()、bulk()、get()、update()、delete()
    • 解析结果（Get需要）

九、ES进阶

1、DSL查询

DSL 是基于 JSON 格式的查询方式

1. 常见的查询方式

   • 查询所有：查询所有数据，一般用于测试。
     • match_all
   • 全文检索：对用户输入的关键字进行分词，然后计算哈希值并根据倒排索引进行搜索。
     • match：只能对单字段进行搜索
     • mutil_match：多字段搜索
   • 精确查询：根据精确词进行查询，一般查找的是 keyword 、数值、日期、Boolean 类型的数据。
     • ids：id s 根据 id 进行查询
     • range：范围
     • term：精确查找
   • 地理查询：根据经纬度进行查询
     • geo_distance
     • geo_bounding_box
   • 复合查询：组合查询查询方式
     • bool：“与或非”形式的组合
     • function_score：算分函数查询，可根据规则对文档相关性进行打分，控制文档的排名，常用于搜索引擎竞价。

2. 【注意事项】

   • 查询时 ES 默认只会返回命中的 10 条或 20 条数据，并不会一下子都将命中数据返回（自动分页节省资源）。
   • 查询结果会按照“优先级”进行自动排序，相关度越高的结果排名越靠前。

3. 查询的基本语法

   GET /索引名称/_search{  "query": {    "查询类型": {      "查询条件":"条件值"    }  }}

4. 查询所有：match_all

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

5. 全文检索

   以下两种方式查询结果一样。在前面时，我们定义 all 字段为拷贝字段，这里虽然两种方式的查询结果一样，但是推荐使用拷贝字段all，因为效率高；而在另一种查询方式中，联合查询的字段越多，性能越低。

   常用于“搜索框”搜索

   GET /hotel/_search{  "query": {    "match": {      "all": "外滩如家"    }  }}

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

6. 精确查询

   关键字不会分词，查询出来的结果也要与关键字完全匹配

   • term：精确查询city=="上海"

   GET /hotel/_search{  "query": {    "term": {      "city": {        "value": "上海"      }    }  }}

   • range：查询范围

   GET /hotel/_search{  "query": {    "range": {      "price": {        "gte": 100,        "lte": 2000      }    }  }}

7. 地理查询

   可用作“打车”、“附近的人”等功能

   • geo_bounding_box：画矩形。查询值落在矩形内的所有文档。
   • get_distance：画圆形。以点开始作半径查询，查询距离你多少米的人。常用于“附近的人”。

GET /hotel/_search{  "query": {    "geo_bounding_box":{      "location":{        "top_left":{          "lat":31.1,          "lon":121.5        },        "bottom_right":{          "lat":30.9,          "lon":121.7        }      }    }  }}

GET /hotel/_search{  "query": {    "geo_distance":{      "distance":"15km",      "location":"31.21,121.5"    }  }}

8. 复合查询

   _socre字段表示得分

   • Function Score Query：算分函数查询，通过指定算法更改查询的相关度得分，常用于竞价排名。

   原始查询条件、过滤条件、算分函数、加权模式

   

   

   • Boolean Query：子查询组装，一个或多个查询子句的集合。具体的组合方式有
     • must：【与】，必须匹配每个子查询，参与算分。
     • should：【或】，只要匹配一个子查询就可以，参与算分。
     • must_not：【非】，不匹配任何一个子查询，并且不参与算分。
     • filter：必须匹配，单步不参与算分。（filter与must的区别只在于是否参与算分，不参与性能会更高）

2、搜索结果处理

排序、分页、高亮

一、排序

1. 简介：

   • Elasticsearch支持对搜索结果进行排序，默认根据相关度算分_score进行排序，可以排序的字段类型有：keyword类型、数值类型、地理坐标类型、日期类型等。
   • 与MySQL中的order by思想一致。
   • 当使用排序功能时，_score就显得无意义，因此此时无得分，score始终为0。

2. 简单案例：sort声明

   GET /hotel/_search{  "query": {    "match_all": {}  },  // sort与query同级且为数组形式，意味着可以有多种排序定义  "sort": [    {      "price": {        "order": "desc"   // 排序字段和排序方式，AES与DESC      }    }  ]}

   简写版本

   "sort": [    {      "price": "desc"    }]

3. 地理位置排序：距离案例，结果单位为km（有点智能）

   "sort": [  {    "_geo_distance": {      "location": {        "lat": "18.57",        "lon": "109.70"      },      "order": "asc",      "unit": "km"    }  }]

二、分页

1. 简介：使用from与size标签。

2. 案例

   GET /hotel/_search{  "query": {    "match_all": {}  },  "from": 100,  "size": 20}

3. 注意事项：【深度分页】限制

   ​ from与size标签相加不能大于10000，否则报错。这是由于Elasticsearch使用倒排索引所产生的限制（倒排索引本身并不适合分页），一般也不会超过10000，但是如果有需求，官方也推荐了两种解决方式如下：

   • after search：
     • 记住上次翻页的位置，下次分页从上次的地方开始。
     • 缺点：只能向后查询，不支持随机翻页。
   • scroll：
     • 预先缓存分页信息
     • 已废弃，当数据改变时会重新缓存，不仅性能差劲，而且会导致数据的实时性缺失。

三、高亮

1. 简介：在搜索结果中把搜索关键词突出显示。

2. 原理简介：

   • 将搜索结果中的关键字用“标签”标记，例如
   • 在页面中添加 CSS 样式

3. 注意：

   • Elasticsearch内置默认高亮样式即为
   • 查询方式必须为match而不能为match_all，因为后一种方式并无关键字！

4. 简单实现

   GET /hotel/_search{  "query": {    "match": {      "all": "如家"    }  },  "highlight": {    "fields": {      "name": {      // ES默认搜索字段应该与搜索字段一致，如果不一致需要将：require_field_match=false      // 这里查询字段为：all，高亮字段为：name        "require_field_match": "false",         "pre_tags": "",        "post_tags": ""      }    }  }}

   搜索结果展现形式：新增highlight字段，高亮后的字段将放在里面，_source中的原内容并不会被改变，这点需十分注意！

3、RestClient

此处 ES 将 API 封装的比较完善，（不同于前面）无需硬编码。

一、查询

1. 基本查询步骤：

   • 创建SearchRuquest对象
   • 准备 Request.source().___query() ，塞入QueryBuilder构建查询条件。
   • 发送请求，得到结果
   • 解析结果（从外到内，逐层解析 JSON 格式数据）

2. 注意：

   • 支持链式编程
   • 所有操作都基于Request.source()API接口，掌握了该接口就掌握了本节

3. 简单实现：matchAllQuery()

   SearchRequest request = new SearchRequest("hotel");// .QueryBuilder中包含绝大多数查询方式request.source().query(        QueryBuilders.matchAllQuery());// 发送请求，得到响应数据，获取响应数据（JSON）并解析SearchResponse response = client.search(request, RequestOptions.DEFAULT);SearchHits     hits     = response.getHits();System.out.println("查询到的文档数："+hits.getTotalHits().value);// 遍历查询到的数据（有分页，默认10条）for (SearchHit hit:hits.getHits()){    String json = hit.getSourceAsString();    System.out.println(json);}

4. 【结果解析】示例图

   

5. 单字段查询

   QueryBuilders.matchQuery("all","如家")

6. 多字段查询

   QueryBuilders.multiMatchQuery("如家","name","brand")

7. 精确查询

   • 词条查询term

   QueryBuilders.termQuery("brand","如家")

   • 范围查询

   QueryBuilders.rangeQuery("price").gt(100).lte(1000)

8. 复合查询

   较复杂

   // 建立复合查询“构建器”BoolQueryBuilder boolQuery = new BoolQueryBuilder();// request组装复合查询boolQuery.must(QueryBuilders.termQuery("brand","如家"));boolQuery.filter(QueryBuilders.rangeQuery("price").gt(100));request.source().query(boolQuery);// 同以往：发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);

9. QueryBuilders选项一览（还有更多没有展示出来）

二、排序

1. 普通排序

   request.source().sort("price",SortOrder.ASC);

2. 距离排序

   

   

三、分页与高亮

1. 分页

   request.source()        .query(QueryBuilders.matchAllQuery())        .from(56)        .size(20);

2. 高亮

   request.source()        .query(QueryBuilders.matchQuery("all", "如家"))  // requireFieldMatch 表示是否与查询字段匹配        .highlighter(new HighlightBuilder().field("name").requireFieldMatch(false));

3. 【高亮结果】解析

   

四、Function score

五、旅游网站案例

直达链接

搜索、分页、条件过滤、附近、广告置顶

1. 示意图

   

2. 搜索框功能实现（核心代码）

3. 终极案例

   除 附近功能 之外均实现。

   @Overridepublic PageResult pageResult(RequestParams params) throws IOException {    SearchRequest request = new SearchRequest("hotel");    BoolQueryBuilder boolQuery = QueryBuilders.boolQuery();    // 获取搜索关键词    if (params.getKey() == null || "".equals(params.getKey())) {        boolQuery.must(QueryBuilders.matchAllQuery());    } else {        boolQuery.must(QueryBuilders.matchQuery("all", params.getKey()));    }    String brand = params.getBrand();    if (StringUtils.isNotBlank(brand)) {        boolQuery.filter(QueryBuilders.termQuery("brand", brand));    }    // 1.3.城市    String city = params.getCity();    if (StringUtils.isNotBlank(city)) {        boolQuery.filter(QueryBuilders.termQuery("city", city));    }    // 1.4.星级    String starName = params.getStarName();    if (StringUtils.isNotBlank(starName)) {        boolQuery.filter(QueryBuilders.termQuery("starName", starName));    }    // 1.5.价格范围    Integer minPrice = params.getMinPrice();    Integer maxPrice = params.getMaxPrice();    if (minPrice != null && maxPrice != null) {        maxPrice = maxPrice == 0 " />
    
    
   度量聚合Metric案例
    
   GET /hotel/_search{  "size": 0,  "aggs": {    "myAggs": {      "terms": {        "field": "brand",        "size": 20,        "order": {          "_count": "desc"        }      },      // 【桶聚合】内套【度量聚合】，score字段为文档自带，这里对其求 stats 操作      "aggs": {        "myScoreAggs": {          "stats": {            "field": "score"          }        }      }    }  }}
   【重要】：
   ​ 默认情况下，Bucket聚合将会对索引库中的所有文档做聚合，当索引库很大时这无疑会很消耗性能，我们可以通过添加query条件限制要聚合的文档范围。
   即先 query 后 bucket，先查询再聚合。
   GET /hotel/_search{  "query": {    "range": {      "price": {        "lte": 300// 只对 300 元以下的酒店作聚合      }    }  },     "size": 0,    "aggs": {    "myAggs": {      "terms": {        "field": "brand",        "size": 20,      }    }  }}
   二、RestClient
   标准实现流程：
   准备 Request
   准备 DSL
   设置 Size==0
   聚合语句
   发出请求
   解析结果
   根据聚合名称获取聚合结果
   获取 Buckets
   遍历
   聚合代码映射：依次对照
   结果解析：获取 Buckets 数据
   2、自动补全
   一、基础
   安装拼音分词器pinyin（步骤与 IK 分词器一致）
   GitHub下载并解压（注意对应版本）
   将解压后的文件重命名为py后上传至 ES 的 plugin 目录
   重启ES并测试
   docker restart es 
   POST /_analyze{  "text": "这是一段超长的词语，腾讯你好",  "analyzer": "pinyin"}
   pinyin分词器分词说明：
   ES分词器组成说明（3部分）
   character filters：在 tokenizer 之前对文本进行处理，例如字符替换、字符删除等。
   tokenizer：将文本安装一定的规则切割成词条（term），例如 keyword 不分词、ik_smart分词
   tokenizer filter：将 tokenizer 输出的词条进一步处理，例如大小写转换、同义词处理、拼音处理等
   如何自定义分词器？
   在创建索引库时，于 settings 中声明（同时可指定 character filters、tokenizer、tokenizer filter）。
   **自定义分词器有什么用？**首先软件中可引入多种开源分词器，我想组合这些分词器（例如：分别在 3 各不同阶段使用不同分词器）以达到最佳效果。意即如果我自定义分词器，直接使用开源分词器也是可以的，只不过在这里我想自定义。
   PUT /test{  "settings": {    "analysis": {      "analyzer": {// 自定义分词器        "my_analyzer":{// 分词器名称          "tokenizer":"ik_max_word",// 2 使用 ik_max_word          "filter":"py"// 3 使用使用 py （ py 在下面定义）        }      },      "filter": {// 自定义 tokenizer filter 过滤器        "py": { // 过滤器名称，下面为属性，具体参考 pinyin 官网文档          "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        }      }    }  },  // 字段定义，即“建表语句”  "mappings": {    "properties": {      "name":{      "type": "text",      "analyzer": "my_analyzer",// 插入数据时，使用【自定义分词器】，即 pinyin +ik      "search_analyzer": "ik_smart"// 搜索时不应该使用 pinyin ，只需单独使用 ik      }    }  }}
   插入数据并测试
   POST /test/_doc/1{  "id": 1,  "name": "狮子"}POST /test/_doc/2{  "id": 2,  "name": "虱子"}// 查询 1GET /test/_search{  "query": {    "match": {      "name": "狮子"    }  }}// 查询 2GET /test/_search{  "query": {    "match": {      "name": "shizi"    }  }}
   使用【拼音分词器】时应该注意的问题：
   为避免搜索到多音字情况，我们应该采取 2 套策略：
   存入数据时使用：pinyin分词器 + ik分词器
   搜索时：只用 ik 分词器
   二、RestClient
   建立酒店索引库（新增自动补全字段 suggestion ）
   DELETE /hotel// 酒店数据索引库PUT /hotel{  "settings": {    "analysis": {      "analyzer": {      // 全文检索        "text_anlyzer": {          "tokenizer": "ik_max_word",          "filter": "py"        },        // 自动补全        "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"      }    }  }}
   更改HotelDoc.java：新增suggestion字段，类型为 List
   @Data@NoArgsConstructor@AllArgsConstructorpublic 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 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();        this.suggestion = Arrays.asList(this.brand, this.business);    }}
   导入数据
   @Testvoid  importData() throws IOException {    List<Hotel> list        = hotelService.list();    BulkRequest bulkRequest = new BulkRequest();    for (Hotel hotel:list){        HotelDoc hotelDoc = new HotelDoc(hotel);        bulkRequest.add(new IndexRequest("hotel")                .id(hotelDoc.getId().toString())                .source(JSON.toJSONString(hotelDoc),XContentType.JSON));    }    client.bulk(bulkRequest,RequestOptions.DEFAULT);}
   DSL测试自动补全功能
   GET /hotel/_search{  "suggest": {    "suggestions": {    // 关键词      "text": "sd",      "completion": {        "field": "suggestion",        // 跳过重复字符        "skip_duplicates":true,        "size":10      }    }  }}
   准备请求，解析结果
   SearchRequest request = new SearchRequest("hotel");request.source().suggest(new SuggestBuilder().addSuggestion(        "mySuggestion",        SuggestBuilders                .completionSuggestion("suggestion")  // 字段名                .prefix("sd")                .skipDuplicates(true)                .size(10)));// 发送请求，获得结果并解析SearchResponse       response   = client.search(request, RequestOptions.DEFAULT);CompletionSuggestion suggestion = response.getSuggest().getSuggestion("mySuggestion");for ( CompletionSuggestion.Entry.Option option:suggestion.getOptions()){    String text = option.getText().string();    System.out.println(text);}
   三、前后端结合案例
   @GetMapping("suggestion")List<String> suggestion(@RequestParam("key") String  prefix) throws IOException {    SearchRequest request = new SearchRequest("hotel");    request.source().suggest(new SuggestBuilder().addSuggestion(            "mySuggestion",            SuggestBuilders                    .completionSuggestion("suggestion")  // 字段名                    .prefix(prefix)                    .skipDuplicates(true)                    .size(10)    ));    SearchResponse       response   = client.search(request, RequestOptions.DEFAULT);    CompletionSuggestion suggestion = response.getSuggest().getSuggestion("mySuggestion");    List<String > suggestions=new ArrayList<>();    for ( CompletionSuggestion.Entry.Option option:suggestion.getOptions()){        String text = option.getText().string();        suggestions.add(text);    }    System.out.println(suggestions.size());    return suggestions;}
   3、数据同步
   ES 的数据来源于 MySQL ，当 MySQL 数据发生改变时，ES也要跟着变化
   一、简介
   情境：ES 和 MySQL 分别来自不同的微服务。
   3 种不同方案的同步方式：
   同步调用：
   优点：实现简单
   缺点：业务耦合度高
   异步通知（主选）
   优点：低耦合、实践难度一般
   缺点：依赖 MQ 的可靠性，时间复杂度较另外两者高
   监听binlog
   优点：完全解除服务间耦合
   缺点：增加 MySQL 数据库负担，实现复杂度高
   二、RestClient
   实现的简单步骤流程，
   4、ES集群部署
   暂时跳过，待到后面有机会应用时自然会访问此章节
   单机的 ES 面临 2 个问题：
   海量数据存储问题
   单点故障问题
   解决方式：
   将索引库进行逻辑分片，存储至多个节点
   将分片的数据复制多份，分发到不同节点
   微服务保护 + 面试三板斧：分布式事务、分布式缓存、分布式消息
   十一、微服务保护 Sentinel
   阿里 Sentinel，相比 Nginx 更加细粒度
   流量控制、隔离降级、授权规则、规则持久化
   一、基础与安装
   简介：
   Sentinel 是阿里开源的微服务流量控制组件，是面向分布式、多语言异构化服务架构的流量治理组件，主要以流量为切入点，从流量路由、流量控制、流量整形、熔断降级、系统自适应过载保护、热点流量防护等多个维度来帮助开发者保障微服务的稳定性。
   常用来防止“雪崩问题”
   程序端口8719，控制台端口自定义，注意两个端口是不一样的东西。
   什么是雪崩问题？如何解决？
   在微服务之间相互调用时，因为个别微服务发生故障而引起整条链路都发生故障的情况。
   故障后纠错：超时处理、线程隔离、降级熔断（失败达到一定比例次数时暂停访问）。
   故障前预防：流量控制，使用 Sentinel 哨兵模式限制业务访问的QPS，避免服务因流量突增而故障。
   常见的服务保护技术对比
   基本概念
   资源
   资源是 Sentinel 的关键概念。它可以是 Java 应用程序中的任何内容，例如，由应用程序提供的服务，或由应用程序调用的其它应用提供的服务，甚至可以是一段代码。在接下来的文档中，我们都会用资源来描述代码块。
   只要通过 Sentinel API 定义的代码，就是资源，能够被 Sentinel 保护起来。大部分情况下，可以使用方法签名，URL，甚至服务名称作为资源名来标示资源。
   规则
   围绕资源的实时状态设定的规则，可以包括流量控制规则、熔断降级规则以及系统保护规则。所有规则可以动态实时调整。
   流控降级与容错标准
   Rule = target + strategy +fallbackAction
   安装步骤
   GitHub下载（ jar包，Spring Boot 程序）
   命令行启动
   指定控制台端口为 8090（程序端口依旧为 8719），账号 Sentinel，密码123456.
   java -Dserver.port=8090 \-Dsentinel.dashboard.auth.username=sentinel \-Dsentinel.dashboard.auth.password=123456 \-jar sentinel-dashboard-1.8.6.jar
   代码配置
   选择某一服务
   引入依赖并配置地址
   启动程序，访问一次**端点（EndPoint）**后Sentinel生效（即访问一个Controller后生效）
   <dependency>    <groupId>com.alibaba.cloud</groupId>    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId></dependency>
   spring:cloud:sentinel:      transport:        dashboard: localhost:8090
   二、簇点链路
   简介：
   即项目内的调用链路，链路中被监控的一个接口就是一个资源。
   默认情况下 sentinel 会监控 SpringMVC 的每一个端点（ Controller），因此每一个端点就是调用链中的一个资源，我们可对资源进行如下 4 种操作：
   流控：流量控制
   降级：熔断降级
   热点：热点参数限流
   授权：授权规则
   【注意】
   ​ Sentinel 默认只会将 Controller 中的方法标记为“资源”，如果要标记其他方法（例如 Sevice），则要：
   关闭 Sentinel context 整合模式（该模式为默认模式，会将所有的 Controller 整合成单一链条，而我们现在需要多条链条的模式）
   使用@SentinelResource注解标记方法
   spring:cloud:sentinel:web-context-unify: false
   @SentinelResource("名称")public void queryGoods(){  // err 会打印出“红色标记”，更容易辨认  System.err.println("查询商品")}
   三、流控模式
   Sentinel提供了 3 种限流模式
   直接限流（默认）：统计当前资源的请求，触发阈值时对当前资源直接限流。
   关联限流：统计与当前资源相关的另一个资源，触发阈值时对当前资源限流。例如存在端点 a 和 b ，本来两者并无关系，现在让两者“关联”，设置当 a 的访问次数达到阈值时，b 停止服务。（即优先 a，另外要限制谁就设置谁 ）
   链路限流：统计从指定链路访问到本资源的请求，触发阈值对指定链路限流。如端点 a 与 b 均向 c 请求服务，则 c 可以只限制 a 链路，而对 b 链路不限制。（分别对待）
   【关联限流】配置
   利用 update 限制 query，即 update 更新请求具有更高的优先级。
   【链路限流】配置
   失败返回数据
   四、流控效果
   快速失败：（默认、漏桶算法）QPS超过阈值，拒绝新的请求
   Warm Up：缓慢增长，QPS阈值缓慢增长（初始值为阈值的1/3），可以避免冷启动时高并发导致的服务宕机，超过阈值拒绝新的请求。
   排队等待：（令牌桶算法）请求会进入队列等待，按照阈值设置的时间间隔依次执行请求，如果请求预期等待的时间大于超时时间，则直接拒绝。
   五、热点参数限流
   相较于 流控规则 ，热点参数限流规则 更细力度。
   简介：对参数相同的请求进行限流。
   配置选项
   【注意】
   Sentinel 的热点限流规则对只属于 Spring MVC 的资源无效，要想生效则必须标识@SentinelResource注解。
   @SentinelResource("hot")@GetMapping("/hot")public String hot(){  return "hot榜单";}
   案例
   对 hot 资源的 0 号参数（第一个参数）做统计，相同参数值的请求每秒不能超过5次。
   在上面的前提下，存在例外：参数值为101的请求，阈值应为10。
   六、整合Feign
   “流控 与 热点”基于 QPS 进行的限流
   整合 Feign 可以通过线程数来进行限流
   简介：
   ​ 虽然限流可以尽量避免因高并发而引起的服务故障，但服务还是会因为其他原因而故障。我们要将这些故障控制在一定的范围内、避免雪崩，就要靠线程隔离和熔断降级。不管是线程隔离还是熔断降级，都是对客户端（调用方）的保护。
   Feign整合Sentinel步骤
   修改服务yaml配置，开启 Feign对 Sentinel 的支持
   在 Feign Api 项目中定义反馈类，实现泛型接口FallbackFactory并注册成 Bean 对象。
   在 Feign Api 项目中令原先的 UserClient 接口使用新建的反馈类
   feign:  sentinel:    enabled: true
   @Slf4jpublic class UserClientFallbackFactory implements FallbackFactory<UserClient> {    @Override    public UserClient create(Throwable throwable) {        return new UserClient() {            @Override            public User findById(Long id) {                log.error("记录失败信息", throwable);                // 发生异常时，返回空对象于前端处理                return new User();            }        };    }}
   @Configurationpublic class DefaultFeignConfiguration {    @Bean    public UserClientFallbackFactory factory ( ){        return new UserClientFallbackFactory();    }}
   通过对 Feign 的配置控制后，可以在 Sentinel 中设置限制最大并发线程数实现限流
   上步补充：
   给 FeignClient 编写失败后的降级逻辑可以继承自 2 个接口：
   FallbackClass：无法对远程调用的异常作处理。
   FallbackFacotory：可以对远程调用的异常作处理（所以我们使用这种方式）。
   ==【线程隔离】==简介
   2 种方式。
   信号量隔离**（ Feign 默认）**：使用PV模式对固定信号量进行分配，有则分、无则拒。
   线程池隔离：针对不同的服务请求建立不同的线程池，隔离性高、资源消耗量大。
   ==【熔断降级】==简介
   ​ 解决雪崩问题的重要手段，由断路器统计服务的异常比例、慢请求比例，如果超过阈值则会进行熔断（即拒绝服务），一段时间后断路器会再次统计服务异常比例，如果服务良好则恢复正常。
   熔断降级，一共由 3 个阶段，分别为：
   Closed：正常状态
   Open：达到阈值，快速失败
   Halt-Open：尝试放行一次请求进行测试。
   【断路器】的 3 种熔断策略：
   慢调用比例：业务响应时间（RT，Response Time）大于指定时长的请求被认定为慢调用，监控比例。
   异常比例：监控指定时间业务产生的异常比例。
   异常数：监控指定时间业务产生的异常数。
   七、系统规则
   只对 Linux 系统有效，保护系统
   八、授权规则
   简介：
   黑名单、白名单
   服务鉴权，例如某微服务只想被网关访问，不想被外网或者内部直接访问，则可以设置白名单规则。
   在网关上定义每次发送请求时都会携带相应的“请求头”，如果微服务检测不到该请求头则拒绝响应。
   实现：
   某微服务中配置请求解析类（默认全局，有了这个类才能在 Sentinel 中设置鉴权规则，即 value 值）
   Sentinel 中设置鉴权规则（即 value 值）
   网关配置 yaml 文件，标记每次发送请求都自动携带相应请求头
   @Componentpublic class HeaderOriginParser implements RequestOriginParser {    @Override    public String parseOrigin(HttpServletRequest request) {        // cipher 为网关中自定义的请求头 key        String cipher = request.getHeader("cipher");        if (StringUtils.isEmpty(cipher)){            return "blank";        }        return cipher;    }}
   spring:  cloud:    gateway:      default-filters:      # 网关每次发送请求都会默认携带的请求头 key-value        - AddRequestHeader=cipher,myPassword
   实现效果：
   不经过网关直接访问服务
   http://localhost:8088/order/101
   经过网关访问服务
   http://localhost:10010/order/101" />
    
    
   九、自定义异常
    
    
   简介
    
   ​ 在前面我们可以观察到无论是被限流、熔断降级、授权拒绝，被请求的微服务总是会返回相同的响应数据Blocked by Sentinel (flow limiting)，这对于用户来说并不友好，我们可针对不同的场景定义不同的响应内容。
    
    
   可定义的异常类型
    
    
    
    
   实现方式：自定义 ___BlockHandler并实现 BlockExceptionHandler 接口，返回不同内容。
    
   @Componentpublic class SentinelExceptionHandler implements BlockExceptionHandler {      @Override    public void handle(HttpServletRequest request, HttpServletResponse response, BlockException e) throws Exception {        String msg = "未知异常";        int status = 429;      // 自适配异常类型，返回不同内容        if (e instanceof FlowException) {            msg = "请求限流";        } else if (e instanceof ParamFlowException) {            msg = "请求热点参数限流";        } else if (e instanceof DegradeException) {            msg = "请求降级";        } else if (e instanceof AuthorityException) {            msg = "未授权";            status = 401;        }        response.setContentType("application/json;charset=utf-8");        response.setStatus(status);        response.getWriter().println("{\"msg\": " + msg + ", \"status\": " + status + "}");    }}
   十、规则持久化
   待后续寻找最佳方案并实现，官网教程
   简介：
   Sentinel默认将配置保存在内存中，重启数据丢失。
   数据的 3 种控制台管理模式：
   原始模式：（默认）将规则保存在内存中，重启则丢失。
   Pull 模式：控制台将配置规则推送到 【Sentinel 客户端】，客户端将配置保存在本地文件或数据库，集群中的其他 Sentinel 客户端则定时读取配置（存在问题：时效性慢、更新不及时）。目前支持动态文件数据源、Consul 、Eureka。
   Push 模式：控制台将配置规则推送到【远程配置中心】（如 Nacos ），其他 Sentinel 客户端则监听 Nacos 实现配置的存储与及时更新。目前支持 ZooKeeper、Redis、Nacos、Apollo、etcd。
   【注意点】
   ​ 在以上 3 种方式种，Push 模式无疑是最好的，但是阿里在开源 Sentinel 的时候并没有附带此模式，而是将其作为商业版（云服务）进行兜售，所以如果我们不想要付费，并且想要实现 Push 模式的规则持久化，则需要自己改写并编译 Sentinel 程序，实现起来相当复杂。
   十一、整合原有项目
   ​ Sentinel整合原有项目非常简单，只需要引入依赖，然后进行简单的 yml 配置即可，但是需要注意 Sentinel 所兼容的 SpringBoot 版本问题（SpringBoot版本太新时，需要降级）。
   ​ 但是没有持久化就意味着服务终归还是不稳定！！！
   <dependency>    <groupId>com.alibaba.cloud</groupId>    <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>    <version>2021.1</version></dependency>
   spring:  cloud:    sentinel:      transport:        dashboard: localhost:8090  # 存在一些“循环依赖”的情况，下面配置允许忽略这种情况（否则报错）  main:    allow-circular-references: true
   十二、分布式事务 Seata
   1、简介
   事务基本要求：ACID，原子性、一致性、隔离性、持久性。
   本章解决问题：
   ​ 基于微服务的分布式事务。在分布式系统下，一个业务跨越多个服务或数据源，每个服务都是一个分支事务，要保证所有分支事务最终状态一致，这样的事务就是分布式事务。
   CAP定理
   1998年，加州大学的计算机科学家 Eric Brewer 提出，分布式系统有 3 个指标：
   Consistency：一致性
   Available：可用性
   Partition tolerance：分区容错性
   于是 CAP 定理的内容为：
   分布式系统节点通过网络连接，一定会出现分区问题（P）
   当分区出现时，系统的一致性（C）和可用性（A）就无法同时满足
   我们之前搭建的 Elasticsearch 集群属于 CP，不属于 AP。
   BASE理论
   解决CAP存在的问题
   Basically Available（基本可用）：在分布式系统出现故障时，允许损失部分可用性，但保证核心可用。
   Soft State（软状态）：在规定时间内允许出现不一致状态。
   Eventually Consistent（最终一致性）：数据最终会达到一致性。
   解决的方式：
   【AP模式】：各子事务分别提交，允许出现结果的不一致，然后采用措施恢复数据，最终达到一致性。
   【CP模式】：各子事务执行后互相等待，同时提交、同时回滚，最终达到一致性。但在事务等待的过程，本次服务处于弱可用，同时因为各子事务必须彼此感知各自事务状态才能保证一致性，因此需要一个“事务协调者”负责协调，由此也诞生出了全局事务、分支事务的概念。
   2、Seata简介
   分布式事务解决方案，http://seata.io/zh-cn/
   每个微服务都需配置 Seata，略微繁琐
   简介：
   Seata 是 2019 年 1 月份蚂蚁金服与阿里巴巴共同开源的分布式事务解决方案，致力于提供高性能和简单易用的分布式事务服务。
   Seata 将为用户提供了 AT、TCC、SAGA 和 XA 事务模式，为用户打造一站式的分布式解决方案。
   Seata 事务中有 3 个重要角色
   TC（Transaction Coordinator）事务协调者：维护全局事务和分支事务的状态，协调全局事务的提交与回滚。
   TM（Transaction Manager）事务管理器：定义全局事务的范围，开启、提交或回滚全局事务。
   RM（Resource Manager）资源管理器：管理分支事务，向 TC 注册分支事务并报告状态，提供分支事务的提交与回滚功能。
   Seata 就是 TC（作为TC，搭建成功后我们不需要访问它，这是给 TM 和 RM 访问的），企业中需要搭建集群。
   Seata提供了 4 种不同的分布式事务处理方案：
   XA模式：强一致性分布阶段事务模式，牺牲一定可用性，无业务侵入。
   AT模式（默认）：最终一致的分阶段事务模式，无业务侵入。
   TCC模式：最终一致的分阶段事务模式，有业务侵入。
   SAGA模式：长事务模式，有业务侵入。
   3、安装
   下载 seata-server 包并解压：https://github.com/seata/seata/releases
   修改conf目录下的application.yml文件
   1.4.2版本为registry.conf
   server:  port: 7091spring:  application:    name: seata-serverlogging:  config: classpath:logback-spring.xml  file:    path: ${user.home}/logs/seata  # 若无以下配置则注释  # extend:  #   logstash-appender:  #     destination: 127.0.0.1:4560  #   kafka-appender:  #     bootstrap-servers: 127.0.0.1:9092  #     topic: logback_to_logstashconsole:  user:    username: seata    password: seataseata:# 配置中心  config:    type: nacos    nacos:      server-addr: 127.0.0.1:8848      namespace: ""# 命名空间为空，默认 public      group: SEATA_GROUP      username: nacos      password: nacos      data-id: seataServer.properties  # 注册中心  registry:    type: nacos    nacos:      server-addr: 127.0.0.1:8848      namespace: ""      group: DEFAULT_GROUP      username: nacos      password: nacos      cluster: SH # SH表示上海  # 已经配置了 nacos 作为配置中心，所以这里 store 与 server 不配置  # store:    # support: file 、 db 、 redis    # mode: file#  server:#    service-port: 8091 #If not configured, the default is '${server.port} + 1000'  security:    secretKey: SeataSecretKey0c382ef121d778043159209298fd40bf3850a017    tokenValidityInMilliseconds: 1800000    ignore:      urls: /,/**/*.css,/**/*.js,/**/*.html,/**/*.map,/**/*.svg,/**/*.png,/**/*.ico,/console-fe/public/**,/api/v1/auth/login
   新建数据库 seata，在此基础上新增两张表branch_table与global_table作事务管理。
   SET NAMES utf8mb4;SET FOREIGN_KEY_CHECKS = 0;DROP TABLE IF EXISTS `branch_table`;CREATE TABLE `branch_table`  (  `branch_id` bigint(20) NOT NULL,  `xid` varchar(128) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL,  `transaction_id` bigint(20) NULL DEFAULT NULL,  `resource_group_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `resource_id` varchar(256) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `branch_type` varchar(8) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `status` tinyint(4) NULL DEFAULT NULL,  `client_id` varchar(64) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `application_data` varchar(2000) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `gmt_create` datetime(6) NULL DEFAULT NULL,  `gmt_modified` datetime(6) NULL DEFAULT NULL,  PRIMARY KEY (`branch_id`) USING BTREE,  INDEX `idx_xid`(`xid`) USING BTREE) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Compact;DROP TABLE IF EXISTS `global_table`;CREATE TABLE `global_table`  (  `xid` varchar(128) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL,  `transaction_id` bigint(20) NULL DEFAULT NULL,  `status` tinyint(4) NOT NULL,  `application_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `transaction_service_group` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `transaction_name` varchar(128) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `timeout` int(11) NULL DEFAULT NULL,  `begin_time` bigint(20) NULL DEFAULT NULL,  `application_data` varchar(2000) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `gmt_create` datetime NULL DEFAULT NULL,  `gmt_modified` datetime NULL DEFAULT NULL,  PRIMARY KEY (`xid`) USING BTREE,  INDEX `idx_gmt_modified_status`(`gmt_modified`, `status`) USING BTREE,  INDEX `idx_transaction_id`(`transaction_id`) USING BTREE) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Compact;SET FOREIGN_KEY_CHECKS = 1;
   Nacos 新建配置文件
   为 Seata 集群作准备
   Nacos创建seataServer.properties配置文件，修改 MySQL 数据库信息，其余配置默认。
   # 数据存储方式，db代表数据库store.mode=dbstore.db.datasource=druidstore.db.dbType=mysqlstore.db.driverClassName=com.mysql.cj.jdbc.Driverstore.db.url=jdbc:mysql://127.0.0.1:3306/seata" />
    
   重启微服务，查看 Seata 日志
    
     
   4、XA规范
    
    
    
   分阶段事务模式，几乎所有的主流数据库都对其提供了支持。
    
    
   示意图：
    
    
    
   优点：
      
   事务具有强一致性，满足ACID
   常用数据库均支持，实现简单、无代码侵入
    
    
   缺点：
      
   事务之间耦合度很高
   事务之间相互等待，性能较差
   事务的实现依赖于关系型数据库
    
    
   实现步骤
      
   各微服务附加配置后重启
   业务 Service 加 全局事务注解 @GlobalTransaction
    
   seata:data-source-proxy-mode: XA# 使用 XA 模式
   @Override@GlobalTransactionalpublic void create(Order order) {    // 创建订单    // 扣用户余额    // 扣库存}
   【补充说明】data-source-proxy-mode配置的作用：
   ​ 设置数据源代理模式，Seata 通过劫持数据源data-source来实现分布式事务的管理，配置后所有事务都将由 Seata 托管。
   5、AT模式
   默认
   同样是分阶段事务模式，弥补了 XA 模式中资源锁定周期过长的缺陷，但同时也牺牲了一些安全性。
   示意图：允许先成功，后续使用 undo log 进行回滚。
   【脏读问题】：
   这里阐述比较复杂，总之 AT 模式就是牺牲一定的安全性换来效率
   由于各事务在一定程度上存在“独立性”，所以 AT 模式存在“脏读”现象。
   AT 模式新增**【全局锁】**用来防止数据脏读，当数据遇到同时 update 请求时，全局锁会限制另一方的提交，直到原来的一方释放全局锁，此时 AT 模式相当于退化为 XA 模式。
   但是全局锁只能作用于 Seata 事务，也就是说对非 Seata 管理的事务无效，在这种情况下依旧会产生“脏读”现象（无法解决）。幸运的是，Seata 能察觉这种现象的产生并抛出异常，我们可以捕获这种异常并编写代码发送邮件告知服务管理者。
   当数据没有发生“脏读”问题时，AT模式效率较高，原因如下：
   事务分布式提交，突破“木桶效应”限制。
   Seata 的“全局锁”粒度较细，只锁字段中的具体数据，对相同字段的其他数据无影响。
   MySQL 属于“粗粒度”锁，会锁住整张表，极大的降低效率。
   // 例如在下面字段中，当 name 被某事务支配时，money字段并不受影响{"id":1,"name":"张三","money":100}
   【 XA模式 与 AT模式 总结】
   ​ AT模式牺牲的只是一些比较小的安全性（sava 与 update 属于“小概率”操作），换来的是极大的效率提升，在业务sava 与 update 次数较少且安全性要求不高的数据库，应优先使用AT模式。
   实现步骤
   数据库新建 2 张表，存储在不一样地方
   lock_table：导入到与 TC（即 Seata 服务端）相关联的数据库
   undo_log：导入到与微服务相关的数据库（也就是在每个相关的微服务数据库中都需要导入undo_log表）
   修改相关微服务的application.yml配置文件，声明为使用 AT 模式（其实默认模式）。
   DROP TABLE IF EXISTS `lock_table`;CREATE TABLE `lock_table`  (  `row_key` varchar(128) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL,  `xid` varchar(96) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `transaction_id` bigint(20) NULL DEFAULT NULL,  `branch_id` bigint(20) NOT NULL,  `resource_id` varchar(256) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `table_name` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `pk` varchar(36) CHARACTER SET utf8 COLLATE utf8_general_ci NULL DEFAULT NULL,  `gmt_create` datetime NULL DEFAULT NULL,  `gmt_modified` datetime NULL DEFAULT NULL,  PRIMARY KEY (`row_key`) USING BTREE,  INDEX `idx_branch_id`(`branch_id`) USING BTREE) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Compact;
   DROP TABLE IF EXISTS `undo_log`;CREATE TABLE `undo_log`  (  `branch_id` bigint(20) NOT NULL COMMENT 'branch transaction id',  `xid` varchar(100) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT 'global transaction id',  `context` varchar(128) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT 'undo_log context,such as serialization',  `rollback_info` longblob NOT NULL COMMENT 'rollback info',  `log_status` int(11) NOT NULL COMMENT '0:normal status,1:defense status',  `log_created` datetime(6) NOT NULL COMMENT 'create datetime',  `log_modified` datetime(6) NOT NULL COMMENT 'modify datetime',  UNIQUE INDEX `ux_undo_log`(`xid`, `branch_id`) USING BTREE) ENGINE = InnoDB CHARACTER SET = utf8 COLLATE = utf8_general_ci COMMENT = 'AT transaction mode undo table' ROW_FORMAT = Compact;
   seata:data-source-proxy-mode: AT
   6、TCC模式
   TCC模式效率很高，但过于复杂
   具体案例见：

4. 优点：

   • 分布式提交事务，效率高
   • 相比 AT 模式，无需生成快照（即 undo_log）、无需使用全局锁，性能最强
   • 依赖补偿操作，不依赖数据库事务，可用于非事务型数据库

5. 缺点：

   • 代码侵入性很强，需同时编写 try、confirm、cancel 接口，特别繁琐与麻烦
   • 事务最终一致而不是强一致
   • 需要考虑Confirm与Cancel失败的情况，即做好幂等处理
   • 另外需要注意空回滚的情况

6. 【名词解释】

   • 空回滚：当某分支事务的 try 阶段阻塞时，可能导致全局事务超时而触发其他服务的 cancel 操作。在未执行 try 操作时先执行了 cancel 操作，这时 cancel 不能做回滚，就是空回滚。
   • 幂等处理：对于已经空回滚的业务，如果以后继续执行 try，就永远不可能 confirm 或 cancel ，这就是业务悬挂（应当阻止执行空回滚后的 try 操作，避免悬挂）。

7. 举例