黑马商城-微服务笔记
认识微服务
单体架构
微服务架构
微服务拆分
服务拆分原则
什么时候拆分？
●创业型项目：先采用单体架构，快速开发，快速试错。随着规模扩大，逐
渐拆分。
●确定的大型项目：资金充足，目标明确，可以直接选择微服务架构，避免
后续拆分的麻烦。
怎么拆分？
从拆分目标来说，要做到：
高内聚：每个微服务的职责要尽量单一，包含的业务相互关联度高、完整度高。
低耦合：每个微服务的功能要相对独立，尽量减少对其它微服务的依赖。
从拆分方式来说，一般包含两种方式：
纵向拆分：按照业务模块来拆分
横向拆分：抽取公共服务，提高复用性
拆分服务
mkdir controller domain service mapper
远程调用
服务治理
注册中心原理
Nacos:注册中心
docker run -d \
--name nacos \
--env-file ./nacos/custom.env \
-p 8848:8848 \
-p 9848:9848 \
-p 9849:9849 \
--restart=always \
nacos/nacos-server:v2.1.0-slim
服务发现与负载均衡
OpenFeign
连接池
最佳实践
日志输出
网关路由
快速入门
路由属性
网关路由对应的ava类型是RouteDefinition,其中常见的属性有：
id:路由唯一标示
uri:路由目标地址
predicates:路由断言，判断请求是否符合当前路由。
filters:路由过滤器，对请求或响应做特殊处理。
路由断言
路由过滤器
网关请求处理流程
网关登录校验
自定义过滤器
实现登录校验
需求：在网关中基于过滤器实现登录校验功能
提示：黑马商城是基于WT实现的登录校验，目前相关功能在hm-service模块。我们可以将其中的WT
工具拷贝到gateway模块，然后基于GlobalFilter来实现登录校验。
网关传递用户
@Configuration
@ConditionalOnClass(DispatcherServlet.class)
public class MvcConfig implements WebMvcConfigurer {@Overridepublic void addInterceptors(InterceptorRegistry registry) {registry.addInterceptor(new UserInfoInterceptor());}
}
OpenFeign传递用户
配置管理
配置热更新
动态路由
要实现动态路由首先要将路由配置保存到Nacos,当Nacos中的路由配置变更时，推送最新配置到网关，实时更新网关
中的路由信息。
我们需要完成两件事情：
①监听Nacos配置变更的消息
②当配置变更时，将最新的路由信息更新到网关路由表
服务保护
雪崩问题
雪崩问题-解决方案
服务保护技术
sentinel
Sentinel是阿里巴巴开源的一款微服务流量控制组件。官网地址：https:/sentinelquard.io/zh-cn/index.html
java -Dserver.port=8090 -Dcsp.sentinel.dashboard.server=localhost:8090 -Dproject.name=sentinel-dashboard -jar sentinel-dashboard.jar
我们在cart-service模块中整合sentinel，连接sentinel-dashboard控制台，步骤如下： 1）引入sentinel依赖
<!--sentinel-->
<dependency><groupId>com.alibaba.cloud</groupId> <artifactId>spring-cloud-starter-alibaba-sentinel</artifactId>
</dependency>
2）配置控制台
修改application.yaml文件，添加下面内容：
spring:cloud: sentinel:transport:dashboard: localhost:8090
簇点链路
簇点链路，就是单机调用链路。是一次请求进入服务后经过的每一个被Sentinel.监控的资源链。默认Sentinel:会监控
SpringMVC的每一个Endpoint(htp接口)。限流、熔断等都是针对簇点链路中的资源设置的。而资源名默认就是接
口的请求路径：
线程隔离
流控是控制接收请求的速度，线程隔离是最多能接收请求的次数，就算流控设置的再慢，如果线程卡住了的话，不设置线程隔离也会导致资源占用
Fallback
服务熔断
分布式事务
Seata
Docker部署
需要注意，要确保nacos、mysql都在hm-net网络中。如果某个容器不再hm-net网络，可以参考下面的命令将某容器加入指定网络：
docker network connect [网络名] [容器名]
在虚拟机的/root目录执行下面的命令：
docker run --name seata \
-p 8099:8099 \
-p 7099:7099 \
-e SEATA_IP=192.168.100.129 \
-v ./seata:/seata-server/resources \
--privileged=true \
--network hm-net \
-d \
seataio/seata-server:1.5.2
XA模式
seata:data-source-proxy-mode: XA
AT模式
异步通信
RabbitMQ
异步调用
异调用的优势是什么？
耦合度低，拓展性强
异步调用，无需等待，性能好
故障隔离，下游服务故障不影响上游业务
缓存消息，流量削峰填谷
异步调用的问题是什么？
不能立即得到调用结果，时效性差
不确定下游业务执行是否成功
业务安全依赖于Broker的可靠性
追求可用性：Kafka、 RocketMQ 、RabbitMQ
追求可靠性：RabbitMQ、RocketMQ
追求吞吐能力：RocketMQ、Kafka
追求消息低延迟：RabbitMQ、Kafka
安装
docker run \-e RABBITMQ_DEFAULT_USER=itheima \-e RABBITMQ_DEFAULT_PASS=123321 \-v mq-plugins:/plugins \--name mq \--hostname mq \-p 15672:15672 \-p 5672:5672 \--network hm-net\-d \rabbitmq:3.8-management
架构
数据隔离
需求：在RabbitMQ的控制台完成下列操作：
新建一个用户hmall
为hmal用户创建一个virtual host
测试不同virtual host之间的数据隔离现象
java客户端
Work Queues
模拟WorkQueue,实现一个队列绑定多个消费者
消费者消息推送限制
Work模型的使用：
多个消费者绑定到一个队列，可以加快消息处理速度
同一条消息只会被一个消费者处理
通过设置prefetch来控制消费者预取的消息数量，处理完一条再处理下一条，实现能者多劳
Fanout交换机
Direct交换机
Topic交换机
声明队列交换机
消息转换器
发送者消息可靠性
发送者重连
发送者确认
MQ的可靠性
Layz Queue
从RabbitMQ的3.6.0版本开始，就增加了Lazy Queue的概念，也就是惰性队列。
惰性队列的特征如下：
·接收到消息后直接存入磁盘，不再存储到内存
·消费者要消费消息时才会从磁盘中读取并加载到内存（可以提前缓存部分消息到内存，最多2048条）
在3.12版本后，所有队列都是Lazy Queue模式，无法更改。
消费者确认机制
失败消息处理策略
业务幂等性
如何保证支付服务与交易服务之间的订单状态一致性？
首先，支付服务会正在用户支付成功以后利用MQ消息通知交易服务
完成订单状态同步。
其次，为了保证MQ消息的可靠性，我们采用了生产者确认机制、消
费者确认、消费者失败重试等策略，确保消息投递和处理的可靠性。同
时也开启了MQ的持久化，避免因服务宕机导致消息丢失。
最后，我们还在交易服务更新订单状态时做了业务幂等判断，避免
因消息重复消费导致订单状态异常。
如果交易服务消息处理失败，有没有什么兜底方案？
延迟消息
延迟消息：发送者发送消息时指定一个时间，消费者不会立刻收到消息，而是在指定时间之后才收到消息。
死信交换机
当一个队列中的消息满足下列情况之一时，就会成为死信(dead letter):
·消费者使用basic.rejecti或basic.nack声明消费失败，并且消息的requeue参数设置为false
消息是一个过期消息（达到了队列或消息本身设置的过期时间），超时无人消费
要投递的队列消息堆积满了，最早的消息可能成为死信
如果队列通过dead-letter-exchange属性指定了一个交换机，那么该队列中的死信就会投递到这个交换机中。这个交
换机称为死信交换机(Dead Letter Exchange,简称DLX)。
延迟消息插件
安装
https://github.com/rabbitmq/rabbitmq-delayed-message-exchange
因为我们是基于Docker安装，所以需要先查看RabbitMQ的插件目录对应的数据卷。
docker volume inspect mq-plugins
结果如下：
[{"CreatedAt": "2024-06-19T09:22:59+08:00","Driver": "local","Labels": null,"Mountpoint": "/var/lib/docker/volumes/mq-plugins/_data","Name": "mq-plugins","Options": null,"Scope": "local"}
]
插件目录被挂载到了/var/lib/docker/volumes/mq-plugins/_data这个目录，我们上传插件到该目录下。
接下来执行命令，安装插件：
docker exec -it mq rabbitmq-plugins enable rabbitmq_delayed_message_exchange
运行结果如下：
取消超时订单
Elasticsearch分布式搜索
介绍
安装elasticsearch
通过下面的Docker命令即可安装单机版本的elasticsearch：
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 \-v es-config:/usr/share/elasticsearch/config \--privileged \--network hm-net \-p 9200:9200 \-p 9300:9300 \elasticsearch:7.12.1
安装Kibana
通过下面的Docker命令，即可部署Kibana：
docker run -d \
--name kibana \
-e ELASTICSEARCH_HOSTS=http://es:9200 \
--network=hm-net \
-p 5601:5601 \
kibana:7.12.1
倒排索引
IK分词器
在线安装
docker exec -it es ./bin/elasticsearch-plugin install https://release.infinilabs.com/analysis-ik/stable/elasticsearch-analysis-ik-7.12.1.zip
POST /_analyze
{
“analyzer”: “ik_smart”,
“text”: “传智播客开放全日制大学，刘德华这简直泰裤辣啊”
}
分词器的作用是什么？
创建倒排索引时，对文档分词
用户搜索时，对输入的内容分词
K分词器有几种模式？
ik smart:智能切分，粗粒度
ik max word:最细切分，细粒度IK分词器
如何拓展分词器词库中的词条？
利用config目录的IkAnalyzer…cfg.xml文件添加拓展词典
在词典中添加拓展词条
基础概念
Mapping映射属性
mapping是对索引库中文档的约束，常见的mapping.属性包括：
type:字段数据类型，常见的简单类型有：
字符串：text(可分词的文本)、keyword(精确值，例如：品牌、国家、ip地址)
数值：long、integer、short、byte、double、float,
布尔：boolean
日期：date
对象：object
index:是否创建索引，默认为true
analyzer:使用哪种分词器
properties:该字段的子字段
索引库操作
# 新增索引库
PUT /heima
{"mappings": {"properties": {"info": {"type": "text","analyzer": "ik_smart"},"age": {"type": "byte"},"email": {"type": "keyword","index": false},"name": {"type": "object", "properties": {"firstNmae": {"type": "keyword"},"lastNmae": {"type": "keyword"}}}}}
}# 查询索引库
GET /heima# 删除索引库
DELETE /heima# 修改索引库
PUT /heima/_mapping
{"properties": {"info": {"type": "byte"}}
}
文档操作CRUD
# 新增文档
POST /heima/_doc/1
{"info": "黑马程序员Java讲师","email": "zy@itcast.cn","name": {"firstName": "云","lastName": "赵"}
}# 查询文档
GET /heima/_doc/1# 删除文档
DELETE /heima/_doc/1# 全量修改
PUT /heima/_doc/2
{"info": "黑马程序员Python讲师","email": "zs@itcast.cn","name": {"firstName": "四","lastName": "赵"}
}# 增量修改
POST /heima/_update/1
{"doc": {"email": "ZhaoYun@itcast.cn"}
}
批量处理
# 批量新增
POST /_bulk
{"index": {"_index":"heima", "_id": "3"}}
{"info": "黑马程序员C++讲师", "email": "ww@itcast.cn", "name":{"firstName": "五", "lastName":"王"}}
{"index": {"_index":"heima", "_id": "4"}}
{"info": "黑马程序员前端讲师", "email": "zhangsan@itcast.cn", "name":{"firstName": "三", "lastName":"张"}}# 批量删除
POST /_bulk
{"delete":{"_index":"heima", "_id": "3"}}
{"delete":{"_index":"heima", "_id": "4"}}
JavaRestClient
客户端初始化
<dependency><groupId>org.elasticsearch.client</groupId><artifactId>elasticsearch-rest-high-level-client</artifactId>
</dependency>
商品Mapping映射
索引库操作
PUT /items
{"mappings": {"properties": {"id": {"type": "keyword"},"name":{"type": "text","analyzer": "ik_max_word"},"price":{"type": "integer"},"stock":{"type": "integer"},"image":{"type": "keyword","index": false},"category":{"type": "keyword"},"brand":{"type": "keyword"},"sold":{"type": "integer"},"commentCount":{"type": "integer","index": false},"isAD":{"type": "boolean"},"updateTime":{"type": "date"}}}
}
文档的crud
修改文档数据有两种方式：
·方式一：全量更新。再次写入id一样的文档，就会删除旧文档，添加新文档。与新增的javaAPI一致。
·方式二：局部更新。只更新指定部分字段。
文档操作的基本步骤：
,初始化RestHighLevelClient
创s建XxxRequest。XXX是Index、Get、Update、Delete
·准备参数(Index和Update时需要)
发送请求。调用RestHighLevelClient#.XXx()方法，XXx是
index、get、update、delete
·解析结果（Get时需要）
批处理
DSL查询
全文检索
精确查询
复合查询
GET /items/_search
{"query": {"match": {"name": "华为"}}
}# 要搜索手机，但品牌必须是华为，价格必须是900~1599，那么可以这样写
GET /items/_search
{"query": {"bool": {"must": [{"match": {"name": "手机"}}],"filter": [{"term": {"brand.keyword": { "value": "华为" }}},{"range": {"price": {"gte": 90000, "lt": 159900}}}]}}
}
排序和分页
深度分页问题
高亮显示
JavaRestClient查询
构建查询条件
需求：利用javaRestClient:实现搜索功能，条件如下：
搜索关键字为脱脂牛奶
品牌必须为德亚
价格必须低于300
@Test
void testSearch() throws IOException {// 创建request对象SearchRequest request = new SearchRequest("items");// 配置参数request.source().query(QueryBuilders.boolQuery().must(QueryBuilders.matchQuery("name", "脱脂牛奶")).filter(QueryBuilders.termQuery("brand.keyword", "德亚")).filter(QueryBuilders.rangeQuery("price").lt(30000)));// 发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);//System.out.println("response = " + response);// 解析结果parseResponseResult(response);
}
排序和分页
@Test
void testSortAndPage() throws IOException {// 模拟前端传递的分页参数int pageNo = 1, pageSize = 5;// 创建request对象SearchRequest request = new SearchRequest("items");// 配置参数request.source().query(QueryBuilders.matchAllQuery());request.source().from((pageNo - 1) * pageSize).size(pageSize);request.source().sort("sold", SortOrder.DESC).sort("price", SortOrder.ASC);// 发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);//System.out.println("response = " + response);// 解析结果parseResponseResult(response);
}
高亮显示
数据聚合
DSL聚合
RestClient聚合
@Test
void testAgg() throws IOException {SearchRequest request = new SearchRequest("items");// 配置参数request.source().size(0);String brandAggName = "brandAgg";request.source().aggregation(AggregationBuilders.terms(brandAggName).field("brand.keyword").size(10));// 发送请求SearchResponse response = client.search(request, RequestOptions.DEFAULT);// 解析结果Aggregations aggregations = response.getAggregations();Terms brandTerms = aggregations.get(brandAggName);List<? extends Terms.Bucket> buckets = brandTerms.getBuckets();for (Terms.Bucket bucket : buckets) {System.out.println("brand: " + bucket.getKeyAsString());System.out.println("count: " + bucket.getDocCount());}
}