Mall商城的高级篇的开发（一）

Mall商城的高级篇的开发

项目的整体架构图

实现全文检索和日志分析

在本项目中，全文检索使用ElasticSearch来做全文检索。

做日志存储和日志检索（日志的快速定位）使用ELK(ElasticSearch+Kibana+LogStash).

比如，腾讯云的ES服务器利用LogStash来进行数据传输汇聚到我们的ES中进行存储和异常定位与监控。

他会收集我们项目中日志，包括前台服务和后台服务，还有第三方的中间件

实现全文检索

流程是这样：在我们后台管理系统中对应着有SPU管理，有一个商品上架的功能。

通过点击商品的上架功能，我们的后台服务器将改商品的所有属性传给我们的ES服务器并在ES服务器保存（index），之后在实现我们的全文检索的功能。

其中保存商品的数据，不是说将商品的所有信息都保存在ES服务器，主要的原因是ES服务器保存的数据都在内存中，内存相对硬盘，性价比还是相差很大。

SKU在ES中的存储模型分析

当然在ES服务器中保存的是JSON数据，基于此，我们约定好需要检索的内容。

{"skuId":"1","spuId":"11""skuTitle":"Apple xx","price":"99","seleCount":"990""attrs":[{"尺寸":"xx"},{"CPU":"xx"},{"分辨率":""},    ]
}

这样进行存储，很容易产生冗余字段。但是呢，这样检索起来方便。这个是利用空间换时间。

其实呢，为了减少冗余字段，因为每个商品的属性有的就是一样。

sku索引{"skuId":"1","skuTitle":"Apple xx","price":"99","seleCount":"990"
}attr索引{"spuId":"11","attrs":[{"尺寸":"xx"},{"CPU":"xx"},{"分辨率":""}  ]
}

这个使用时间换空间。

最后我们还是选择浪费时间少的存储模型。

PUT product
{"mappings":{"properties": {"skuId":{ "type": "long" },"spuId":{ "type": "keyword" },  # 不可分词"skuTitle": {"type": "text","analyzer": "ik_smart"  # 中文分词器},"skuPrice": { "type": "keyword" },  # 保证精度问题"skuImg"  : {"type": "keyword","index":false,"doc_value"},  "saleCount":{ "type":"long" },"hasStock": { "type": "boolean" },"hotScore": { "type": "long"  },"brandId":  { "type": "long" },"catalogId": { "type": "long"  },"brandName": {"type": "keyword"}, # 视频中有false"brandImg":{"type": "keyword","index": false,  # 不可被检索，不生成index，只用做页面使用"doc_values": false # 不可被聚合，默认为true},"catalogName": {"type": "keyword" }, # 视频里有false"attrs": {"type": "nested","properties": {"attrId