为啥要写这么一个小程序？
作为互联网的原住民。
90后程序员的我，从高中开始发QQ小表情。
到之后的熊猫头，蘑菇头。
可以说表情包陪伴我从学校到社会，从青少年到中年。。
多年来，混迹于各个qq群，收集表情包多达三千多个，终于，在去年的某个工地跑路的时候，忘了带走我的表情包。。。然后就再也找不到之前的经典表情了。。
虽然QQ里面提成了斗图的功能，但是微信没有提成QQ那种怼图的功能。而且对我来说，QQ提供的表情都太高清了。。不如模糊的小标签有灵魂。。。
于是决定自己做一个这样的斗图小程序。自用，也给其他的朋友们提供方便。
需要用到的技术栈
服务器端:
- 阿里云ubuntu1804最低配的的ECS一台
- MySQL8.0社区版数据库
- .Net Core 3.0
- Dapper
- HtmlAgilityPack
- Lucene+jieba.net
- 阿里云对象存储+阿里云CDN
小程序端：
- 直接使用微信官方的那一套就行，客户端没啥复杂的，我使用的是uniapp开发的小程序。
选好技术类型后，就开始我们的斗图小程序开发过程
1.爬取图片数据
百度搜搜表情包，会出现N个专门做表情包的网站。
我们使用HtmlAgilityPack来抓取图片地址和alt描述文字。
具体可以参考我的另一篇博文 【.Net Core下使用HtmlAgilityPack解析采集互联网数据】
爬取拿到图片地址后，使用HttpClient来下载图片，并上传到对象存储空间去，这里可以自己选择阿里云或者七牛云【不是广告，因为我最熟悉的就是阿里云和七牛云】
下载图片代码
var result = await new HttpClient().GetStreamAsync(imgUrl);
拿到流就可以直接下载了，然后上传了。
上传成功后，保存图片地址和图片的描述文字。
2.开发web服务器接口
在抓取完图片存到数据库后，我们手上已经有N多图片了。
然后就开发搜索图片的api。
第一步的时候，我们存储了图片地址和图片描述文字。我们搜索的就是这个描述文字。把搜索结果对应的图片列响应出去就好了。
假如你图片采集到几十万张。你单纯用like来搜索。一是慢的要死。二是搜索结果不尽人意。
有大佬估计会说直接上ElasticSearch或者Solr啊。。。
我的内心：服务器费用你给我出啊。我阿里云1h1g的机器，跑得起那玩意儿就怪了。。
这里我使用的是Lucene.Net 4.8+jieba.Net分词插件。
使用方式非常简单。把数据直接导入到Lucene就行了。【用Lucene的专业词语说叫添加到索引】
var AppLuceneVersion = LuceneVersion.LUCENE_48; var indexLocation = Path.Combine(System.IO.Directory.GetCurrentDirectory(), "Indexs"); if (!System.IO.Directory.Exists(indexLocation)) { System.IO.Directory.CreateDirectory(indexLocation); } var dir = FSDirectory.Open(indexLocation); //create an analyzer to process the text var analyzer = new JieBaAnalyzer(TokenizerMode.Search); //new StandardAnalyzer(AppLuceneVersion); //create an index writer var indexConfig = new IndexWriterConfig(AppLuceneVersion, analyzer); using (var writer = new IndexWriter(dir, indexConfig)) { //todo 加载数据过来var list = mysql.Query<BiaoQingSearchModel>(sql, new { time, now = nowTime }).ToList(); for (int i = 0; i < list.Count(); i++) { var item = list[i]; var doc = new Document(); doc.Add(new StringField("url", item.Url, Field.Store.YES)); doc.Add(new TextField("Imgexplain", item.Imgexplain, Field.Store.YES)); writer.AddDocument(doc); } writer.Flush(triggerMerge: false, applyAllDeletes: false); writer.Commit(); }
然后创建好索引之后，就可以在Indexs下看到一堆文件了。
大概就是如上图所示的样子。
然后就是搜索表情包的数据，数据搜索的时候，我们只搜索Lucene里面的图片描述列。
var AppLuceneVersion = LuceneVersion.LUCENE_48; var indexLocation = Path.Combine(System.IO.Directory.GetCurrentDirectory(), "Indexs"); if (!System.IO.Directory.Exists(indexLocation)) { System.IO.Directory.CreateDirectory(indexLocation); } var dir = FSDirectory.Open(indexLocation); var analyzer = new JieBaAnalyzer(TokenizerMode.Search); QueryParser qp = new QueryParser(AppLuceneVersion, "Imgexplain", analyzer); Query query = qp.Parse(key); BooleanQuery b = new BooleanQuery(); b.Add(query, Occur.MUST); using (IndexReader reader = DirectoryReader.Open(dir)) { var searcher = new IndexSearcher(reader); TopDocs hits = searcher.Search(query, Size); Console.WriteLine("一共:" + hits.TotalHits); Count = hits.TotalHits; var list = new List<BiaoQingSearchModel>(); foreach (var hit in hits.ScoreDocs) { var foundDoc = searcher.Doc(hit.Doc); var model = new BiaoQingSearchModel(); model.Url = foundDoc.Get("url"); model.Imgexplain = foundDoc.Get("Imgexplain"); list.Add(model); } return list; }
然后就能正确的搜索出我们需要的表情包了。
做好这一堆事情，基本上我们的服务器端开发工作完成了80%。
然后就是用asp.net core写一个简单的api然后调用Lucene的搜索方法，就完成了。
服务器部署工作
我使用的是Ubuntu1804，也推荐大家使用Ubuntu server。ubuntu比centos好用几条街。。有人说centos稳定，同样是Linux，为啥ubuntu server就不稳定了？
1. 在ubuntu服务器上使用apt命令安装好nginx，mysql，Supervisor三个软件
迁移本地采集的数据到ubuntu上的数据库。【迁移数据可以直接使用mysqldump出sql，然后到服务器上执行就行了】
2.申请域名和SSL证书，因为微信小程序要求必须https。【阿里云可以一条龙服务】
3.在nginx中绑定域名和https证书
server { listen 443 ssl; server_name 你的域名 ssl on; ssl_certificate /var/ssl/xxx.pem; ssl_certificate_key /var/ssl/xxx.key; ssl_session_timeout 5m; ssl_protocols TLSv1 TLSv1.1 TLSv1.2; ssl_ciphers ECDHE-RSA-AES128-GCM-SHA256:HIGH:!aNULL:!MD5:!RC4:!DHE; ssl_prefer_server_ciphers on; location / { proxy_pass http://localhost:5000; proxy_http_version 1.1; proxy_set_header Upgrade $http_upgrade; proxy_set_header Connection keep-alive; proxy_set_header Host $host; proxy_cache_bypass $http_upgrade; } }
4.使用Supervisor以守护进程的模式启用.net core开发的webapi站点。
[program:doutuapp] command=dotnet xxx.dll directory=/var/www/ user=root autostart=true autorestart=true startsecs=1 stderr_logfile=/usr/log/doutu/err.log stdout_logfile=/usr/log/doutu/out.log
5.启动站点服务
启用supervisor，使用supervisorctl reload 然后supervisorctl status查看守护进程状态
然后启动nginx，正常情况下，就可以通过你绑定的域名访问到你的webapi了。
6.性能优化建议【不是必须】
因为我们穷，买不起高配的服务器。所以只能通过做更多的功课来加速访问，提高我们的小水管服务器的性能。
把图片上传到oss去，保证我们的webapi只响应webapi的文本数据，这样1m的小水管，撑住20个人同时访问，压力还是不大的。
使用cdn加速访问。cdn是内容分发网络的简称。简单的理解就是用户访问距离他最近的节点就能获取到数据。举个栗子：你服务器在上海，你用户在新疆，如果你用户通过网线来找你的服务器上的图片，
如果不是直连的话，需要经过n个路由器和交换鸡。中间可能会找不到你的服务器，然后也许你就丢失了一个用户了！cdn就是帮我们分发图片到全国各大节点。然后无死角让你提升用户体验。
开启nginx的gzip，压缩你的数据包。之前10k一个数据包，压缩后2k，你服务器的并发性能瞬间提高几个档次【当然压缩需要消耗cpu，cpu不行就算求了】
以上内容虽然只是短短一篇文章，但是实际上消耗了我近两周的业余时间【还不算上备案域名的时间】，因为中间关于全文检索的知识点我也不太了解，踩了很多坑才爬上岸。
