开箱即用的 GoWind Admin|风行,企业级前后端一体中后台框架:支持ElasticSearch

简介: GoWind Admin|风行是一款企业级前后端一体中后台框架,集成ElasticSearch支持,提供开箱即用的分布式全文搜索能力。内置索引、文档、分片等核心功能封装,轻松实现高效数据检索与分析,适用于日志处理、实时监控等场景,助力企业快速构建高可用应用。

开箱即用的 GoWind Admin|风行,企业级前后端一体中后台框架:支持ElasticSearch

ElasticSearch(简称 ES)是一款开源的分布式全文搜索引擎,同时也是一个基于 Lucene 的实时分布式存储、搜索和分析引擎。它由Elastic 公司开发,主要用于解决海量数据的实时检索、分析和存储问题,具有高性能、高可用、易扩展等特点,广泛应用于日志分析、全文检索、业务监控等场景。

ElasticSearch 的核心概念

概念 说明
索引(Index) 类似关系型数据库的 “表”,是具有相似结构的文档集合(如 “商品索引”“用户日志索引”)。每个索引有唯一名称,用于操作数据。
文档(Document) 索引中的一条数据,以 JSON 格式存储,类似关系型数据库的 “行”。每个文档有唯一 ID(可自定义或自动生成)。
字段(Field) 文档中的键值对,类似 JSON 的 “键”,对应数据的具体属性(如 “商品名称”“价格”)。
分片(Shard) 索引的最小存储单位,一个索引可分为多个分片(默认 5 个主分片),分布式存储在不同节点,实现并行处理。
副本(Replica) 分片的备份,用于提高查询性能和容错性(默认 1 个副本)。主分片故障时,副本可升级为主分片。
节点(Node) 运行 ES 服务的单个服务器,多个节点组成集群。节点分为主节点(管理集群)、数据节点(存储数据)等角色。
集群(Cluster) 由多个节点组成的集合,共同管理索引数据,对外提供统一的服务入口。

ElasticSearch 与关系型数据库的差异

ElasticSearch 关系型数据库
Index 表(Table)
Document 行(Row)
Field 列(Column)
Mapping 表结构定义
docker pull bitnami/elasticsearch:latest

docker run -itd \
    --name elasticsearch \
    -p 9200:9200 \
    -p 9300:9300 \
    -e ELASTICSEARCH_USERNAME=elastic \
    -e ELASTICSEARCH_PASSWORD=elastic \
    -e ELASTICSEARCH_NODE_NAME=elasticsearch-node-1 \
    -e ELASTICSEARCH_CLUSTER_NAME=elasticsearch-cluster \
    bitnami/elasticsearch:latest

在 Go Wind Admin 中使用 ElasticSearch

我把ElasticSearch的SDK封装了起来,并且提供了配置文件的支持,使用起来非常简单。

首先,我们需要安装库:

go get github.com/tx7do/kratos-bootstrap/database/elasticsearch

接着在数据库的配置文件data.yaml中添加ElasticSearch的配置:

data:
  elastic_search:
    addresses:
      - "http://localhost:9200"
    username: "elastic"
    password: "elastic"

现在,我们开始创建客户端:

package data

import (
    "github.com/tx7do/kratos-bootstrap/database/elasticsearch"
)

func NewElasticSearchClient(logger log.Logger, cfg *conf.Bootstrap) *elasticsearch.Client {
   
    cli, err := elasticsearch.NewClient(logger, cfg)
    if err != nil {
   
        return nil
    }
    return cli
}

data/init.go注入到wire:

//go:build wireinject
// +build wireinject

package data

import "github.com/google/wire"

var ProviderSet = wire.NewSet(
    NewElasticSearchClient,
)

在这里,我们以股票的K线(蜡烛图)为实例,来讲解如何使用ElasticSearch。

首先,定义模型:

package data

import "time"

type Candle struct {
   
    Timestamp *time.Time `json:"timestamp"`
    Symbol    *string    `json:"symbol"`
    Open      *float64   `json:"open"`
    High      *float64   `json:"high"`
    Low       *float64   `json:"low"`
    Close     *float64   `json:"close" `
    Volume    *float64   `json:"volume"`
}

const CandleMapping = `
{
  "mappings": {
    "properties": {
      "timestamp": {"type": "date"},
      "symbol": {"type": "keyword"},
      "open": {"type": "double"},
      "high": {"type": "double"},
      "low": {"type": "double"},
      "close": {"type": "double"},
      "volume": {"type": "double"}
    }
  }
}`

最后,实现CancleRepo

package data

import (
    "github.com/go-kratos/kratos/v2/log"
    "github.com/tx7do/kratos-bootstrap/database/elasticsearch"
)

const candleIndex = "candles"

type CandleRepo struct {
   
    client *elasticsearch.Client
    log    *log.Helper
}

func NewCandleRepo(logger log.Logger, client *elasticsearch.Client) *CandleRepo {
   
    repo := &CandleRepo{
   
        log:    log.NewHelper(log.With(logger, "module", "candle/elasticsearch/repo")),
        client: client,
    }

    ctx := context.Background()

    if exists, _ := repo.client.IndexExists(ctx, candleIndex); !exists {
   
        _ = repo.client.CreateIndex(ctx, candleIndex, CandleMapping, "")
    }

    return repo
}

func (r *CandleRepo) Create(ctx context.Context, req *Candle) error {
   
    if req == nil {
   
        return candleV1.ErrorBadRequest("request data is required")
    }

    err := r.client.InsertDocument(ctx, candleIndex, "", req)
    if err != nil {
   
        r.log.Errorf("create candle failed: %s", err.Error())
        return candleV1.ErrorInternalServerError("create candle failed")
    }
    return nil
}

项目代码

目录
相关文章
|
26天前
|
前端开发 JavaScript Go
开箱即用的 GoWind Admin|风行,企业级前后端一体中后台框架:为什么选 Golang+Vue3 这套组合?
go-wind-admin 采用 Golang + Vue3 技术栈,融合高性能后端与高效前端生态。后端基于 go-kratos、ent/gorm 灵活适配复杂业务,前端结合 Vue3、TypeScript 与 Vben Admin,提升开发效率与可维护性,兼顾性能、扩展性与企业级需求,是中后台系统的理想选择。(239字)
163 6
|
前端开发 Go API
开箱即用的 GoWind Admin|风行,企业级前后端一体中后台框架:数据脱敏和隐私保护
GoWind Admin基于Protobuf生态,集成protoc-gen-redact插件,实现开箱即用的数据脱敏与隐私保护。通过注解定义规则,自动生成脱敏代码,支持多语言、灵活配置,零侵入业务逻辑,适用于微服务、日志、前端等场景,保障数据安全合规。
112 0
|
29天前
|
数据采集 SQL 自然语言处理
脏数据不脏心:大数据平台的数据质量(DQ)入门实战与自动修复心法
脏数据不脏心:大数据平台的数据质量(DQ)入门实战与自动修复心法
155 20
|
29天前
|
监控 Kubernetes 安全
边界已死,信任重构:零信任架构的真相与落地心法
边界已死,信任重构:零信任架构的真相与落地心法
106 17
|
2天前
|
数据采集 人工智能 监控
构建AI智能体:七十七、AI古典文学:基于LoRA微调Qwen1.5-0.5B打造唐诗生成器
本文介绍了基于LoRA微调技术实现AI创作唐诗的方法。通过使用Qwen1.5-0.5B-Chat作为基础模型,仅调整0.34%的参数(157万),在CPU上39分钟即可完成训练。文章详细展示了从模型选择、28首原创唐诗数据集构建、LoRA参数配置到训练评估的全过程。实验结果表明,模型能生成符合主题的原创唐诗,但在格律平仄、意境深度等方面仍需优化。这一实践验证了LoRA技术在古典文学创作领域的可行性,为轻量化AI创作提供了有价值的参考。
88 16
|
1月前
|
机器学习/深度学习 数据采集 人工智能
构建AI智能体:三十五、决策树的核心机制(一):刨根问底鸢尾花分类中的参数推理计算
本文介绍了决策树算法的基本原理和应用。决策树通过一系列特征判断(如西瓜的纹路、声音)进行分类,其结构包括根节点、内部节点、叶节点和分支。算法通过计算信息增益或基尼不纯度选择最佳分裂特征,构建过程采用递归方式。以鸢尾花分类为例,展示了如何用Python实现决策树模型,并分析了节点参数(样本量、基尼值、类别分布)的含义。决策树具有直观易懂的优点,但也容易过拟合。文章强调理解决策树是学习更复杂算法的基础,为后续深入讲解分裂点计算做铺垫。
204 12
|
9天前
|
存储 网络协议 数据挖掘
阿里云服务器通用算力型u1实例2核4G5M配置199元一年怎么样?实例性能与适用场景参考
阿里云目前特惠价格只要199元一年的云服务器怎么样?对于部分还未使用过这款云服务器的企业用户来说,并不是很清楚这款云服务器的实例规格性能与适用场景情况,本文为大家详细介绍这款云服务器的具体配置、可选地域、以及u1实例的性能和适用场景,以供大家更详细的了解这款云服务器,从而根据自己的需要作出选择参考。
|
22天前
|
搜索推荐
掌握三大核心技巧,快速成为1688运营高手!
1688运营需聚焦三大核心:提升店铺综合权重、优化搜索相关性、挖掘流量价值。通过商品、转化、服务等多维度协同,精准匹配关键词与类目,强化客户体验与复购,系统提升L等级与动销表现,实现曝光、转化双增长。每月复盘,稳步推进,打造高竞争力店铺。
|
14天前
|
开发框架 Cloud Native JavaScript
阿里云轻量应用服务器:值得买的云服务器推荐
阿里云轻量应用服务器全新升级,200Mbps峰值带宽、不限流量,支持多公网IP与丰富应用镜像,如WordPress、宝塔等,一键部署。适用于建站、跨境电商、游戏加速等场景,性价比高,68元起/年,限时抢购低至38元,中小企业和开发者首选。
148 12
|
20天前
|
JSON 运维 安全
云时代的身份安全:别再靠“密码123456”扛风险了
云时代的身份安全:别再靠“密码123456”扛风险了
98 17