ASP.NET SignalR 與 LayIM2.0 配合輕鬆實現Web聊天室(四) 之 使用者搜尋(Elasticsearch),加好友流程(1)。

丶Pz發表於2016-08-10

  前面幾篇基本已經實現了大部分即時通訊功能:聊天,群聊,傳送檔案,圖片,訊息。不過這些業務都是比較粗獷的。下面我們就把業務細化,之前用的是死資料,那我們就從加好友開始吧。加好友,首先你得知道你要加誰。Layim介面右下角有個+號,點選它之後就會彈出查詢好友的介面,不過那個介面需要自定義。由於前端不是我的強項,勉強湊了個頁面。不過不要在意這些細節。這些都不重要,今天主要介紹一下ElasticSearch搜尋解決方案。它是一個基於Lucene的搜尋伺服器。它提供了一個分散式多使用者能力的全文搜尋引擎,基於RESTful web介面。不熟悉Elastic的也不要緊,本篇的搜尋查詢好友用關聯式資料庫一樣實現。(不想對ES做深入研究的可以簡單看一下思路即可)

  首先安裝好ES環境。安裝步驟可以參考 http://www.cnblogs.com/panzi/p/5659697.html

  OK,先看一下成型效果圖,第一張是使用者,第二個是群。

  

 

  

  好的,介面就是這樣。當然要繫結什麼資料可以自己定義,比如繫結簽名,男女或者其他資訊等,都可以,在高階一點,把是否線上資訊加上。既然用了layui,那順帶著繫結外掛我就直接用laytpl了。前端模板如下:(一個使用者模板,一個群模板)。

  再說資料來源,既然我用到了ElasticSearch(下文用ES代替),但是資料庫(MSSQL)也儲存了相應的資訊。這就需要,當一個使用者註冊進來之後,我們還需要將該搜尋資訊儲存到ES中。虛擬碼如下:

  

    var dt = UserRegister();
    if(dt){
      //如果使用者註冊成功,返回了相應的資訊,我們就把他在加到ES中去。 AdduserInfoToElastic(dt); }

  下圖就是ES中儲存的使用者資訊,這些使用者資訊是和資料庫中的資料同步的,因此,修改使用者資訊的時候,此表中的資料也要同步。當然有延遲也沒問題。

  

  用ES的一個好處呢就是快,他能幫你做快取,幫你分詞查詢。我們做練習用資料庫搜尋幾十條沒問題。如果資料量大了,搜尋條件複雜了,ES就能體現出他的優勢了。現在我用的搜尋條件很簡單,一個是IM號,類似QQ,一個就是暱稱。對接ES的客戶端是PlainElastic.Net,用nuget安裝即可。 install-package PlainElastic.Net.

  ES有自己的查詢語法,又複雜的也有簡單點的,我就用一些簡單的,畢竟我也沒太深入研究。正如前文所說,它提供了Restful api。我們查詢的路徑就是:127.0.0.1:9200/layim/layim_user/_search POST方法,POST的引數如下:

  

{
  "query": {
    "match_all": {}//沒有條件的時候就是match_all相當於查詢所有
  },
  "from": 0,//分頁開始
  "size": 50,//每頁條數
  "sort": {  //排序,根據 province 正序排序
    "province": { 
      "order": "asc"
    }
  }
}

 

  上邊的是查詢所有的情況,當使用者輸入了查詢條件時候,比如精確查詢IM號為  288186 的使用者,搜尋條件如下:

{
  "query": {
    "filtered": {
      "filter": {
        "or": [  //or 查詢,下面的條件符合一個即可
          {
            "term": {
              "im": 288186    //im =288186
            }
          },
          {
            "query": {
              "match_phrase": { //短語查詢
                "nickname": {
                  "query": "288186", //或者暱稱中有288186
                  "slop": 0
                }
              }
            }
          }
        ]
      }
    }
  },
  "from": 0,
  "size": 50
}

  不熟悉語法的同學可能看不太懂,總之上邊這些引數的意思就是  select  top 50 * from layim_user where im=288186 or nickname like '%288186%' 

  查詢結果他會把查詢到的總數和耗時(ms)返回,像幾萬條資料的話大部分就是幾十毫秒甚至不到十毫秒。相對於從資料用查,速度還是可以的。

  基於PlainElastic.NET我又封裝了一層查詢的核心方法:

public BaseQueryEntity<T> QueryBayConditions(string query)
        {
            try
            {
                string cmd = CreateSearchCommand();//構造查詢命令
                OperationResult result = Client.Post(cmd, query);//Post query引數查詢
                var data = serializer.ToSearchResult<T>(result.Result); //返回結果轉換
                return GetResults(data);
            }
            catch (Exception ex)
            {
                ESLog.WriteLogException(MethodBase.GetCurrentMethod(), "查詢條件:" + query);
                ESLog.WriteLogException(MethodBase.GetCurrentMethod(), ex);
                return new BaseQueryEntity<T>();
            }
        }

 

public class BaseQueryEntity<T> where T :BaseEntity
    {
        /// <summary>
        /// 命中條數
        /// </summary>
        public long hits { get; set; }
        /// <summary>
        /// 花費時間(單位ms)
        /// </summary>
        public long took { get; set; }
        public IEnumerable<T> list { get; set; }
    }

  查詢結果json:

  總共有3883個使用者,ES查詢用了5ms,加上http請求耗時,總共耗時為45毫秒。

  寫到這裡呢,就暫時對ES做個簡單的總結,其實如果做練習的話也沒必要用他來查,直接查資料庫就可以了,如果再配合快取的話速度也不慢,而且今天講的業務邏輯也不復雜。說白了,本篇就講了個CRUD的 Retrieve。(R)還有聊天記錄順便說一下,也是用ES查的,不過到時候會增加一些小的效果。我也不賣關子了,就是模糊查詢的關鍵字高亮效果。

  下面繼續說加好友流程,首先,如果你想吧一個使用者加為好友首先,得傳送加好友請求吧,類似QQ。當然,如果那個人設定了任何人都可以加好友,是不是就可以直接加上了。如果那個人設定了不允許任何人加好友,那麼你也沒法加他的,所以,簡單的一個加好友也可以設計的很複雜。本篇就介紹普通的申請流程。點選加好友之後,彈出框,填寫附加訊息:(我們搜尋出288186的使用者新增)

  當我們點選傳送之後要考慮什麼呢?先不要看下文,仔細思考一下。5          ,4,           3             ,2,               1。。。

  

  沒錯,就是如果對方恰好線上的處理,和對方不線上的處理、如果對方線上,儲存到資料庫並且即時提醒。不線上,儲存到資料庫,等下次登入提醒使用者。詳細做法下一篇再寫吧。先貼一個預告圖:

  

  本篇貼的圖比較多,講了一些業務上的東西和ES的簡單使用,場景和使用方式等。本篇就到這裡吧。

 

      下篇預告【中級】ASP.NET SignalR 與 LayIM2.0 配合輕鬆實現Web聊天室(五) 之 加好友,加群訊息提示,Hub中的User用法。

 

   想要學習的小夥伴,可以關注我的部落格哦,我的QQ:645857874,Email:fanpan26@126.com

      GitHub:https://github.com/fanpan26/LayIM_NetClient/

相關文章