1. LBS(基于位置服务)
基于位置的服务（Location Based Services，LBS），是利用各类型的定位技术来获取定位设备当前的所在位置，通过移动互联网向定位设备提供信息资源和基础服务。LBS首先读者可利用定位技术确定自身的空间位置，随后读者便可通过移动互联网来获取与位置相关资源和信息。LBS服务中融合了移动通讯、互联网络、空间定位、位置信息、大数据等多种信息技术，利用移动互联网络服务平台进行数据更新和交互，使用户可以通过空间定位来获取相应的服务。
1.1 需求分析
搜索附近售货机 用户不在售货机旁边，但是知道我们的售货机产品，曾经使用过我们的小程序，对购物流程比较了解。当用户打开小程序，在小程序首页会有搜索附近售货机的选项，此时用户选择该选项，小程序会获取用户所在位置的经纬度地理位置信息，将该信息传入小程序服务端接口，服务端根据传入的信息进行搜索，如果在距离范围内可以搜索到设备会将展示在小程序内置的地图上，同时会按照由近到远的顺序展示多个售货机列表。
搜索附近售货机的作用主要是用来增加用户的复购率，提高用户的购物体验，让用户方便的找到我们的售货机。
1.2 实现思路
如何实现地理位置的搜索呢？主流的技术方案：
（1）Redis GEO
（2）Elasticsearch GEO
实现步骤：
（1）完成投放工单时，前端采集设备所在位置信息发送给售货机微服务，售货机微服务负责保存设备位置信息到elasticsearch。
（2）在售货机微服务添加搜索附近售货机的方法，利用elasticsearch的GEO搜索实现其功能。
1.3 代码实现
1.3.1 索引库设计与创建
索引库需要存储售货机编号、售货机类型、点位名称、地址、经纬度信息，在kibana中执行以下建库语句
PUT /vm
{
"mappings": {
"properties": {
"location": {
"type": "geo_point"
},
"innerCode": {
"type": "keyword"
},
"addr": {
"type": "keyword"
},
"nodeName": {
"type": "keyword"
},
"typeName": {
"type": "keyword"
}
}
}
}
1.3.2 完成保存设备坐标功能
（1）在售货机服务项目lkd_vms_service里添加和ElasticSearch通信的相关引用，及配置中心里添加对ElasticSearch的相关配置
（2）elasticsearch相关配置
elasticsearch:
rest:
uris: http://192.168.200.128:9200
（3）service_common新建设备位置信息的视图模型类
/**
* 设备位置信息
*/
@Data
public class VMDistance implements Serializable {
/**
* 设备编号
*/
private String innerCode;
/**
* 详细地址(不需要前端传入)
*/
private String addr;
/**
* 点位名称(不需要前端传入)
*/
private String nodeName;
/**
* 纬度
*/
private Double lat;
/**
* 经度
*/
private Double lon;
}
（4）VendingMachineService新建方法定义
/**
* 设置售货机位置信息
* @param vmDistance
* @return
*/
Boolean setVMDistance(VMDistance vmDistance);
VendingMachineServiceImpl实现该方法
@Autowired
private RestHighLevelClient esClient;
@Override
public Boolean setVMDistance(VMDistance vmDistance) {
var vmEntity = this.findByInnerCode(vmDistance.getInnerCode());
if(vmEntity == null){
throw new LogicException( "该设备编号不存在:"+vmDistance.getInnerCode());
}
IndexRequest request = new IndexRequest("vm");
request.id(vmDistance.getInnerCode());
request.source(
"addr",vmEntity.getNode().getAddr(),
"innerCode",vmEntity.getInnerCode(),
"nodeName",vmEntity.getNode().getName(),
"location",vmDistance.getLat()+","+vmDistance.getLon(),
"typeName",vmEntity.getType().getName());
try {
esClient.index(request, RequestOptions.DEFAULT);
} catch (IOException e) {
log.error("添加售货机位置信息失败",e);
return false;
}
//保存到数据库中
vmEntity.setLatitude(vmDistance.getLat());
vmEntity.setLongitudes(vmDistance.getLon());
this.updateById(vmEntity);
return true;
}
（5）修改售货机微服务 TaskCompletedMsgHandler的process方法，添加保存设备坐标的代码
@Override
public void process(String jsonMsg) throws IOException {
TaskCompleteContract taskCompleteContract= JsonUtil.getByJson(jsonMsg, TaskCompleteContract.class );
if(taskCompleteContract==null || Strings.isNullOrEmpty(taskCompleteContract.getInnerCode()) ) return;
//如果是投放工单，将售货机修改为运营状态
if( taskCompleteContract.getTaskType()== VMSystem.TASK_TYPE_DEPLOY){
vmService.updateStatus( taskCompleteContract.getInnerCode(), VMSystem.VM_STATUS_RUNNING );
//添加代码：保存设备的坐标（数据库+es）
var vmDistance=new VMDistance();
BeanUtils.copyProperties( taskCompleteContract,vmDistance );
vmService.setVMDistance(vmDistance);
}
//如果是撤机工单，将售货机修改为撤机状态
if( taskCompleteContract.getTaskType()== VMSystem.TASK_TYPE_REVOKE){
vmService.updateStatus( taskCompleteContract.getInnerCode(), VMSystem.VM_STATUS_REVOKE );
}
}
测试：
（1）启动售货机微服务、工单微服务、网关
（2）运行测试脚本：创建投放工单、接收工单、完成投放工单
（3）观察es索引库
1.3.3 附近售货机搜索
（1） 在service_common项目中定义根据位置信息搜索需要传入的参数对象
package com.lkd.http.viewModel;
import lombok.Data;
import java.io.Serializable;
@Data
public class VmSearch implements Serializable {
/**
* 纬度
*/
private Double lat;
/**
* 经度
*/
private Double lon;
/**
* 搜索半径
*/
private Integer distance;
}
（2）在service_common项目中定义需要返回的售货机信息对象
package com.lkd.viewmodel;
import lombok.Data;
import java.io.Serializable;
/**
* 售货机在es中存储的信息
*/
@Data
public class VmInfoDTO implements Serializable {
/**
* 售货机经纬度信息
*/
private String location;
/**
* 售货机编号
*/
private String innerCode;
/**
* 点位名称
*/
private String nodeName;
/**
* 详细地址
*/
private String addr;
/**
* 距离(单位：米)
*/
private Integer distance;
/**
* 售货机类型
*/
private String typeName;
}
（3）在售货机微服务VendingMachineService中定义搜索售货机的接口
/**
* 根据条件搜索售货机
* @param searchReq
@return
*/
List
实现此方法：
@Override
public List
//指定索引
SearchRequest searchRequest = new SearchRequest("vm");
SearchSourceBuilder searchSourceBuilder = new SearchSourceBuilder();
//中心点及半径构建
GeoDistanceQueryBuilder geoDistanceQueryBuilder = new GeoDistanceQueryBuilder("location");
geoDistanceQueryBuilder.distance(searchReq.getDistance(), DistanceUnit.KILOMETERS);
geoDistanceQueryBuilder.point(searchReq.getLat(),searchReq.getLon());
//从近到远排序规则构建
GeoDistanceSortBuilder distanceSortBuilder = new GeoDistanceSortBuilder("location",searchReq.getLat(),searchReq.getLon());
distanceSortBuilder.unit(DistanceUnit.KILOMETERS);
distanceSortBuilder.order(SortOrder.ASC);
distanceSortBuilder.geoDistance(GeoDistance.ARC);
BoolQueryBuilder boolQueryBuilder = new BoolQueryBuilder();
boolQueryBuilder.must(geoDistanceQueryBuilder);
searchSourceBuilder.query(boolQueryBuilder);
searchSourceBuilder.sort(distanceSortBuilder);
searchRequest.source(searchSourceBuilder);
try {
SearchResponse searchResponse = esClient.search(searchRequest, RequestOptions.DEFAULT);
SearchHits hits = searchResponse.getHits();
if(hits.getTotalHits().value <= 0){
return Lists.newArrayList();
}
List
Arrays.stream(hits.getHits()).forEach(h->{
VmInfoDTO vmInfo = null;
try {
vmInfo = JsonUtil.getByJson(h.getSourceAsString(), VmInfoDTO.class);
//将千米转换为米
BigDecimal geoDis=new BigDecimal((double)h.getSortValues()[0]*1000);
vmInfo.setDistance(geoDis.intValue());
} catch (IOException e) {
log.error("convert vminfo error",e);
}
if(vmInfo!=null){
vmInfoList.add(vmInfo);
}
});
return vmInfoList;
} catch (IOException e) {
log.error("search location error",e);
return Lists.newArrayList();
}
}
（4）在售货机微服务VendingMachineController新增方法
/**
* 搜索附近售货机
* @param vmSearch
* @return
*/
@PostMapping("/search")
public List
return vendingMachineService.search(vmSearch);
}
（5）service_common的VMService新增方法
@PostMapping("/vm/search")
List
降级类VmServiceFallbackFactory代码略
（6）在小程序微服务lkd_microapp中的VMController新增方法
/**
* 搜索附近售货机
* @param vmSearch
* @return
*/
@PostMapping("/search")
public List
return vmService.search(vmSearch);
}
测试：
（1）启动售货机微服务、小程序微服务、小程序微服务网关
（2）通过测试脚本测试
（3）通过微信开发者工具联调测试
可以在微信开发者工具中设置当前经纬度
2. logstash实现订单数据同步
2.1 需求分析
随着售货机系统的运营时间累积、设备数量的增加、用户购买的数量也随之增长，订单数据如果长期存在mysql中，势必会造成订单表数据的急剧增长，影响后续的查询及检索效率，为了提高订单数据的查询检索效率，我们采用将订单数据同步到ElasticSearch中。
2.2 实现思路
我们采用logstash将订单表里的数据增量更新同步到ElasticSearch中。通过logstash的定期同步的功能来实现。
2.3 logstash 介绍
Logstash是一个开源的服务器端数据处理管道，可以同时从多个数据源获取数据，并对其进行转换，然后将其发送到你最喜欢的“存储”（当然，我们最喜欢的是Elasticsearch）。
输入：采集各种样式、大小和来源的数据
数据往往以各种各样的形式，或分散或集中地存在于很多系统中。Logstash 支持各种输入选择 ，可以在同一时间从众多常用来源捕捉事件。能够以连续的流式传输方式，轻松地从您的日志、指标、Web 应用、数据存储以及各种 AWS 服务采集数据。
过滤器：实时解析和转换数据
数据从源传输到存储库的过程中，Logstash 过滤器能够解析各个事件，识别已命名的字段以构建结构，并将它们转换成通用格式，以便更轻松、更快速地分析和实现商业价值。
输出：选择你的存储，导出你的数据
尽管 Elasticsearch 是我们的首选输出方向，能够为我们的搜索和分析带来无限可能，但它并非唯一选择。
Logstash 提供众多输出选择，您可以将数据发送到您要指定的地方，并且能够灵活地解锁众多下游用例。
2.4 代码实现
2.4.1 环境搭建
目前我们提供的镜像中，已经安装好了Logstash ，并完成了配置，如果你想自己搭建环境，可以参考一下步骤
（1）将mysql-connector-java-8.0.18.jar拷贝到服务器的/root/common/data/logstash/lib/目录中
（2）在服务器创建docker-compose.yml
version: "3"
services:
logstash:
image: elastic/logstash:7.7.1
restart: always
container_name: logstash
privileged: true
environment:
- TZ=Asia/Shanghai
volumes:
- /root/common/data/logstash/pipeline:/usr/share/logstash/pipeline
- /root/common/data/logstash/log:/var/log/glog/
- /root/common/data/logstash/lib/mysql-connector-java-8.0.18.jar:/resource/mysql-connector-java-8.0.18.jar
- /root/common/data/logstash/order/:/usr/share/logstash/last_values/
（3）执行docker-compose
docker-compose up
2.4.2 代码实现
（1）编写ElasticSearch对应订单的mapping，put到ElasticSearch中
PUT order
{
"mappings": {
"properties": {
"sku_name": {
"type": "keyword"
},
"region_name": {
"type": "keyword"
},
"business_name": {
"type": "keyword"
},
"inner_code": {
"type": "keyword"
},
"node_name": {
"type": "keyword"
},
"order_no": {
"type": "keyword"
},
"third_no": {
"type": "keyword"
},
"addr": {
"type": "text"
},
"open_id": {
"type": "keyword"
},
"pay_type": {
"type": "keyword"
}
}
}
}
（2）编写logstash的pipeline文件order.conf ，放到/root/common/data/logstash/pipeline目录下， 用来定期从mysql数据库表中根据最后更新日期列(update_time)来读取增量数据，然后将数据输出写入到ElasticSearch中
input {
stdin { }
jdbc {
#设置jdbc的数据库连接字符串
jdbc_connection_string => "jdbc:mysql://192.168.200.128:3306/lkd_order?serverTimezone=Asia/Shanghai"
#设置数据库的用户名
jdbc_user => "root"
#设置数据库的密码
jdbc_password => "root123"
#设置数据程序的驱动jar包路径
jdbc_driver_library => "/resource/mysql-connector-java-8.0.18.jar"
#设置驱动类
jdbc_driver_class => "com.mysql.cj.jdbc.Driver"
#设置数据库的日期时间格式
jdbc_default_timezone => "Asia/Shanghai"
#设置记录上次的值
record_last_run => "true"
#是否指定追踪的字段
use_column_value => true
#追踪的字段
tracking_column => "update_time"
#追踪列的类型
tracking_column_type => "timestamp"
last_run_metadata_path => "/usr/share/logstash/last_values/order_info.txt"
clean_run => "false"
#开启分页查询
jdbc_paging_enabled => true
#分页大小
jdbc_page_size => "5000"
statement => "SELECT * FROM tb_order where update_time > :sql_last_value order by update_time asc"
#设置运行周期
schedule => "*/2 * * * * *"
}
}
output {
stdout {
#设置以json的格式输出
codec => json_lines
}
#设置输出到elasticsearch
elasticsearch {
hosts => "192.168.200.128:9200"
#输出到的索引
index => "order"
#索引文档的id取采集源中的id列的值
document_id => "%{id}"
}
}
#过滤器配置
filter {
ruby{
#转换update_time，这样符合北京时间。通过event.get取出字段update_time中的值加8小时，然后再通过event.set将得到的值设置回update_time字段
code => "event.set('update_time',event.get('update_time').time.localtime + 8*60*60)"
}
ruby{
#转换create_time，这样符合北京时间
code => "event.set('create_time',event.get('create_time').time.localtime + 8*60*60)"
}
}
input：数据的来源配置，这里是我们的订单表中的数据output：输出到的目标，这里是ElasticSearchfilter：对每条数据的过滤处理，这里我们处理了update_time和create_time两列数据的值，因为logstash读取和存入ElasticSearch中的时间数据格式是UTC时间，比我们国内正常的时间少8小时，这里特殊处理了下。这里也可以不处理，在后续程序中处理也是一种实现方案。
测试：
新增订单，观察两秒以后是否会同步到elasticsearch中。
3. 用户订单数据检索
3.1 需求分析
用户在微信小程序中能够根据日期范围检索查询历史订单。
3.2 实现思路
（1）在订单微服务，封装查询逻辑，查询elasticsearch中的订单数据。
（2）微信小程序微服务feign远程调用订单微服务的查询方法。
3.3 代码实现
（1）在订单服务里添加elasticsearch-rest-high-level-client相关依赖，要和我们的ElasticSearch版本一样，这里我们使用的是7.7.1版本
（2）在consul配置中心里修改订单服务的配置，在spring节点下添加elasticsearch的配置：
elasticsearch:
rest:
uris: http://192.168.200.128:9200
（3）在订单服务项目lkd_order_service中，修改订单服务接口OrderService，添加搜索订单的方法：
/**
* 查询订单
* @param pageIndex
* @param pageSize
* @return
*/
Pager
并在实现类中实现该接口：
@Autowired
private RestHighLevelClient client;
@Override
public Pager
SearchRequest searchRequest = new SearchRequest("order");
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
BoolQueryBuilder boolQueryBuilder = QueryBuilders.boolQuery();
//根据订单号查询
if(!Strings.isNullOrEmpty(orderNo)) {
boolQueryBuilder.must(QueryBuilders.termQuery("order_no", orderNo));
}
//根据openId查询
if(!Strings.isNullOrEmpty(openId)){
boolQueryBuilder.must(QueryBuilders.termQuery("open_id",openId));
}
//根据时间范围查询
if(!Strings.isNullOrEmpty(startDate) && !Strings.isNullOrEmpty(endDate)){
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("update_time");
rangeQueryBuilder.gte(startDate);
rangeQueryBuilder.lte(endDate);
boolQueryBuilder.must(rangeQueryBuilder);
}
//按照最后更新时间由近到远的排序规则排序
sourceBuilder.from((pageIndex -1)*pageSize);
sourceBuilder.size(pageSize);
sourceBuilder.sort("update_time", SortOrder.DESC);
sourceBuilder.trackTotalHits(true);
sourceBuilder.query(boolQueryBuilder);
searchRequest.source(sourceBuilder);
try {
SearchResponse searchResponse = client.search(searchRequest, RequestOptions.DEFAULT);
SearchHits hits = searchResponse.getHits();
SearchHit[] searchHits = hits.getHits();
List
for(SearchHit hit : searchHits){
String hitResult = hit.getSourceAsString();
OrderViewModel order = new OrderViewModel();
JsonNode jsonNode = JsonUtil.getTreeNode(hitResult);
order.setId(jsonNode.findPath("id").asLong());
order.setStatus(jsonNode.findPath("status").asInt());
order.setBill(jsonNode.findPath("bill").asInt());
order.setOwnerId(jsonNode.findPath("owner_id").asInt());
order.setPayType(jsonNode.findPath("pay_type").asText());
order.setOrderNo(jsonNode.findPath("order_no").asText());
order.setInnerCode(jsonNode.findPath("inner_code").asText());
order.setSkuName(jsonNode.findPath("sku_name").asText());
order.setSkuId(jsonNode.findPath("sku_id").asLong());
order.setPayStatus(jsonNode.findPath("pay_status").asInt());
order.setBusinessName(jsonNode.findPath("business_name").asText());
order.setBusinessId(jsonNode.findPath("business_id").asInt());
order.setRegionId(jsonNode.findPath("region_id").asLong());
order.setRegionName(jsonNode.findPath("region_name").asText());
order.setPrice(jsonNode.findPath("price").asInt());
order.setAmount(jsonNode.findPath("amount").asInt());
order.setAddr(jsonNode.findPath("addr").asText());
order.setOpenId(jsonNode.findPath("open_id").asText());
order.setCreateTime(LocalDateTime.parse(jsonNode.findPath("create_time").asText(),DateTimeFormatter.ISO_DATE_TIME));
order.setUpdateTime(LocalDateTime.parse(jsonNode.findPath("update_time").asText(),DateTimeFormatter.ISO_DATE_TIME));
orderList.add(order);
}
Pager
pager.setTotalCount(searchResponse.getHits().getTotalHits().value);
pager.setPageSize(searchResponse.getHits().getHits().length);
pager.setCurrentPageRecords(orderList);
pager.setPageIndex(pageIndex);
return pager;
} catch (IOException e) {
log.error("查询es失败",e);
return Pager.buildEmpty();
}
}
（4）在订单服务的OrderController中添加Rest接口调用服务层方法将数据返回
@GetMapping("/search")
public Pager
@RequestParam(value = "pageIndex",required = false,defaultValue = "1") Integer pageIndex,
@RequestParam(value = "pageSize",required = false,defaultValue = "10") Integer pageSize,
@RequestParam(value = "orderNo",required = false,defaultValue = "") String orderNo,
@RequestParam(value = "openId",required = false,defaultValue = "") String openId,
@RequestParam(value = "startDate",required = false,defaultValue = "") String startDate,
@RequestParam(value = "endDate",required = false,defaultValue = "") String endDate){
return orderService.search(pageIndex,pageSize,orderNo,openId,startDate,endDate);
}
（5）在service_common项目中修改订单服务的feign接口OrderService，添加查询订单的方法：
@GetMapping("/order/search")
Pager
@RequestParam(value = "pageIndex",required = false,defaultValue = "1") Integer pageIndex,
@RequestParam(value = "pageSize",required = false,defaultValue = "10") Integer pageSize,
@RequestParam(value = "orderNo",required = false,defaultValue = "") String orderNo,
@RequestParam(value = "openId",required = false,defaultValue = "") String openId,
@RequestParam(value = "startDate",required = false,defaultValue = "") String startDate,
@RequestParam(value = "endDate",required = false,defaultValue = "") String endDate);
服务降级类代码略
（6）在小程序项目lkd_microapp中的OrderController中，添加搜索订单的方法，将调用feign接口订单数据返回：
/**
* 订单搜索
* @param pageIndex
* @param pageSize
* @param orderNo
* @param openId
* @param startDate
* @param endDate
* @return
*/
@GetMapping("/search")
public Pager
@RequestParam(value = "pageIndex",required = false,defaultValue = "1") Integer pageIndex,
@RequestParam(value = "pageSize",required = false,defaultValue = "10") Integer pageSize,
@RequestParam(value = "orderNo",required = false,defaultValue = "") String orderNo,
@RequestParam(value = "openId",required = false,defaultValue = "") String openId,
@RequestParam(value = "startDate",required = false,defaultValue = "") String startDate,
@RequestParam(value = "endDate",required = false,defaultValue = "") String endDate){
return orderService.search(pageIndex,pageSize,orderNo,openId,startDate,endDate);
}
4. 选品智能推荐
4.1 需求分析
智能售货机系统平台要实现的功能不仅要帮用户方便管理售货机，更要具备给用户运营售货机提供优秀的指导建议。正因为所有点位都划分出了商圈的概念，我们就能通过售货机的历史售卖数据进行统计分析，得出一些对运营有价值的数据，当用户要在某个商圈下摆放售货机进行售卖运营的时候，我们可以将已经形成的数据得出一些指导建议，建议用户在该商圈下补哪些商品，因为历史数据告诉我们，这些商品在这类商圈下销量比较好。这样就不用用户去自己选品、试错，帮用户节约时间成本，快速盈利，这就是我们系统的价值所在。
简单一句话：当用户要往某商圈下投放售货机时，系统能够通过点位的商圈属性给出同商圈下近3个月内销量最好的前10个商品。
4.2 实现思路
从Elasticsearch中聚合查询3个月范围内，同一商圈下销量前10的商品。
因为我们要实现对订单索引中的商品分组聚合查询，假如在mysql表中，我们只需要类似这样的sql语句就可以得到想要的结果：
select sku_Id,count(sku_id) as count from order group by sku_Id where ... limit 0,10
那么在Elasticsearch中如何实现分组聚合查询，然后再统计某列的count呢？这时候就需要用到AggregationBuilders来实现我们想要的效果了。
根据sku_id进行分组，然后在分组上统计count，最后按照count进行排序取前10
AggregationBuilder orderAgg = AggregationBuilders
.terms("sku").field("sku_id")
.subAggregation(AggregationBuilders.count("count").field("sku_id")) //对分组之后的sku_id进行count，取别名为count
.order(BucketOrder.aggregation("count",false)).size(10);
4.3 代码实现
（1）在订单微服务项目lkd_order_server中，修改订单服务接口OrderService，添加获取商圈下销量最好的前10商品的方法定义：
/**
* 获取商圈下销量最好的前10商品
* @return
*/
List
在接口实现类OrderServiceImpl中实现该方法：
@Override
public List
SearchRequest searchRequest=new SearchRequest("order");
SearchSourceBuilder sourceBuilder=new SearchSourceBuilder();
//查询条件：最近三个月
RangeQueryBuilder rangeQueryBuilder = QueryBuilders.rangeQuery("update_time");
rangeQueryBuilder.gte( LocalDateTime.now().plusMonths(-3).format( DateTimeFormatter.ISO_DATE_TIME ) );
rangeQueryBuilder.lte( LocalDateTime.now().format( DateTimeFormatter.ISO_DATE_TIME ) );
BoolQueryBuilder boolQueryBuilder=QueryBuilders.boolQuery();
boolQueryBuilder.must( rangeQueryBuilder );
boolQueryBuilder.must( QueryBuilders.termQuery("business_id",businessId) );
sourceBuilder.query(boolQueryBuilder);
AggregationBuilder orderAgg = AggregationBuilders.terms("sku").field("sku_id")
.subAggregation(AggregationBuilders.count("count").field("sku_id"))
.order(BucketOrder.aggregation("count", false))
.size(10);
sourceBuilder.aggregation(orderAgg);
searchRequest.source(sourceBuilder);
try {
SearchResponse searchResponse = esClient.search(searchRequest, RequestOptions.DEFAULT);
Aggregations aggregations = searchResponse.getAggregations();
if(aggregations==null ) return Lists.newArrayList();
var term = (Terms)aggregations.get("sku");
var buckets = term.getBuckets();
return buckets.stream().map( b-> Long.valueOf( b.getKey().toString() ) ).collect(Collectors.toList());
} catch (IOException e) {
e.printStackTrace();
return Lists.newArrayList();
}
}
说明：BucketOrder.aggregation(“count”,false)，相当于sql中的order by 排序，传入false是倒序排序
（2）在OrderController中定义RESTful接口，方便前端或其他微服务调用：
/**
* 获取商圈下3个月内销量前10商品
* @param businessId
* @return
*/
@GetMapping("/businessTop10/{businessId}")
public List
return orderService.getTop10Sku(businessId);
}
5.商品热榜
相关阅读
发表评论