开箱即用的GO后台管理系统 Kratos Admin - 支持ElasticSearch

开箱即用的GO后台管理系统 Kratos Admin - 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
bash 复制代码
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 Kratos 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:

bash 复制代码
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:

yaml 复制代码
data:
  elastic_search:
    addresses:
      - "http://localhost:9200"
    username: "elastic"
    password: "elastic"

现在,我们开始创建客户端:

go 复制代码
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 复制代码
//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:

go 复制代码
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

go 复制代码
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

相关推荐
阳光是sunny10 小时前
LangGraph中的Reducer是什么
前端·人工智能·后端
灯澜忆梦10 小时前
GO_并发编程---定时器
开发语言·后端·golang
阳光是sunny10 小时前
从链到图:LangGraph 入门基础全解析
前端·人工智能·后端
皮皮林55111 小时前
开源实力派,给本地 AI 装上深度调研能力,一张 3090 跑到 95.7 分!
后端
努力的小雨11 小时前
把 Windows 桌面图标做成一个会自己运转的小世界
后端
武子康12 小时前
Search Console Platform Properties 扩大 SEO 资产边界:从 Page Ranking 到 Topic Coverage(5 类误读边界 + 3 表数据层设计)
前端·人工智能·后端
腾渊信息科技公司13 小时前
Spring Boot对接MES实战:视觉检测数据自动同步方案
java·人工智能·spring boot·后端·计算机视觉·ai·软件需求
IT_陈寒14 小时前
Vue这个特性差点让我加班到凌晨,谁懂啊
前端·人工智能·后端
段一凡-华北理工大学14 小时前
向量数据库实战:选型、调优与落地~系列文章12:文本分块策略实战:chunk_size 怎么选?重叠多少?
开发语言·数据库·后端·oracle·rust·工业智能体·高炉智能化
码事漫谈15 小时前
1999年的电商前夜和2026年的AI前夜 历史押韵但从不重复
后端