Echo — 开源社区系统

各位可以参考配套教程自己拉下去部署

📚 项目简介

Echo 是一套前后端不分离的开源社区系统，基于目前主流 Java Web 技术栈（SpringBoot + MyBatis + MySQL + Redis + Kafka + Elasticsearch + Spring Security + ...），并提供详细的开发文档和配套教程。包含帖子、评论、私信、系统通知、点赞、关注、搜索、用户设置、数据统计等模块。

源码链接：已托管在 Github 和 Gitee：

Gitee：https://gitee.com/veal98/Echo（Gitee 官方推荐项目）
Github：https://github.com/Veal98/Echo

教程地址：文档通过 Docsify + Github/Gitee Pages 生成

https://itmtx.cn/column/12

💻 核心技术栈

后端：

Spring
Spring Boot 2.1.5 RELEASE
Spring MVC
ORM：MyBatis
数据库：MySQL 5.7
分布式缓存：Redis
本地缓存：Caffeine
消息队列：Kafka 2.13-2.7.0
搜索引擎：Elasticsearch 6.4.3
安全：Spring Security
邮件任务：Spring Mail
分布式定时任务：Spring Quartz
日志：SLF4J（日志接口） + Logback（日志实现）

前端：

Thymeleaf
Bootstrap 4.x
Jquery
Ajax

🔨 开发环境

操作系统：Windows 10
构建工具：Apache Maven
集成开发工具：Intellij IDEA
应用服务器：Apache Tomcat
接口测试工具：Postman
压力测试工具：Apache JMeter
版本控制工具：Git
Java 版本：8

🎀 界面展示

首页：

登录页：

密码重置页：

帖子发布页（支持 MarkDown）：

帖子详情页（MarkDown 渲染）：

帖子详情页：

个人主页：

朋友私信页：

私信详情页：

系统通知页：

通知详情页：

账号设置页：

数据统计页：

搜索详情页：

🎨 功能列表

🌱 本地运行

各位如果需要将项目部署在本地进行测试，以下环境请提前备好：

Java 8
MySQL 5.7
Redis
Kafka 2.13-2.7.0
Elasticsearch 6.4.3

然后修改配置文件中的信息为你自己的本地环境，直接运行是运行不了的，而且相关私密信息我全部用 xxxxxxx 代替了。

本地运行需要修改的配置文件信息如下：

1）application-develop.properties：

MySQL
Spring Mail（邮箱需要开启 SMTP 服务）
Kafka：consumer.group-id（该字段见 Kafka 安装包中的 consumer.proerties，可自行修改, 修改完毕后需要重启 Kafka）
Elasticsearch：cluster-name（该字段见 Elasticsearch 安装包中的 elasticsearch.yml，可自行修改）
七牛云（需要新建一个七牛云的对象存储空间，用来存放上传的头像图片）

2）logback-spring-develop.xml：

LOG_PATH：日志存放的位置

每次运行需要打开：

MySQL
Redis
Elasticsearch
Kafka

另外，还需要事件建好数据库 greatecommunity，然后依次运行项目 sql 文件夹下的这几个 sql 文件建立数据库表：

🌌 部署架构

我每个都只部署了一台，以下是理想的部署架构：

🎯 功能逻辑图

画了一些不是那么严谨的图帮助各位小伙伴理清思绪。

单向绿色箭头：

前端模板 -> Controller：表示这个前端模板中有一个超链接是由这个 Controller 处理的

Controller -> 前端模板：表示这个 Controller 会像该前端模板传递数据或者跳转

双向绿色箭头：表示 Controller 和前端模板之间进行参数的相互传递或使用

单向蓝色箭头： A -> B，表示 A 方法调用了 B 方法

单向红色箭头：数据库或缓存操作

注册

用户注册成功，将用户信息存入 MySQL，但此时该用户状态为未激活
向用户发送激活邮件，用户点击链接则激活账号（Spring Mail）

登录 | 登出

登录认证模块跳过了 Spring Secuity 自带的认证机制。主要逻辑如下：

进入登录界面，随机生成一个字符串来标识这个将要登录的用户，将这个字符串短暂的存入 Cookie（60 秒）；
动态生成验证码，并将验证码及标识该用户的字符串短暂存入 Redis（60 秒）；
为登录成功（验证用户名、密码、验证码）的用户随机生成登录凭证且设置状态为有效，并将登录凭证及其状态等信息永久存入 Redis，再在 Cookie 中存一份登录凭证；
使用拦截器在所有的请求执行之前，从 Cookie 中获取登录凭证，只要 Redis 中该凭证有效并在有效期内，本次请求就会一直持有该用户信息（使用 ThreadLocal 持有用户信息，保证多台服务器上用户的登录状态同步）；
勾选记住我，则延长 Cookie 中登录凭证的有效时间；
用户登出，将凭证状态设为无效，并更新 Redis 中该登录凭证的相关信息。

下图是登录模块的功能逻辑图，并没有使用 Spring Security 提供的认证逻辑（我觉得这个模块是最复杂的，这张图其实很多细节还没有画全）

分页显示所有的帖子

支持按照 “发帖时间” 显示
支持按照 “热度排行” 显示（Spring Quartz）
将热帖列表和所有帖子的总数存入本地缓存 Caffeine（利用分布式定时任务 Spring Quartz 每隔一段时间就刷新计算帖子的热度/分数 — 见下文，而 Caffeine 里的数据更新不用我们操心，它天生就会自动的更新它拥有的数据，给它一个初始化方法就完事儿）

账号设置

修改头像（异步请求）
- 将用户选择的头像图片文件上传至七牛云服务器
修改密码

此处只画出修改头像：

发布帖子（异步请求）

发布帖子（过滤敏感词），将其存入 MySQL

显示评论及相关信息

评论部分前端的名称显示有些缺陷，有兴趣的小伙伴欢迎提 PR 解决 ~

关于评论模块需要注意的就是评论表的设计，把握其中字段的含义，才能透彻了解这个功能的逻辑。

评论 Comment 的目标类型（帖子，评论） entityType 和 entityId 以及对哪个用户进行评论/回复 targetId 是由前端传递给 DiscussPostController 的

一个帖子的详情页需要封装的信息大概如下：

添加评论（事务管理）

发布对帖子的评论（过滤敏感词），将其存入 MySQL

私信列表和详情页

发送私信（异步请求）

点赞（异步请求）

将点赞相关信息存入 Redis 的数据结构 set 中。其中，key 命名为 like:entity:entityType:entityId，value 即点赞用户的 id。比如 key = like:entity:2:246 value = 11 表示用户 11 对实体类型 2 即评论进行了点赞，该评论的 id 是 246

某个用户的获赞数量对应的存储在 Redis 中的 key 是 like:user:userId，value 就是这个用户的获赞数量

我的获赞数量

关注（异步请求）

若 A 关注了 B，则 A 是 B 的粉丝 Follower，B 是 A 的目标 Followee
关注的目标可以是用户、帖子、题目等，在实现时将这些目标抽象为实体（目前只做了关注用户）

将某个用户关注的实体相关信息存储在 Redis 的数据结构 zset 中：key 是 followee:userId:entityType ，对应的 value 是 zset(entityId, now) ，以关注的时间进行排序。比如说 followee:111:3 对应的value (20, 2020-02-03-xxxx)，表明用户 111 关注了一个类型为 3 的实体即人(用户)，关注的这个实体 id 是 20，关注该实体的时间是 2020-02-03-xxxx

同样的，将某个实体拥有的粉丝相关信息也存储在 Redis 的数据结构 zset 中：key 是 follower:entityType:entityId，对应的 value 是 zset(userId, now)，以关注的时间进行排序

关注列表

发送系统通知

显示系统通知

搜索

发布事件
- 发布帖子时，通过消息队列将帖子异步地提交到 Elasticsearch 服务器
- 为帖子增加评论时，通过消息队列将帖子异步地提交到 Elasticsearch 服务器
搜索服务
- 从 Elasticsearch 服务器搜索帖子
- 从 Elasticsearch 服务器删除帖子（当帖子从数据库中被删除时）
显示搜索结果

类似的，置顶、加精也会触发发帖事件，就不再图里面画出来了。

置顶加精删除（异步请求）

网站数据统计

独立访客 UV
- 存入 Redis 的 HyperLogLog
- 支持单日查询和区间日期查询
日活跃用户 DAU
- 存入 Redis 的 Bitmap
- 支持单日查询和区间日期查询
权限管理（Spring Security）
- 只有管理员可以查看网站数据统计

帖子热度计算

每次发生点赞（给帖子点赞）、评论（给帖子评论）、加精的时候，就将这些帖子信息存入缓存 Redis 中，然后通过分布式的定时任务 Spring Quartz，每隔一段时间就从缓存中取出这些帖子进行计算分数。

帖子分数/热度计算公式：分数（热度） = 权重 + 发帖距离天数

// 计算权重
double w = (wonderful ? 75 : 0) + commentCount * 10 + likeCount * 2;
// 分数 = 权重 + 发帖距离天数
double score = Math.log10(Math.max(w, 1))
        + (post.getCreateTime().getTime() - epoch.getTime()) / (1000 * 3600 * 24);

Veal98/Echo

Veal98

Reviews

Repository Details