【图库分析|第十天】扩展空间图库分析功能

本部分内容主要来源于鱼皮智能协图云图库部分，并在笔者个人项目学习的基础上进行扩展衍生。由于项目开发文档已经足够详细，因此这里只记录要点。

这部分内容后端较为简单，主要是熟悉业务流程，开发思路，以及mybatisplus，stream流的使用（以后一定需要找个时间专门补补）。

方案设计

1、分析类需求的实现流程

对于分析类需求，实现流程几乎都是一致的，包括：

1）数据采集：从数据源（比如 MySQL 数据库或者大数据仓库）获取原始数据。要提前明确涉及的表和字段，必要时采用分页查询处理大数据量。

2）数据预处理：对数据进行清洗、加工和格式化，包括过滤无效数据（比如逻辑删除或审核未通过）、解析复杂字段（比如 JSON 格式的 tags），以及通过字段关联补充上下文信息。

3）数据计算：根据需求进行分组、聚合、排序等，从而计算关键指标，比如计算空间各分类图片的占用比例、用户上传图片的时间趋势。可以根据场景调整计算方案，比如对于大数据量的计算，可以采用 Spark 之类的大数据计算组件做离线计算；对于数据实时性要求较高的实时分析场景，可以用 Flink 做流式处理。

4）数据存储（可选）：针对频繁查询的分析结果，可将结果数据存储为单独的表或缓存，减少重复计算，提高查询效率。

5）数据接口设计：为前端提供统一接口，从而支持查询和展示。需要考虑到数据量较大导致前端渲染卡顿的情况，可以按需精简返回的字符串、分页查询等。

6）数据可视化：通过图表直观展示分析结果，前端可以使用 Apache ECharts 等可视化库渲染。当然也可以让后端生成图表图片并返回，但这种实现方法的灵活度有限。

后续还可以根据用户的反馈持续优化分析逻辑、增加指标或改进性能。

具体业务流程为:设计reuqest——>设计vo——>serviceimpl实现——>接口编写

对于serviceimpl实现：校验合法性（包括是否为空，权限校验等）——>编写wrapper——>

进行查询——>stream流处理查询结果

在这个模块开发中，通过分析需求写注释再借助ai就显得至关重要了。

典型样例：空间图片分类分析

开发请求封装类。分类分析只需要传递空间范围相关参数，因此可以直接继承公共的SpaceAnalyzeRequest：

@EqualsAndHashCode(callSuper = true) @Data public class SpaceCategoryAnalyzeRequest extends SpaceAnalyzeRequest { }

2）开发响应视图类。分类分析的结果需要返回图片分类、分类图片数量和分类图片总大小：

@Data @AllArgsConstructor @NoArgsConstructor public class SpaceCategoryAnalyzeResponse implements Serializable { private String category; private Long count; private Long totalSize; private static final long serialVersionUID = 1L; }

3）开发 Service 服务。按照分类分组查询图片表的数据，注意查询数据库时只获取需要的字段即可：

@Override public List<SpaceCategoryAnalyzeResponse> getSpaceCategoryAnalyze(SpaceCategoryAnalyzeRequest spaceCategoryAnalyzeRequest, User loginUser) { ThrowUtils.throwIf(spaceCategoryAnalyzeRequest == null, ErrorCode.PARAMS_ERROR); checkSpaceAnalyzeAuth(spaceCategoryAnalyzeRequest, loginUser); QueryWrapper<Picture> queryWrapper = new QueryWrapper<>(); fillAnalyzeQueryWrapper(spaceCategoryAnalyzeRequest, queryWrapper); queryWrapper.select("category AS category", "COUNT(*) AS count", "SUM(picSize) AS totalSize") .groupBy("category"); return pictureService.getBaseMapper().selectMaps(queryWrapper) .stream() .map(result -> { String category = result.get("category") != null ? result.get("category").toString() : "未分类"; Long count = ((Number) result.get("count")).longValue(); Long totalSize = ((Number) result.get("totalSize")).longValue(); return new SpaceCategoryAnalyzeResponse(category, count, totalSize); }) .collect(Collectors.toList()); }

💡 建议在编写具体的代码前，先编写示例 SQL 语句，并通过数据库查询客户端来验证。

4）开发接口：

@PostMapping("/category") public BaseResponse<List<SpaceCategoryAnalyzeResponse>> getSpaceCategoryAnalyze(@RequestBody SpaceCategoryAnalyzeRequest spaceCategoryAnalyzeRequest, HttpServletRequest request) { ThrowUtils.throwIf(spaceCategoryAnalyzeRequest == null, ErrorCode.PARAMS_ERROR); User loginUser = userService.getLoginUser(request); List<SpaceCategoryAnalyzeResponse> resultList = spaceAnalyzeService.getSpaceCategoryAnalyze(spaceCategoryAnalyzeRequest, loginUser); return ResultUtils.success(resultList); }