课程评论实现过程分析 | 学习笔记

简介: 简介:快速学习课程评论实现过程分析

开发者学堂课程【微服务+全栈在线教育实战项目演练(SpringCloud Alibaba+SpringBoot):课程评论实现过程分析】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址:https://developer.aliyun.com/learning/course/667/detail/11485


课程评论实现过程分析


内容介绍:

一、数据库设计

二、创建课程评论接口

 

一、数据库设计

1、数据库

edu_comment

2、数据表

guli_edu.sql


二、创建课程评论接口

1、在 service-edu 模块,生成课程评论接口

(1)用 mp 代码生成器生成

需求:在课程详情页面内,

1. 添加评论

2. 分页查询评论的功能

image.png

这个就是我们要做的功能,其中还有一个分页的功能,有上一页、下一页、首页、尾页。

经常在评论中有置顶的功能,通过分页能查询到当前课程中的这条评论,做一个简单的最基础的实现。

主要需要实现的功能:添加评论、分页查询评论的功能。

我们需要将需求转化为功能,这是我们需要自己解决的,一定要把需求了解的十分透彻,如果有不懂的地方,一定要及时询问。如果产品不符合需求,产品再好也没有用。

 

三、具体实现过程

1、在数据库中创建课程评论表

image.png

在数据库脚本中,找到 edu_comment 这张表,找到建表的语句。查询表中的字段,有一个基本的认识。数据包括讲师 id、课程 id、会员 id、会员昵称、会员头像、评论内容等等。

在存储评论时,不是单独存储评论,要把这条评论相关联的一系列信息都存储起来。

2、创建接口,创建两个方法

(1)第一个方法―――分页查询课程评论的方法

直接查询 edu_comment 这张表,将现有的数据做一个分页查询。

image.png

(2)第二个方法———添加评论

①对照里面的数据,在这里有课程评论、评论id、时间、更新时间这几个数据。输入内容,提交到接口。

②课程 id 进入到详情页面根据课程id都可以查询出来

③讲师 id

④用户 id

⑤用户昵称

⑥用户头像

l 做评论之前必须先登录

代码示例:

//第三步创建拦截器http request拦截器

service.interceptors.request.use(

config => {

// debugger

//判断c ookie里面是否有名称是guli_token数据

if (cookie.get( " guli_token " )) {

//把获取cookie值放到header里面

config.headers[ 'token' ] = cookie.get( ' guli_token " );

}

return config

},

err => {

return Promise.reject(err);

})

登陆后先放在 cookie 中,当 cookie 中有值,则放到 token 中,

从 header 获取 token 字符串(从 request 获取),

根据 token 字符串获取用户 id(使用 jwt 获取),

根据用户 id 查询用户表,把需要数据获取出来

image.png

查询用户表在 edu 中无法进行,要用到远程调用.两个模块,其中一个模块是 edu,另一个模块是 ucenter。在 edu 中添加评论,然后在 ucenter 中获取用户信息。

然后再 edu 中做一个远程调用,就可以在 ucenter 得到用户的信息。

在 edu 中有一个 VodCilent 接口,写上方法,然后在调用。按照流程,主要完成分页查询评论和添加评论两个功能。

相关文章
|
存储 数据采集 监控
云上数据安全保护:敏感日志扫描与脱敏实践详解
随着企业对云服务的广泛应用,数据安全成为重要课题。通过对云上数据进行敏感数据扫描和保护,可以有效提升企业或组织的数据安全。本文主要基于阿里云的数据安全中心数据识别功能进行深入实践探索。通过对商品购买日志的模拟,分析了如何使用阿里云的工具对日志数据进行识别、脱敏(3 种模式)处理和基于 StoreView 的查询脱敏方式,从而在保障数据安全的同时满足业务需求。通过这些实践,企业可以有效降低数据泄漏风险,提升数据治理能力和系统安全性。
1742 228
云上数据安全保护:敏感日志扫描与脱敏实践详解
|
11月前
|
机器学习/深度学习 算法 PyTorch
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
软演员-评论家算法(Soft Actor-Critic, SAC)是深度强化学习领域的重要进展,基于最大熵框架优化策略,在探索与利用之间实现动态平衡。SAC通过双Q网络设计和自适应温度参数,提升了训练稳定性和样本效率。本文详细解析了SAC的数学原理、网络架构及PyTorch实现,涵盖演员网络的动作采样与对数概率计算、评论家网络的Q值估计及其损失函数,并介绍了完整的SAC智能体实现流程。SAC在连续动作空间中表现出色,具有高样本效率和稳定的训练过程,适合实际应用场景。
3704 7
深度强化学习中SAC算法:数学原理、网络架构及其PyTorch实现
|
域名解析 网络协议
DNS服务工作原理
文章详细介绍了DNS服务的工作原理,包括FQDN的概念、名称解析过程、DNS域名分级策略、根服务器的作用、DNS解析流程中的递归查询和迭代查询,以及为何有时基于IP能访问而基于域名不能访问的原因。
1549 2
DNS服务工作原理
|
程序员
程序员的挑战与机遇:中国技术人才的现状
在中国,程序员作为技术行业的中坚力量,面临着一系列独特的挑战和机遇。这些挑战不仅影响着他们的职业发展,也关系到整个技术行业的进步。本文将探讨中国程序员面临的一些主要问题,并分析这些问题背后的原因,同时探讨可能的解决方案。
224 1
|
机器学习/深度学习 计算机视觉
一文详解残差网络
残差网络(ResNet)源于2016年的论文《Deep Residual Learning for Image Recognition》,旨在解决深层网络中的梯度消失和爆炸问题。通过引入残差块,即在网络中添加跳跃连接,使得信息可以直接跨过多层传递,从而有效解决了网络加深导致的训练困难。ResNet不仅显著提高了模型性能,还促进了深度学习领域的发展。
2020 3
|
调度 索引
传输块大小(TBS)的确定 | 带你读《5G-NR信道编码》之十六
物理块上行和下行数据共享通道是以传输块(TB,Transport Block)为基本单位进行传输数据的。在LTE中,TBS可以用给定的物理资源块(PRB,Physical Resource Block)的数目 NPRB 以及 TBS 的索引 ITBS 通过查表的方式得到。在 5G-NR 标准化过程中,有的公司提出采用公式计算和查表分别量化 不同大小区间的 TBS 的方式来确定 TBS,以实现更大的调度灵活性。
18583 0
传输块大小(TBS)的确定 | 带你读《5G-NR信道编码》之十六
|
弹性计算 运维 监控
阿里云服务诊断评测报告
阿里云服务诊断评测报告
174 9
|
存储 消息中间件 数据挖掘
数据仓库的深度探索与实时数仓应用案例解析
大数据技术的发展,使得数据仓库能够支持大量和复杂数据类型(如文本、图像、视频、音频等)。数据湖作为一种新的数据存储架构,强调原始数据的全面保留和灵活访问,与数据仓库形成互补,共同支持企业的数据分析需求。
|
小程序 Java 数据库
8套三级医院应用的管理系统源码,直接上项目,HIS、LIS、PACS
8套应用于二级医院、三级医院医院管理系统源码,均有自主知识产权,应用案例,系统稳定运行中。
1370 1
8套三级医院应用的管理系统源码,直接上项目,HIS、LIS、PACS
VsCode通过snippet generator快速生成自定义代码片段
VsCode通过snippet generator快速生成自定义代码片段
1177 0
VsCode通过snippet generator快速生成自定义代码片段