大足集团网站建设,自学网站建设视频,网站链接只显示到文件夹怎么做的,邢台当地网站建设快递轨迹管理
对于一个快递公司#xff0c;在全国范围内有着大量的快递点、快递员、运输车辆以及仓储中心。而快递自产生后#xff0c;就会在这些地点、人物之间流转。因而#xff0c;一套完善的快递管理追踪系统是快递公司的重要管理工具#xff1b;
用户通过平台客户端…快递轨迹管理
对于一个快递公司在全国范围内有着大量的快递点、快递员、运输车辆以及仓储中心。而快递自产生后就会在这些地点、人物之间流转。因而一套完善的快递管理追踪系统是快递公司的重要管理工具
用户通过平台客户端下单后产生唯一的快递单号作为唯一身份标识。快递除了订单号还会有很多属性信息如邮寄人、邮寄人手机、邮寄人地址、收件人、快递类型等信息。生成快递订单后用户的邮寄物品才会成为“快递”。快递公司配合扫码机器将快递的流转事件、地点、时间等信息不定期推送至系统。快递流转信息不仅可以是简单的量化数据也可以是描述性文字、地理位置等特殊信息。系统将流转信息记录成快递的监控数据同时修改快递状态、实时位置等。直至快递送达收件人手中结束快递生命周期。
通过系统用户可以管理自己的历史邮寄单列表、收件列表掌握自己邮寄中的快递轨迹。快递公司也可以查询、修改快递信息、追踪快递时效并借助海量轨迹监控数据掌握快递产生、收件的高频路线在高频位置铺设更多的基础设施、转移调度快递员 功能需求
面向用户
1、用户在线下单生成快递单等候快递员上门取件 2、管理历史订单列表了解快递明细 3、追踪特定快递周转状态、运送轨迹
面向平台
1、借助扫码器实现快递周转事件采集、存储 2、统计、查询所有快递订单实现全订单的管理CRUD 3、掌握所有邮寄中快递的实时位置 4、掌握任意一个订单的周转状态、运送轨迹 5、基于历史快递数据分析快递时效 6、方便掌握高频地域、路线为增设基础设施、快递员提供依据 等等...
系统样例如下所示官网控制台地址项目样例 实现方案 MySQL方案与难点
通常用户会选用MySQL作为方案数据库因为MySQL作为数库在查询、分析等功能上有优势用户创建两个表订单表、事件追踪表实现对快递数据的存储。
但是快递场景有几个强需求 第一、需要有强大的查询、统计能力实现快递单的管理 第二、对于海量快递有着高并发写入需求对写入性能要求较高; 第三、数据持续膨胀但历史快递订单、事件数据多为冷数据存储成本需要尽可能低 第四、数据未来挖掘潜在价值较高需要有较好的计算生态
而MySQL方案在面对第二、第三个强需求时劣势凸显海量并发、不断的数据膨胀、存储成本高一直以来都是关系型数据库的痛点 表格存储方案
选择表格存储有以下优势 其一、表格存储的多元索引SearchIndex功能轻松满足用户的多维查询、GEO检索、统计等功能需求 其二、基于LSM tree打造的分布式NoSQL数据库轻松支持海量高并发读、写零运维轻松应对数据量的不断膨胀理论上无上限。 其三、表格存储按量计费提供容量型、高性能型两种实例容量型对冷数据更适宜提供了更低存储成本。 其四、更重要的表格存储拥有较为完善的计算生态提供全、增量通道服务提供流计算、批计算一体的计算体系对未来监控数据价值挖掘提供渠道。 表格存储在时序场景需求的技术点上拥有极高的匹配而基于时序场景打造的Timestream模型更是将时序场景通用功能封装成易用的场景接口使用户更容易的基于表格存储根据自身需求设计、打造不同特点的轨迹追踪系统 数据结构设计
基于快递的时序将快递的属性信息作为meta数据而快递的周转路径、状态、位置等则为data数据下面对两类数据做简单介绍。
快递元数据
meta数据管理着快递的属性信息支持指标、标签、属性、地理位置、更新时间等参数模型会为所有属性创建相应的索引提供多维度条件组合查询包含GEO查询。其中Identifier是时间线的标识包含两部分name部分监控指标标识、tags部分固有不可变参数集合。
在快递场景中用户通常是基于快递单号直接定位快递因而tags使用空的。而属性信息则存储快递的邮寄人信息、收件人信息、邮寄起/止地址等location字段用于最新位置追踪可不定期根据产生新的状态周转数据时更新。 快递轨迹数据
data数据记录着快递的状态周转信息主要为量化数据、地理位置、文字表述等任意类型。data数据按照有序排列因而同一快递的所有数据物理上存在一起且基于时间有序。这种数据存储方式极大的提升了时间线的查询效率。对应到快递轨迹监控数据主要记录了【who】do【something】【where】with the location【geo】以及联系方式等。 读写接口使用介绍 写数据
写接口根据数据类型分为两类meta写入新增快递、data写入快递周转数据
新增快递当用户通过系统直接下快递单后产生唯一订单号加上用户填写的快递单信息组成必要的凯迪数据。此时就会生成一个时间线产生一个meta数据快递周转当快递发生取件、运输周转、派送、取件是产生的状态转变数据时就会产生一条追踪数据通过data数据的写接口不定期的写入读数据
与写数据一样针对两类数据提供了两类读接口meta读取快递查询、data读取查询快递轨迹
查询快递根据快递号、寄件人手机、收件人手机等信息获取对应快递的列表掌握所有快递的最新动态查询快递轨迹基于单个meta的Identifier获取该快递从产生到结束整个生命周期内的轨迹周转数据可以通过列表、地图轨迹展示等方式直观的了解快递的周转过程方案核心代码 SDK与样例代码
SDK使用 时序模型Timestream模型集成于表格存储的SDK中目前已在4.11.0版本中支持
dependencygroupIdcom.aliyun.openservices/groupIdartifactIdtablestore/artifactIdversion4.11.0/version
/dependency
代码开源https://github.com/aliyun/tablestore-examples/tree/master/demos/MailManagement 建表准备
在创建完成实例后用户需要通过时序模型的sdk创建相应的meta表快递元数据、data表快递周转数据
private void init() {AsyncClient asyncClient new AsyncClient(endpoint, accessKeyId, accessKeySecret, instance);//快递抽象TimestreamTimestreamDBConfiguration mailConf new TimestreamDBConfiguration(metaTableName);mailDb new TimestreamDBClient(asyncClient, mailConf);
}public void createTable() {mailDb.createMetaTable(Arrays.asList(//自定义索引new AttributeIndexSchema(fromMobile, AttributeIndexSchema.Type.KEYWORD),new AttributeIndexSchema(fromName, AttributeIndexSchema.Type.KEYWORD),new AttributeIndexSchema(toMobile, AttributeIndexSchema.Type.KEYWORD),new AttributeIndexSchema(toName, AttributeIndexSchema.Type.KEYWORD),new AttributeIndexSchema(toLocation, AttributeIndexSchema.Type.GEO_POINT));mailDb.createDataTable(dataTableName);
} 写数据
数据写入主要分两部分meta表创建新快递、data表采集快递周转信息
创建快递单meta表写入
//metaWriter对应meta表提供读、写接口
TimestreamMetaTable mailMetaWriter mailDb.metaTable();//identifier作为时间线的身份标识unique仅含快递单号ID
TimestreamIdentifier identifier new TimestreamIdentifier.Builder(mail-id-001).build();//基于identifier创建meta对象并为meta设置更多属性Attributes为属性参数
TimestreamMeta meta new TimestreamMeta(identifier).addAttribute(fromName, whos.get(Rand.nextInt(whos.size()))).addAttribute(fromMobile, 15812345678).addAttribute(toName, whos.get(Rand.nextInt(whos.size()))).addAttribute(toMobile, 15812345678).addAttribute(toLocation, 30,120);//创建新的时间线然后写入监控数据
mailMetaWriter.put(meta); 采集快递周转事件data表写入
//dataWriter分别对应data表提供读、写接口
TimestreamDataTable mailDataWriter mailDb.dataTable(mailDataTableName);
TimestreamMeta meta//meta上一步已经构建//创建新的时间线然后写入监控数据
mailDataWriter.write(meta.getIdentifier(),new Point.Builder(14500000000, TimeUnit.MILLISECONDS).addField(who, 张三).addField(do, 取件).addField(where, 云栖小镇).addField(location, 30,120).build()
); 数据读取
数据读取分为两类
快递订单多维查询meta表读取
//reader对应meta表提供读、写接口此处名字为突出读功能
TimestreamMetaTable metaReader mailDb.metaTable();//构建筛选条件
Filter filter AndFilter(Name.equal(mail-id-001),Attribute.equal(fromMobile, 15812345678)
);IteratorTimestreamMeta metaIterator mailDb.metaTable().filter(filter).fetchAll();while (iterator.hasNext()) {TimestreamMeta meta iterator.next();//deal with metas
} 快递轨迹追踪data表读取
//dataWriter分别对应data表提供读、写接口
TimestreamDataTable dataReader db.dataTable(dataTableName);
TimestreamMeta meta//基于已获取的meta列表分别获取每个快递的轨迹追踪IteratorPoint dataIterator mailDb.dataTable(mailDataTableName).get(meta.getIdentifier()).fetchAll();while (iterator.hasNext()) {Point point iterator.next();//deal with pointslong timestamp point.getTimestamp(TimeUnit.MILLISECONDS);//毫秒单位时间戳String location point.getField(location).asString();//获取该点String类型的位置信息
}
原文链接 本文为云栖社区原创内容未经允许不得转载。
