AWS 上的学习路径：

使用 Amazon Aurora Serverless 为游戏构建库存系统

简介

背景和设置

预置数据库

计划您的数据模型

向应用程序添加身份验证

部署应用程序

测试应用程序

清理和后续步骤

计划您的数据模型并准备初始数据

构建新应用程序时，在开始实施之前计划数据模型非常重要。这种方法可确保为您提供一个坚实的基础以构建您的应用程序。在本模块中，您将了解应用程序中的主要实体，计划数据模型并准备数据库。

计划数据模型的一种常见方法是创建一个实体关系图 (ERD)。ERD 显示应用程序中的不同实体及其属性。它还显示了实体之间的相互关系。

在简单的应用程序中，您有两个实体：用户和项目。用户表示游戏中的人类用户，其属性包括用户名、身高和体重。

项目表示游戏中的可获取项目。可以是武器、装甲、服装、药剂或各种其他类型的物体。一个项目具有类型和重量属性，以及特定于类型的属性，如武器的攻击点或装甲的防御点。

您可以在 ERD 中表示您的两个实体，如下所示。

您可以看到，您同时拥有以各种属性表示的用户实体和项目实体。此外，这两个实体通过一条线连接。此线表示两个实体之间的关系。每个项目归一个且只有一个用户所有，而一个用户可以拥有多个项目。因此，用户和项目之间存在一对多关系。

在以下步骤中，您将 ERD 转换为数据库代码。首先，创建与 ERD 匹配的表和关系。然后，将一些示例数据加载到数据库中。最后，您在数据库上运行一些查询以处理一些用例。

完成模块所需时间：20 分钟

第 1 步：创建数据库表
第 1 步：创建数据库表
首先，创建两个数据库表：用户和项目。在 scripts/ 目录中，有一个名为 createTables.js 的文件。该文件的内容如下：

const AWS = require('aws-sdk') const rdsdataservice = new AWS.RDSDataService(); const params = { resourceArn: process.env.DATABASE_ARN, secretArn: process.env.SECRET_ARN, sql: `CREATE TABLE users ( user_id SERIAL PRIMARY KEY, username VARCHAR(50) NOT NULL, height INTEGER NOT NULL, weight INTEGER NOT NULL ); CREATE TABLE items ( item_id SERIAL PRIMARY KEY, owner_id INTEGER REFERENCES users(user_id), type VARCHAR(20) NOT NULL, properties VARCHAR(256) );` } rdsdataservice.executeStatement(params, function(err, data) { if (err) { console.log(err, err.stack) } else { console.log(‘Tables created successfully!’) } })

此脚本类似于您在上一个模块中运行的 testDatabase.js 脚本。在此脚本中，SQL 包含用于创建两个表的数据定义语言 (DDL) 语句。每个表都有一个自动递增整数的主键。项目表还有一个 owner_id 属性，该属性引用用户表中的 user_id。

请注意，您的项目表上有一个属性列，其中包含有关项目属性的任意数据。您不会直接查询此数据，但它可以包括有关该项目特定于类型的信息，例如武器的攻击点数量或装甲的防御点数量。

执行脚本并使用以下命令创建表：

node scripts/createTables.js

您应该能在终端中看到以下输出：

Tables created successfully!
第 2 步：加载样本数据
第 2 步：加载样本数据
现在您已经创建了表，可加载一些示例数据。

在 scripts/ 目录中，有两个具有 JSON 数据的文件：users.json 和 items.json。它们包含要插入到表中的随机数据。

查看 scripts/insertUsers.js 中的文件。它包含以下代码：

const AWS = require('aws-sdk') const rdsdataservice = new AWS.RDSDataService(); const fs = require('fs'); const raw = fs.readFileSync('users.json'); const users = JSON.parse(raw) const values = users.map((user) => { return `('${user.username}', ${user.height}, ${user.weight})`}).join(',\n') const sql = `INSERT INTO users (username, height, weight) VALUES ${values}` const params = { resourceArn: process.env.DATABASE_ARN, secretArn: process.env.SECRET_ARN, sql } rdsdataservice.executeStatement(params, function(err, data) { if (err) { console.log(err, err.stack) } else { console.log('Users inserted successfully!') } })

与 createTables.js 脚本一样，它使用 RDSDataService 客户端访问 Data API。在此脚本中，您正在从 users.json 文件中读取假冒用户，然后在 SQL 中编写 INSERT 语句，将用户插入表中。

您可以使用以下命令运行脚本：

node scripts/insertUsers.js

您应该能在终端中看到以下输出：

Users inserted successfully!

scripts/ 目录中的 insertItems.js 脚本十分类似，因为它会将您的假项目加载到表中。

您可以使用以下命令运行此脚本：

node scripts/insertItems.js

您应该能在终端中看到以下输出：

Items inserted successfully!

您现在已将 50 个用户和 106 个项目加载到表中。在下一步，您将了解如何使用 Data API 处理其中一种常见访问模式。

第 3 步：测试数据访问

加载数据后，您可以使用 Data API 执行比上一个模块中执行的 Select 1 查询更复杂的操作。

常见的访问模式是获取用户。您可以在此处尝试。

查看 scripts/fetchUser.js 中的代码。此代码包含应用程序调用以获取用户的内部方法。代码如下所示：

const AWS = require('aws-sdk')

const rdsdataservice = new AWS.RDSDataService();

const fetchUser = async (userId) => {
  const params = {
    resourceArn: process.env.DATABASE_ARN,
    secretArn: process.env.SECRET_ARN,
    includeResultMetadata: true,
    sql: 'SELECT user_id, username, height, weight from users where user_id = :user_id',
    parameters: [
      {
        name: 'user_id',
        value: { longValue: userId }
      }
    ]
  }
  const results = await rdsdataservice.executeStatement(params).promise()
  return results
}

fetchUser(22).then((results) => console.log(JSON.stringify(results, null, 2)))

您的 fetchUser 函数采用一个参数 -- 要获取的用户的用户 ID。然后，它使用 Data API 进行查询以获取您的用户。

文件底部是一个使用 fetchUser 函数的示例，方法是使用用户 userId 为 22的用户调用该函数。

通过在终端中运行以下命令来执行此脚本：

node scripts/fetchUser.js

您应该能在终端中看到以下输出：

{
  "columnMetadata": [
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": true,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": true,
      "label": "user_id",
      "name": "user_id",
      "nullable": 0,
      "precision": 10,
      "scale": 0,
      "schemaName": "",
      "tableName": "users",
      "type": 4,
      "typeName": "serial"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": true,
      "isCurrency": false,
      "isSigned": false,
      "label": "username",
      "name": "username",
      "nullable": 0,
      "precision": 50,
      "scale": 0,
      "schemaName": "",
      "tableName": "users",
      "type": 12,
      "typeName": "varchar"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": true,
      "label": "height",
      "name": "height",
      "nullable": 0,
      "precision": 10,
      "scale": 0,
      "schemaName": "",
      "tableName": "users",
      "type": 4,
      "typeName": "int4"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": true,
      "label": "weight",
      "name": "weight",
      "nullable": 0,
      "precision": 10,
      "scale": 0,
      "schemaName": "",
      "tableName": "users",
      "type": 4,
      "typeName": "int4"
    }
  ],
  "numberOfRecordsUpdated": 0,
  "records": [
    [
      {
        "longValue": 22
      },
      {
        "stringValue": "tonya13"
      },
      {
        "longValue": 83
      },
      {
        "longValue": 208
      }
    ]
  ]
}

此输出非常详细。Data API 包含有关结果的大量信息，包括返回的每列的详细列元数据。

在每个数据访问方法中，此信息可能难以解析。在下一步中，您将使用实用方法来打包 Data API。

第 4 步：解析 Data API 响应

在上一步中，您看到了获取单个用户的示例方法，以及来自 Data API 的详细响应。在此步骤中，您将学习如何解析该响应。

在 scripts/ 目录中，查看 fetchUser2.js 文件。此文件的内容如下：

const AWS = require('aws-sdk')

const rdsdataservice = new AWS.RDSDataService();

const parseRecords = (records, columnMetadata) => {
  // Format the results into key-value pairs with the column name and value
  const parsed = records.map((result) => {
    const obj = {}
    result.forEach((elem, idx) => {
      const columnName = columnMetadata[idx].name
      const [ columnValue, ]= Object.values(elem)
      obj[columnName] = columnValue
    })
    return obj
  })
  return parsed

}

const executeReadSql = async (sql, parameters) => {
  const params = {
    resourceArn: process.env.DATABASE_ARN,
    secretArn: process.env.SECRET_ARN,
    includeResultMetadata: true,
    sql
  }
  if (parameters) {
    params.parameters = parameters
  }
  const rawResults = await rdsdataservice.executeStatement(params).promise()
  let results = []
  if (rawResults.records) {
    results = parseRecords(rawResults.records, rawResults.columnMetadata)
  }
  return results
}

const fetchUser = async (userId) => {
  parameters = [
    {
      name: 'user_id',
      value: { longValue: userId }
    }
  ]
  sql = `SELECT user_id, username, height, weight from users where user_id = :user_id`
  const result = await executeReadSql(sql, parameters)
  return result[0]
}

fetchUser(22).then((result) => console.log(JSON.stringify(result, null, 2)))

在此脚本中，有两个帮助程序函数：executeReadSql 和 parseRecords。executeReadSql 函数简化了调用 Data API 的一些样板文件。它处理外部参数，如 Database ARN 和 Secret ARN，以便您只能专注于数据访问函数中的 SQL 和参数。

parseRecords 函数帮助将返回的行更改为具有键值对的 Javascript 对象。这种结果在您的应用程序中更容易处理。

尝试运行脚本以获取单个用户。在终端中执行以下命令：

node scripts/fetchUser2.js

您应该能看到以下输出：

{
  "user_id": 22,
  "username": "tonya13",
  "height": 83,
  "weight": 208
}

与初始结果相比，此输出更易于在应用程序中读取和使用。

您可以在应用程序中的数据访问功能中使用这些实用功能。

结论

在本模块中，您使用实体关系图 (ERD) 设计了数据模型。然后，您使用 Amazon Aurora Serverless 数据库中的 Data API 创建表。接下来，您将一些示例数据加载到新表中。最后，您还学习了一些使用 Data API 的示例。您已经了解了一些实用函数在使用 Data API 时有何帮助。

在下一个模块中，您将学习使用 Amazon Cognito 为应用程序配置身份验证。

下一个模块：向应用程序添加身份验证

第 1 步：创建数据库表

第 2 步：加载样本数据

第 3 步：测试数据访问

第 4 步：解析 Data API 响应

终止对 Internet Explorer 的支持