AWS 上的学习路径：

利用 Amazon Aurora Serverless 和 Amazon ElastiCache 构建实时排行榜

简介

背景和设置

预置数据库

计划您的数据模型

启动集群

设计您的数据模型

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。

在您的简单应用程序中，您只有一个实体 Games。一个 Game 表示用户某次在游戏中玩过的特定关卡。它存储用户的用户名、游戏关卡、游戏的时间戳和用户在游戏中的得分。

应用程序的 ERD 很简单，因为只有一个实体，且没有相互关系。如下所示。

您可以看到 ERD 包含单个实体 Game 以及该实体的各种属性。

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。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

首先，创建数据库表。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,
  database: 'leaderboard',
  sql: `CREATE TABLE games (
game_id INT AUTO_INCREMENT PRIMARY KEY,
username VARCHAR(50) NOT NULL,
gamedate TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
score INT NOT NULL,
level INT NOT NULL
);`
}

rdsdataservice.executeStatement(params, function(err, data) {
  if (err) {
    console.log(err, err.stack)
  } else {
    console.log('Table 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 Games 表的数据定义语言 (DDL) 语句。该表具有一个 game_id 属性，该属性是一个自动递增的整数，用作该表的主键。它还具有其他属性，包括用户名和分数。

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：

Table created successfully!

第 2 步：加载样本数据

现在您已经创建了表，可加载一些样本数据。

在 scripts/ 目录中，有一个包含一些 JSON 数据的 games.json 文件。此 JSON 数据是要插入到表中的随机示例数据。

查看 scripts/insertGames.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 path = require('path');

const raw = fs.readFileSync(path.resolve( __dirname, 'games.json'));
const games = JSON.parse(raw)
const values = games.map((game) => { return `('${game.username}', '${game.gamedate}', ${game.score}, ${game.level})`}).join(',\n')
const sql = `INSERT INTO games (username, gamedate, score, level) VALUES ${values}`

const params = {
  resourceArn: process.env.DATABASE_ARN,
  secretArn: process.env.SECRET_ARN,
  database: 'leaderboard',
  sql
}

rdsdataservice.executeStatement(params, function(err, data) {
  if (err) {
    console.log(err, err.stack)
  } else {
    console.log('Games 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 games.json 文件中读取假冒游戏，然后在 SQL 中编写 INSERT 语句，以将游戏数据插入表中。

您可以使用以下命令运行脚本：

node scripts/insertGames.js

您应该能在终端中看到以下输出：

Games inserted successfully!

您现在已将 300 个不同的游戏分数加载到您的表中。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。

常见的访问模式是为用户获取最高分数。您可以在此处尝试。

查看 scripts/fetchHighScoresForUser.js 中的代码。此代码包含应用程序调用以获取特定用户最高分数的内部方法。代码如下所示：

const AWS = require('aws-sdk')

const rdsdataservice = new AWS.RDSDataService();

const fetchHighScoresForUser= async (username, count) => {
  const params = {
    resourceArn: process.env.DATABASE_ARN,
    secretArn: process.env.SECRET_ARN,
    database: 'leaderboard',
    includeResultMetadata: true,
    sql: 'SELECT game_id, username, gamedate, score, level FROM games WHERE username = :username ORDER BY score DESC LIMIT :count',
    parameters: [
      {
        name: 'username',
        value: { stringValue: username }
      },
      {
        name: 'count',
        value: { longValue: count }
      }
    ]
  }
  const results = await rdsdataservice.executeStatement(params).promise()
  return results
}

fetchHighScoresForUser(ubecker, 1).then((results) => console.log(JSON.stringify(results, null, 2)))

您的 fetchHighScoresForUser 函数采用两个参数：要为之获取高分的用户名和要获取的记录数。然后，它使用数据 API 进行查询，以获取该用户的最高分数。

文件底部是一个使用 fetchHighScoresForUser 函数的示例，方法是使用用户名 ubecker 调用该函数，并仅请求一条记录。

通过在终端中运行以下命令来执行此脚本：

node scripts/fetchHighScoresForUser.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": "game_id",
      "name": "game_id",
      "nullable": 0,
      "precision": 11,
      "scale": 0,
      "schemaName": "",
      "tableName": "games",
      "type": 4,
      "typeName": "INT"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": false,
      "label": "username",
      "name": "username",
      "nullable": 0,
      "precision": 50,
      "scale": 0,
      "schemaName": "",
      "tableName": "games",
      "type": 12,
      "typeName": "VARCHAR"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": false,
      "label": "gamedate",
      "name": "gamedate",
      "nullable": 0,
      "precision": 19,
      "scale": 0,
      "schemaName": "",
      "tableName": "games",
      "type": 93,
      "typeName": "TIMESTAMP"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": true,
      "label": "score",
      "name": "score",
      "nullable": 0,
      "precision": 11,
      "scale": 0,
      "schemaName": "",
      "tableName": "games",
      "type": 4,
      "typeName": "INT"
    },
    {
      "arrayBaseColumnType": 0,
      "isAutoIncrement": false,
      "isCaseSensitive": false,
      "isCurrency": false,
      "isSigned": true,
      "label": "level",
      "name": "level",
      "nullable": 0,
      "precision": 11,
      "scale": 0,
      "schemaName": "",
      "tableName": "games",
      "type": 4,
      "typeName": "INT"
    }
  ],
  "numberOfRecordsUpdated": 0,
  "records": [
    [
      {
        "longValue": 101
      },
      {
        "stringValue": "ubecker"
      },
      {
        "stringValue": "2019-11-06 09:00:37"
      },
      {
        "longValue": 9090
      },
      {
        "longValue": 84
      }
    ]
  ]
}

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，您了解了获取单个用户高分的示例方法，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 fetchHighScoresForUser2.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,
    database: 'leaderboard',
    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 fetchHighScoresForUser = async (username, count) => {
  const parameters = [
    {
      name: 'username',
      value: { stringValue: username }
    },
    {
      name: 'count',
      value: { longValue: count }
    }
  ]
  const sql = 'SELECT game_id, username, gamedate, score, level FROM games WHERE username = :username ORDER BY score DESC LIMIT :count'
  const result = await executeReadSql(sql, parameters)
  return result
}

fetchHighScoresForUser(ubecker, 1).then((results) => console.log(JSON.stringify(results, 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/fetchHighScoresForUser2.js

您应该能看到以下输出：

[
  {
    "game_id": 101,
    "username": "ubecker",
    "gamedate": "2019-11-06 09:00:37",
    "score": 9090,
    "level": 84
  }
]

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。

小结

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，您将创建 ElastiCache 实例并对其进行配置，以便可以从 Cloud9 实例访问该实例。

下一个模块：启动集群

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