代码拉取完成，页面将自动刷新
各位可以参考配套教程自己拉下去部署
Echo 是一套前后端不分离的开源社区系统，基于目前主流 Java Web 技术栈（SpringBoot + MyBatis + MySQL + Redis + Kafka + Elasticsearch + Spring Security + ...），并提供详细的开发文档和配套教程。包含帖子、评论、私信、系统通知、点赞、关注、搜索、用户设置、数据统计等模块。
源码链接：已托管在 Github 和 Gitee：
教程地址：文档通过 Docsify + Github/Gitee Pages 生成
后端：
前端：
首页：
登录页：
密码重置页：
帖子发布页（支持 MarkDown）：
帖子详情页（MarkDown 渲染）：
帖子详情页：
个人主页：
朋友私信页：
私信详情页：
系统通知页：
通知详情页：
账号设置页：
数据统计页：
搜索详情页：
各位如果需要将项目部署在本地进行测试，以下环境请提前备好：
然后修改配置文件中的信息为你自己的本地环境，直接运行是运行不了的，而且相关私密信息我全部用 xxxxxxx 代替了。
本地运行需要修改的配置文件信息如下：
1）application-develop.properties：
2）logback-spring-develop.xml：
每次运行需要打开：
另外，还需要事件建好数据库 greatecommunity，然后依次运行项目 sql 文件夹下的这几个 sql 文件建立数据库表：
我每个都只部署了一台，以下是理想的部署架构：
画了一些不是那么严谨的图帮助各位小伙伴理清思绪。
单向绿色箭头：
- 前端模板 -> Controller：表示这个前端模板中有一个超链接是由这个 Controller 处理的
- Controller -> 前端模板：表示这个 Controller 会像该前端模板传递数据或者跳转
双向绿色箭头：表示 Controller 和前端模板之间进行参数的相互传递或使用
单向蓝色箭头： A -> B，表示 A 方法调用了 B 方法
单向红色箭头：数据库或缓存操作
登录认证模块跳过了 Spring Secuity 自带的认证机制。主要逻辑如下：
下图是登录模块的功能逻辑图，并没有使用 Spring Security 提供的认证逻辑（我觉得这个模块是最复杂的，这张图其实很多细节还没有画全）
此处只画出修改头像：
发布帖子（过滤敏感词），将其存入 MySQL
评论部分前端的名称显示有些缺陷，有兴趣的小伙伴欢迎提 PR 解决 ~
关于评论模块需要注意的就是评论表的设计，把握其中字段的含义，才能透彻了解这个功能的逻辑。
评论 Comment 的目标类型（帖子，评论） entityType 和 entityId 以及对哪个用户进行评论/回复 targetId 是由前端传递给 DiscussPostController 的
一个帖子的详情页需要封装的信息大概如下：
发布对帖子的评论（过滤敏感词），将其存入 MySQL
将点赞相关信息存入 Redis 的数据结构 set 中。其中，key 命名为 like:entity:entityType:entityId，value 即点赞用户的 id。比如 key = like:entity:2:246 value = 11 表示用户 11 对实体类型 2 即评论进行了点赞，该评论的 id 是 246
某个用户的获赞数量对应的存储在 Redis 中的 key 是 like:user:userId，value 就是这个用户的获赞数量
将某个用户关注的实体相关信息存储在 Redis 的数据结构 zset 中：key 是 followee:userId:entityType ，对应的 value 是 zset(entityId, now) ，以关注的时间进行排序。比如说 followee:111:3 对应的value (20, 2020-02-03-xxxx)，表明用户 111 关注了一个类型为 3 的实体即人(用户)，关注的这个实体 id 是 20，关注该实体的时间是 2020-02-03-xxxx
同样的，将某个实体拥有的粉丝相关信息也存储在 Redis 的数据结构 zset 中：key 是 follower:entityType:entityId，对应的 value 是 zset(userId, now)，以关注的时间进行排序
类似的，置顶、加精也会触发发帖事件，就不再图里面画出来了。
每次发生点赞（给帖子点赞）、评论（给帖子评论）、加精的时候，就将这些帖子信息存入缓存 Redis 中，然后通过分布式的定时任务 Spring Quartz，每隔一段时间就从缓存中取出这些帖子进行计算分数。
帖子分数/热度计算公式：分数（热度） = 权重 + 发帖距离天数
// 计算权重
double w = (wonderful ? 75 : 0) + commentCount * 10 + likeCount * 2;
// 分数 = 权重 + 发帖距离天数
double score = Math.log10(Math.max(w, 1))
+ (post.getCreateTime().getTime() - epoch.getTime()) / (1000 * 3600 * 24);
此处可能存在不合适展示的内容，页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容，可点击提交进行申诉，我们将尽快为您处理。