利用Redis實(shí)現(xiàn)點(diǎn)贊功能的示例代碼
提到點(diǎn)贊，大家一想到的是不是就是朋友圈的點(diǎn)贊呀？其實(shí)點(diǎn)贊對我們來說并不陌生，我們經(jīng)常會在手機(jī)軟件或者網(wǎng)頁中看到它，今天就讓我們來了解一下它的實(shí)現(xiàn)吧。我們常見的設(shè)計思路大概分為兩種：一種自然是用 MySQL 等數(shù)據(jù)庫直接落地存儲， 另外一種就是將點(diǎn)贊的數(shù)據(jù)保存到 Redis 等緩存里，在一定時間后刷回 MySQL 等數(shù)據(jù)庫。
MySQL 和 Redis優(yōu)缺點(diǎn)
首先我們來說一下兩種方法各自的優(yōu)缺點(diǎn)：我們以 MySQL 和 Redis 為例。
1、直接寫入數(shù)據(jù)庫：
優(yōu)點(diǎn)：這種方法實(shí)現(xiàn)簡單，只需完成數(shù)據(jù)庫的增刪改查就行；
缺點(diǎn)：數(shù)據(jù)庫讀寫壓力大，如果遇到熱門文章在短時間內(nèi)被大量點(diǎn)贊的情況，直接操作數(shù)據(jù)庫會給數(shù)據(jù)庫帶來巨大壓力，影響效率。
2、使用 Redis 緩存：
優(yōu)點(diǎn)：性能高，讀寫速度快，緩解數(shù)據(jù)庫讀寫的壓力；
缺點(diǎn)：開發(fā)復(fù)雜，不能保證數(shù)據(jù)安全性即 redis 掛掉的時候會丟失數(shù)據(jù)， 同時不及時同步 redis 中的數(shù)據(jù)， 可能會在 redis 內(nèi)存置換的時候被淘汰掉。不過對于點(diǎn)贊數(shù)據(jù)我們不需要那么精確，丟失一點(diǎn)數(shù)據(jù)問題不大。
接下來就從以下三個方面對點(diǎn)贊功能做詳細(xì)的介紹
•Redis 緩存設(shè)計
•數(shù)據(jù)庫設(shè)計
•開啟定時任務(wù)持久化存儲到數(shù)據(jù)庫
1、Redis 緩存設(shè)計及實(shí)現(xiàn)
Redis 的整合我們在上一篇文章中已經(jīng)介紹過了，此處就不再贅述了。我們了解到，我們在做點(diǎn)贊的時候需要記錄以下幾類數(shù)據(jù)：一類是某用戶被其他用戶點(diǎn)贊的詳細(xì)記錄，一類是?？紤]到查詢與存取方便快捷，我這邊采用 Hash 結(jié)構(gòu)進(jìn)行存儲，存儲結(jié)構(gòu)如下：
（1）某用戶被其他用戶點(diǎn)贊的詳細(xì)記錄： MAP_USER_LIKED 為鍵值， 被點(diǎn)贊用戶id::點(diǎn)贊用戶id 為 filed， 1或者0 為 value
（2）某用戶被點(diǎn)贊的數(shù)量統(tǒng)計： MAP_USER_LIKED_COUNT 為鍵值， 被點(diǎn)贊用戶id 為 filed， count 為 value
部分代碼如下
/**
* 將用戶被其他用戶點(diǎn)贊的數(shù)據(jù)存到redis
*/
@Override
public void saveLiked2Redis(String likedUserId, String likedPostId) {
String key = RedisKeyUtils.getLikedKey(likedUserId, likedPostId);
redisTemplate.opsForHash().put(RedisKeyUtils.MAP_KEY_USER_LIKED,key, LikedStatusEnum.LIKE.getCode());
}
//取消點(diǎn)贊
@Override
public void unlikeFromRedis(String likedUserId, String likedPostId) {
String key = RedisKeyUtils.getLikedKey(likedUserId, likedPostId);
redisTemplate.opsForHash().put(RedisKeyUtils.MAP_KEY_USER_LIKED,key,LikedStatusEnum.UNLIKE.getCode());
}
/**
* 將被點(diǎn)贊用戶的數(shù)量+1
*/
@Override
public void incrementLikedCount(String likedUserId) {
redisTemplate.opsForHash().increment(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT,likedUserId,1);
}
//-1
@Override
public void decrementLikedCount(String likedUserId) {
redisTemplate.opsForHash().increment(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT, likedUserId, -1);
}
/**
* 獲取Redis中的用戶點(diǎn)贊詳情記錄
*/
@Override
public List<UserLikeDetail> getLikedDataFromRedis() {
Cursor<Map.Entry<Object,Object>> scan = redisTemplate.opsForHash().scan(RedisKeyUtils.MAP_KEY_USER_LIKED, ScanOptions.NONE);
List<UserLikeDetail> list = new ArrayList<>();
while (scan.hasNext()){
Map.Entry<Object, Object> entry = scan.next();
String key = (String) entry.getKey();
String[] split = key.split("::");
String likedUserId = split[0];
String likedPostId = split[1];
Integer value = (Integer) entry.getValue();
//組裝成 UserLike 對象
UserLikeDetail userLikeDetail = new UserLikeDetail(likedUserId, likedPostId, value);
list.add(userLikeDetail);
//存到 list 后從 Redis 中刪除
redisTemplate.opsForHash().delete(RedisKeyUtils.MAP_KEY_USER_LIKED, key);
}
return list;
}
/**
* 獲取Redis中的用戶被點(diǎn)贊數(shù)量
*/
@Override
public List<UserLikCountDTO> getLikedCountFromRedis() {
Cursor<Map.Entry<Object,Object>> cursor = redisTemplate.opsForHash().scan(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT, ScanOptions.NONE);
List<UserLikCountDTO> list = new ArrayList<>();
while(cursor.hasNext()){
Map.Entry<Object, Object> map = cursor.next();
String key = (String) map.getKey();
Integer value = (Integer) map.getValue();
UserLikCountDTO userLikCountDTO = new UserLikCountDTO(key,value);
list.add(userLikCountDTO);
//存到 list 后從 Redis 中刪除
redisTemplate.opsForHash().delete(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT,key);
}
return list;
}Redis 存儲結(jié)構(gòu)如圖
2、數(shù)據(jù)庫設(shè)計
這里我們可以和直接將點(diǎn)贊數(shù)據(jù)存到數(shù)據(jù)庫一樣，設(shè)計兩張表：
(1)用戶被其他用戶點(diǎn)贊的詳細(xì)記錄:user_like_detail
DROP TABLE IF EXISTS `user_like_detail`; CREATE TABLE `user_like_detail` ( `id` int(11) NOT NULL AUTO_INCREMENT, `liked_user_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '被點(diǎn)贊的用戶id', `liked_post_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '點(diǎn)贊的用戶id', `status` tinyint(1) NULL DEFAULT 1 COMMENT '點(diǎn)贊狀態(tài)，0取消，1點(diǎn)贊', `create_time` timestamp(0) NOT NULL DEFAULT CURRENT_TIMESTAMP(0) COMMENT '創(chuàng)建時間', `update_time` timestamp(0) NOT NULL DEFAULT CURRENT_TIMESTAMP(0) ON UPDATE CURRENT_TIMESTAMP(0) COMMENT '修改時間', PRIMARY KEY (`id`) USING BTREE, INDEX `liked_user_id`(`liked_user_id`) USING BTREE, INDEX `liked_post_id`(`liked_post_id`) USING BTREE ) ENGINE = InnoDB AUTO_INCREMENT = 7 CHARACTER SET = utf8 COLLATE = utf8_general_ci COMMENT = '用戶點(diǎn)贊表' ROW_FORMAT = Dynamic; SET FOREIGN_KEY_CHECKS = 1;
(2)用戶被點(diǎn)贊的數(shù)量統(tǒng)計:user_like_count
DROP TABLE IF EXISTS `user_like_count`; CREATE TABLE `user_like_count` ( `id` int(11) NOT NULL AUTO_INCREMENT, `like_num` int(11) NULL DEFAULT 0, PRIMARY KEY (`id`) USING BTREE ) ENGINE = InnoDB AUTO_INCREMENT = 7 CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic; SET FOREIGN_KEY_CHECKS = 1;
3、開啟定時任務(wù)持久化存儲到數(shù)據(jù)庫
我們使用 Quartz 來實(shí)現(xiàn)定時任務(wù)，將 Redis 中的數(shù)據(jù)存儲到數(shù)據(jù)庫中，為了演示效果，我們可以設(shè)置一分鐘或者兩分鐘存儲一遍數(shù)據(jù)，這個視具體業(yè)務(wù)而定。在同步數(shù)據(jù)的過程中，我們首先要將 Redis 中的數(shù)據(jù)在數(shù)據(jù)庫中進(jìn)行查重，舍棄重復(fù)數(shù)據(jù)，這樣我們的數(shù)據(jù)才會更加準(zhǔn)確。
部分代碼如下
//同步redis的用戶點(diǎn)贊數(shù)據(jù)到數(shù)據(jù)庫
@Override
@Transactional
public void transLikedFromRedis2DB() {
List<UserLikeDetail> list = redisService.getLikedDataFromRedis();
list.stream().forEach(item->{
//查重
UserLikeDetail userLikeDetail = userLikeDetailMapper.selectOne(new LambdaQueryWrapper<UserLikeDetail>()
.eq(UserLikeDetail::getLikedUserId, item.getLikedUserId())
.eq(UserLikeDetail::getLikedPostId, item.getLikedPostId()));
if (userLikeDetail == null){
userLikeDetail = new UserLikeDetail();
BeanUtils.copyProperties(item, userLikeDetail);
//沒有記錄，直接存入
userLikeDetail.setCreateTime(LocalDateTime.now());
userLikeDetailMapper.insert(userLikeDetail);
}else{
//有記錄，需要更新
userLikeDetail.setStatus(item.getStatus());
userLikeDetail.setUpdateTime(LocalDateTime.now());
userLikeDetailMapper.updateById(item);
}
});
}
@Override
@Transactional
public void transLikedCountFromRedis2DB() {
List<UserLikCountDTO> list = redisService.getLikedCountFromRedis();
list.stream().forEach(item->{
UserLikeCount user = userLikeCountMapper.selectById(item.getKey());
//點(diǎn)贊數(shù)量屬于無關(guān)緊要的操作，出錯無需拋異常
if (user != null){
Integer likeNum = user.getLikeNum() + item.getValue();
user.setLikeNum(likeNum);
//更新點(diǎn)贊數(shù)量
userLikeCountMapper.updateById(user);
}
});
}
至此我們就實(shí)現(xiàn)了基于 Redis 的點(diǎn)贊功能，我們還需要注意一點(diǎn)：查詢用戶點(diǎn)贊情況時，需要同時查詢數(shù)據(jù)庫+緩存中的數(shù)據(jù)。
以上就是利用Redis實(shí)現(xiàn)點(diǎn)贊功能的示例代碼的詳細(xì)內(nèi)容，更多關(guān)于Redis點(diǎn)贊功能的資料請關(guān)注腳本之家其它相關(guān)文章！
相關(guān)文章
本文主要介紹了Redis使用Bitmap的方法實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-01-01
這篇文章主要介紹了Redis中實(shí)現(xiàn)查找某個值的范圍,本文的題引來了Redis作者Salvatore Sanfilippo（@antirez）的回答,比較經(jīng)典,需要的朋友可以參考下2015-06-06
Redis實(shí)現(xiàn)延遲任務(wù)的常見方案詳解
延遲任務(wù)（Delayed?Task）是指在未來的某個時間點(diǎn),執(zhí)行相應(yīng)的任務(wù),本文為大家整理了Redis實(shí)現(xiàn)延遲任務(wù)的幾個常見方案,希望對大家有所幫助2024-04-04
本文主要介紹了redis搭建哨兵集群的實(shí)現(xiàn)步驟，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2022-05-05
一文搞懂阿里云服務(wù)器部署Redis并整合Spring?Boot
這篇文章主要介紹了一文搞懂阿里云服務(wù)器部署Redis并整合Spring?Boot，文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下2022-09-09
如何使用redis的setnx實(shí)現(xiàn)分布式鎖
Redis Setnx（SET if Not eXists） 命令在指定的 key 不存在時,為 key 設(shè)置指定的值,這篇文章主要介紹了使用redis的setnx實(shí)現(xiàn)分布式鎖,需要的朋友可以參考下2024-06-06
Windows環(huán)境下Redis Cluster環(huán)境搭建(圖文)
這篇文章主要介紹了Windows環(huán)境下Redis Cluster環(huán)境搭建(圖文)，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-07-07
這篇文章主要介紹了redis主從連接不成功錯誤問題及解決方案,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教<BR>2024-01-01
這篇文章主要給大家介紹了關(guān)于redis實(shí)現(xiàn)加鎖的幾種方法，加鎖命令分別是INCR、SETNX和SET，文中給出了詳細(xì)的示例代碼，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧。2017-09-09
如果?Redis?中的部署，采用的是切片集群，數(shù)據(jù)是會按照一定的規(guī)則分散到不同的實(shí)例中保存，比如，使用?Redis?Cluster?或?Codis，這篇文章主要介紹了Redis?切片集群的數(shù)據(jù)傾斜分析,需要的朋友可以參考下2022-06-06