欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

利用Redis實(shí)現(xiàn)點(diǎn)贊功能的示例代碼

 更新時(shí)間:2022年06月28日 15:25:30   作者:阿Q說代碼  
點(diǎn)贊對(duì)我們來說并不陌生,我們經(jīng)常會(huì)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如何用Redis實(shí)現(xiàn)這一功能吧,感興趣的可以嘗試一下

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(duì)我們來說并不陌生,我們經(jīng)常會(huì)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(jì)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(chǔ), 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(shí)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(jiǎn)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(shí)間內(nèi)被大量點(diǎn)贊的情況,直接操作數(shù)據(jù)庫會(huì)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(shí)候會(huì)丟失數(shù)據(jù), 同時(shí)不及時(shí)同步 redis 中的數(shù)據(jù), 可能會(huì)在 redis 內(nèi)存置換的時(shí)候被淘汰掉。不過對(duì)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(gè)方面對(duì)點(diǎn)贊功能做詳細(xì)的介紹

•Redis 緩存設(shè)計(jì)

•數(shù)據(jù)庫設(shè)計(jì)

•開啟定時(shí)任務(wù)持久化存儲(chǔ)到數(shù)據(jù)庫

1、Redis 緩存設(shè)計(jì)及實(shí)現(xiàn)

Redis 的整合我們?cè)谏弦黄恼轮幸呀?jīng)介紹過了,此處就不再贅述了。我們了解到,我們?cè)谧鳇c(diǎn)贊的時(shí)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。考慮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(chǔ),存儲(chǔ)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(jì): 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(duì)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(chǔ)結(jié)構(gòu)如圖

2、數(shù)據(jù)庫設(shè)計(jì)

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(jì)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(shí)間',
  `update_time` timestamp(0) NOT NULL DEFAULT CURRENT_TIMESTAMP(0) ON UPDATE CURRENT_TIMESTAMP(0) COMMENT '修改時(shí)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(jì):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(shí)任務(wù)持久化存儲(chǔ)到數(shù)據(jù)庫

我們使用 Quartz 來實(shí)現(xiàn)定時(shí)任務(wù),將 Redis 中的數(shù)據(jù)存儲(chǔ)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(chǔ)一遍數(shù)據(jù),這個(gè)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(huì)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(cuò)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(shí),需要同時(shí)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(qǐng)關(guān)注腳本之家其它相關(guān)文章!

相關(guān)文章

  • redis字符串類型_動(dòng)力節(jié)點(diǎn)Java學(xué)院整理

    redis字符串類型_動(dòng)力節(jié)點(diǎn)Java學(xué)院整理

    這篇文章主要為大家詳細(xì)介紹了redis字符串類型的相關(guān)資料,具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2017-08-08
  • Redis如何實(shí)現(xiàn)分布式鎖

    Redis如何實(shí)現(xiàn)分布式鎖

    相信大家對(duì)鎖已經(jīng)不陌生了,本文主要介紹了Redis如何實(shí)現(xiàn)分布式鎖,文中通過示例代碼介紹的非常詳細(xì),具有一定的參考價(jià)值,感興趣的小伙伴們可以參考一下
    2021-08-08
  • 64位Windows下安裝Redis教程

    64位Windows下安裝Redis教程

    這篇文章主要介紹了64位Windows下安裝Redis教程,本文使用Microsoft Open Tech group 在 GitHub上開發(fā)的一個(gè)Win64版本的Redis,需要的朋友可以參考下
    2014-09-09
  • 淺談redis采用不同內(nèi)存分配器tcmalloc和jemalloc

    淺談redis采用不同內(nèi)存分配器tcmalloc和jemalloc

    下面小編就為大家?guī)硪黄獪\談redis采用不同內(nèi)存分配器tcmalloc和jemalloc。小編覺得挺不錯(cuò)的,現(xiàn)在就分享給大家,也給大家做個(gè)參考。一起跟隨小編過來看看吧
    2016-12-12
  • Redis高級(jí)數(shù)據(jù)類型Hyperloglog、Bitmap的使用

    Redis高級(jí)數(shù)據(jù)類型Hyperloglog、Bitmap的使用

    很多小伙伴在面試中都會(huì)被問道 Redis的常用數(shù)據(jù)結(jié)構(gòu)有哪些?可能很大一部分回答都是 string、hash、list、set、zset,但其實(shí)還有Hyperloglog和Bitmap,本文就來介紹一下
    2021-05-05
  • Redis緩存-序列化對(duì)象存儲(chǔ)亂碼問題的解決

    Redis緩存-序列化對(duì)象存儲(chǔ)亂碼問題的解決

    這篇文章主要介紹了Redis緩存-序列化對(duì)象存儲(chǔ)亂碼問題的解決方案,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
    2021-06-06
  • Redis遍歷海量數(shù)據(jù)集的幾種實(shí)現(xiàn)方法

    Redis遍歷海量數(shù)據(jù)集的幾種實(shí)現(xiàn)方法

    Redis作為一個(gè)高性能的鍵值存儲(chǔ)數(shù)據(jù)庫,廣泛應(yīng)用于各種場(chǎng)景,包括緩存、消息隊(duì)列、排行榜,本文主要介紹了Redis遍歷海量數(shù)據(jù)集的幾種實(shí)現(xiàn)方法,文中通過示例代碼介紹的非常詳細(xì),需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2024-02-02
  • CentOS下Redis數(shù)據(jù)庫的基本安裝與配置教程

    CentOS下Redis數(shù)據(jù)庫的基本安裝與配置教程

    這篇文章主要介紹了CentOS下Redis數(shù)據(jù)庫的基本安裝與配置教程,Redis一般被用作基于內(nèi)存的緩存式數(shù)據(jù)存儲(chǔ),要的朋友可以參考下
    2015-12-12
  • Windows下Redis的安裝使用圖解

    Windows下Redis的安裝使用圖解

    Redis是一個(gè)key-value存儲(chǔ)系統(tǒng)。Redis的出現(xiàn),很大程度補(bǔ)償了memcached這類key/value存儲(chǔ)的不足,在部分場(chǎng)合可以對(duì)關(guān)系數(shù)據(jù)庫起到很好的補(bǔ)充作用。這篇文章小編為大家分享了在Windows下進(jìn)行安裝和使用Redis的技巧。
    2015-09-09
  • Redis的Cluster集群搭建的實(shí)現(xiàn)步驟

    Redis的Cluster集群搭建的實(shí)現(xiàn)步驟

    本文檔只對(duì)Redis的Cluster集群做簡(jiǎn)單的介紹,并沒有對(duì)分布式系統(tǒng)的所涉及到的概念做深入的探討。感興趣的小伙伴們可以參考一下
    2021-07-07

最新評(píng)論