Redis学习路线（9）—— Redis的场景使用

默认做好了其它的前提，只专注于Redis使用

一、短信登录

在没有Redis数据库时，我们会基于Session实现登录（利用令牌进行授权），是怎么实现的呢？

（一）基于Session的短信登录功能

1、发送短信验证码

（1）流程： 客户端提交手机号 》 校验手机号 》 生成验证码 》 保存验证码到session 》 发送验证码

	说明
请求方式	POST
请求路径	/usr/code
请求参数	phone
返回值	void

// Result 为结果类，成员变量有success、errorMsg、data、total，方法有成功结果（携带数据【包含了List以及统计总数的数据】和不携带数据）和错误结果（返回错误信息）
@Override
public Result sendCode(String phone, HttpSession session) {
	//1、校验手机号，校验不通过，则返回错误信息；校验通过，则查询用户信息。
	if(RegexUtils.isPhoneIncalid(phone)) //static boolean RegexUtils.isPhoneIncalid(String phone)，自定义格式校验工具
		return Result.error("手机号格式错误");
	
	//2、生成验证码（6位数字），使用自定义随机数生成工具
	String code = RandomUtils.randomNumbers(6);
	
	//3、保存验证码到session
	session.setAttribute("verify", code);
	
	//4、发送验证码，模拟发送成功，业务上可以使用阿里云的短信服务进行处理
	log.debug("发送短信验证码成功，验证码：{}", code);
	
	return Result.ok();
}

2、短信验证码登录、注册

（1）流程： 客户端提交手机号和验证码 》 校验验证码 》 根据手机号查询用户 》 查询用户是否存在（若不存在则创建新用户存储到数据库） 》保存用户到session

	说明
请求方式	POST
请求路径	/usr/login
请求参数	phone, verify
返回值	void

private static final String USER_NICK_NAME_PREFIX = "Coder_";

@Autowired
private LoginMapper loginMapper;

@Override
public Result login(String phone, String verify, HttpSession session) {
	//1、校验验证码，若校验通过，则根据手机号查询用户；若不成功则添加到数据库
	String code = (String)session.getAttribute("verify");
	if(code == null || !verify.equals(code)) {	//检验验证码的存在状态，可能发生过期或未获取验证码的情况
		return Result.error("验证码错误");
	}
	
	private User user;
	if((user = loginMapper.queryUserByPhone(phone)) == null){
		// 新增用户，需要初始化用户的信息有 手机号，随机昵称，因为用户是根据手机号进行登录的，昵称可以采用随机字符的方式进行注册，即使重复也没关系。
		user = new User(phone, USER_NICK_NAME_PREFIX + RandomUtils.randomString(10));
		loginMapper.addUserByPhone(user);
	}

	//2、保存用户信息到session
	session.setAttribute("user", user);
	return Result.ok();
}

3、校验登录状态

（1）流程： 客户端请求并携带cookie 》 从session中获取用户 》 判断用户是否存在（若不存在则拦截） 》 保存到ThreadLocal 》放行处理

拦截器：LoginInterceptor.java

public class LoginInterceptor implements HandlerInterceptor {
	@Override
	public boolean preHandle(HttpServletRequest request, HttpServeltResponse response, Object handler){
		//1、获取session
		HttpSession session = request.getSession();
		//2、获取session中的用户
		User user = (User)session.getAttribute("user");
		//3、判断用户是否存在
		if(user == null){
			// 拦截，返回401状态码
			response.setStatus(401);
			return false;
		}
		//4、保存用户信息到ThreadLocal
		// UserHolder 中 定义了一个 ThreadLocal 实例对象，使用 set(User) 即可保存信息，使用 get() 即可获取信息，使用 remove() 即可删除信息
		UserHolder.saveUser(user);
		//5、放行
		return true;
	}
}

	@Override
	public void afterCompletion(HttpServletRequest request, HttpServeltResponse response,  Object handler, Exception ex){
		//移除用户
		UserHolder.removeUser();
	}

配置类：MVCConfig.java

@Configuration
public class MVCConfig implements WebMvcConfigurer {
	
	@Resource
	private SpringRedisTemplate springRedisTemplate;
	
	@Override
	public void addInterceptors(InterceptorRegistry registry) {
		List excludeList = new ArrayList();
		list.add("/usr/sendCode");
		list.add("/usr/login");
		list.add("/usr/logout");
		list.add("/usr/currentUser");
		list.add("/shop/**");
		list.add("/shop-type/**");
		list.add("/blog/hot");
		.....
		registry.addInterceptor(new LoginInterceptor()).excludePathPatterns(excludeList).order(1);
	}
}

此时项目出现的问题： 用户信息没有脱敏。

解决方案： 返回部分信息即可，可以创建响应数据类xxDTO进行用户信息存储。

集群的session共享问题： 多态Tomcat并不共享session空间，当请求切换到不同的tomcat服务时导致数据丢失的问题。

解决方案： Redis代替session。

（二）基于Redis的短信登录功能

1、发送短信验证码

（1）流程： 客户端提交手机号 》 校验手机号 》 生成验证码 》 保存验证码到redis 》 发送验证码

@Override
public Result sendCode(String phone) {
	if(RegexUtils.isPhoneIncalid(phone))
		return Result.error("手机号格式错误");
		
	String code = RandomUtils.randomNumbers(6);
	
	//使用 phone-code 结构保存，保存验证码5分钟，5分钟后失效
	stringRedisTemplate.opsForValue().set("phone:"+phone, code, 5, TimeUnit.MINUTES);
	
	log.debug("发送短信验证码成功，验证码：{}", code);
	
	return Result.ok();
}

2、短信验证码登录、注册

（1）流程： 客户端提交手机号和验证码 》 校验验证码 》 根据手机号查询用户 》 查询用户是否存在（若不存在则创建新用户存储到数据库） 》保存用户到Redis

	说明
请求方式	POST
请求路径	/usr/login
请求参数	phone, verify
返回值	void

private static final String USER_NICK_NAME_PREFIX = "Coder_";

@Autowired
private LoginMapper loginMapper;

@Override
public Result login(String phone, String verify) {
	String code = stringRedisTemplate.opsForValue().get("phone:"+phone);
	if(code == null || !verify.equals(code)) {	//检验验证码的存在状态，可能发生过期或未获取验证码的情况
		return Result.error("验证码错误");
	}
	
	User user;
	if((user = loginMapper.queryUserByPhone(phone)) == null){
		user = new User(phone, USER_NICK_NAME_PREFIX + RandomUtils.randomString(10));
		loginMapper.addUserByPhone(user);
	}
	
	//获取UUID唯一标识
    String token = "token:"+ UUID.randomUUID().toString(true).replaceAll("-","");
	
	//以token-HashMap结构存储对象信息。
	Map<String, Object> map = JSONObject.parseObject(JSONObject.toJSONString(user), Map.class);
    map.replaceAll((k,v) -> v.toString());
    stringRedisTemplate.opsForHash().putAll(token, map);	
	
	//设置有效期
	RedisUtils.REDIS.expire(tokenKey, 30, TimeUnit.MINUTES);
	return Result.ok();
}

3、校验登录状态

（1）流程： 客户端请求并携带token 》 从redis中获取用户 》 判断用户是否存在（若不存在则拦截） 》 保存到ThreadLocal，更新有效期 》放行处理

拦截器：LoginInterceptor.java

public class LoginInterceptor implements HandlerInterceptor {
	@Override
	public boolean preHandle(HttpServletRequest request, HttpServeltResponse response, Object handler){
		//1、获取token
		String token = request.getHeader("authorization");
		if(token == null){
			response.setStatus(401);
			return false;
		}
		//2、获取redis中的用户
		Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries("login:token:"+token);
		//3、判断用户是否存在
		if(userMap.isEmpty()){
			// 拦截，返回401状态码
			response.setStatus(401);
			return false;
		}
		
		//4、将Map转为实体类
		User user = JSON.parseObject(JSON.toJSONString(userMap), User.class);
		
		//5、将用户信息存储到ThreadLocal
		UserHolder.saveUser(user);
		
		//6、刷新token活跃状态
		stringRedisTemplate.expire("login:token:"+token, 30, TimeUnit.MINUTES);
		
		//7、放行
		return true;
	}
}

	@Override
	public void afterCompletion(HttpServletRequest request, HttpServeltResponse response,  Object handler, Exception ex){
		//移除用户
		UserHolder.removeUser();
	}

解决登录状态刷新问题： 拦截器只有在访问需要校验的网页才会刷新用户活跃状态。

解决方案： 拦截器执行链。

设置两个拦截器。

• 拦截器1： 拦截所有路径，并检查用户token的存在并刷新，一律放行。
• 拦截器2： 拦截需要登录的路径，不存在则拦截，存在则继续。

public class LoginInterceptor implements HandlerInterceptor {
	@Override
	public boolean preHandle(HttpServletRequest request, HttpServeltResponse response, Object handler){
		if(UserHolder.getUser() == null){
			response.setStatus(401);
			return false;
		}
		//7、放行
		return true;
	}
}

public class RefreshTokenInterceptor implements HandlerInterceptor {
	@Override
	public boolean preHandle(HttpServletRequest request, HttpServeltResponse response, Object handler){
		//1、获取token
		String token = request.getHeader("authorization");
		if(token == null){
			return true;
		}
		
		//2、获取redis中的用户
		Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries("login:token:"+token);
		//3、判断用户是否存在
		if(userMap.isEmpty()){
			return true;
		}
		
		//4、将Map转为实体类
		User user = JSON.parseObject(JSON.toJSONString(userMap), User.class);
		
		//5、将用户信息存储到ThreadLocal
		UserHolder.saveUser(user);
		
		//6、刷新token活跃状态
		stringRedisTemplate.expire("login:token:"+token, 30, TimeUnit.MINUTES);
		
		//7、放行
		return true;
	}
}

	@Override
	public void afterCompletion(HttpServletRequest request, HttpServeltResponse response,  Object handler, Exception ex){
		//移除用户
		UserHolder.removeUser();
	}

MVC配置文件新增拦截器

registry.addInterceptor(new RefreshTokenInterceptor(stringRedisTemplate)).order(0);

---

二、商户查询缓存

（一）添加Redis缓存

1、缓存作用模型： 客户端 》 Redis（命中返回） 》 数据库（查询返回客户端并写入缓存）

2、根据id查询商铺缓存流程： 客户端提交商铺 id 》 从缓存里读取（命中则返回商铺信息） 》 根据id查询数据库（不存在则返回错误信息） 》 数据库写入Redis 》 返回商铺信息。

3、逻辑过期的实现

（1）封装逻辑过期类

@Data
@NoArgsConfiguration
@AllArgsConfiguration
public class RedisData {
	private Object data;
	private LocalDateTime dateTime;
}

（2）保存逻辑过期方法

public void saveShop2Redis(Long id, Long expireSeconds){
	//1、查询店铺数据
	Shop shop = shopMapper.queryShopById(id);
	//2、封装逻辑过期时间
	RedisData redisData = new RedisData(shop, LocalDateTime.now().plusSeconds(expireSeconds));
	//3、写入Redis
	stringRedisTemplate.opsForValue().set("lock:shop:"+id, JSON.toJSONString(redisData));
}

3、项目实现

//可以存储在一个专门的类中进行引用
private static final String SHOP_KEY = "program:shop:";

@Autowired
private ShopMapper shopMapper;

@Override
public Result queryShopById(Long id) {
	try{
		//1、查询缓存是否存在商铺信息
		String shopJSON = stringRedisTemplate.opsForValue().get(SHOP_KEY + id);
		
		//2、从缓存里读取（命中则返回商铺信息）
		if(!shopJSON.isEmpty()){
			//存在，则直接返回
			Shop shop = JSONObject.parseObject(shopJSON, Shop.class);
			// 设置 3h 的缓存时长，若无相关访问该数据，则删除缓存，可自行定义。
			stringRedisTemplate.expire(HOP_KEY + id, 3, TimeUnits.HOURS);
			return Result.ok(shop);
		}
		
		//3、实现缓存重建
		String lockKey = "lock:shop:"+id;
		boolean isLock = tryLock(lockKey);
		//判断是否获取成功
		if(!isLock){
			//失败则休眠后重试
			Thread.sleep(50);
			return queryWithMutex(id);
		}	
	
		//4、根据id查询数据库（不存在则返回错误信息） 
		Shop shop = shopMapper.queryShopById(id);
		if(shop == null){
			stringRedisTemplate.opsForValue().set(SHOP_KEY + id, null);
			stringRedisTemplate.expire(SHOP_KEY + id, 2, TimeUnits.MINUTES);
			return Result.error("未查询到该商铺");
		}
		
		//5、数据库写入Redis
		Map<String, Object> map = JSONObject.parseObject(JSONObject.toJSONString(shop), Map.class);
	    map.replaceAll((k,v) -> v.toString());
	    stringRedisTemplate.opsForHash().putAll(SHOP_KEY + id, map);	
		stringRedisTemplate.expire(HOP_KEY + id, 3, TimeUnits.HOURS);
		
	}catch(InteruptedException e) {
		throw new RuntimeException(e);
	}finally {
		unlock(lockKey);
	}
	//6、返回信息
	return Result.ok(shop);
}

private boolean tryLock(String key) {
	Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "", 10, TimeUnit.SECONDS);
	return flag != null? flag : false;
}

private void unlock(String key) {
	stringRedisTemplate.delete(key);
}

5、基于逻辑过期方式解决缓存击穿问题（仅改动代码）

public Result queryWithLogicalExpire(Long id){
	try{
		// 判断缓存中是否有对象过程....
		
		RedisData redisData = JSONObject.parseObject(shop, RedisData.class);
		Object data = redisData.getData();
		Shop shop = (Shop)data;
		//1、命中缓存
		//判断过期
		if(redisData.getDateTime < LocalDateTime.now()){
			//未过期返回店铺信息
			return Result.ok(shop);
		}
		
		//已过期则需要缓存重建
		//获取互斥锁
		String lockKey = "lock:shop:"+id;
		boolean isLock = tryLock(lockKey);
		//判断是否获取成功
		if(!isLock){
			//失败则休眠后重试
			Thread.sleep(50);
			return queryWithMutex(id);
		}
		//开启独立线程
		Executors.newFixedThreadPool(10).submit(() -> {
			this.saveShop2Redis(id, 30);
		});
		//返回店铺信息
		return shop;
	}catch(InteruptedException e) {
		throw new RuntimeException(e);
	}finally {
		unlock(lockKey);
	}
	return Result.ok(shop);
}

---

三、优惠券秒杀

（一）抢购秒杀优惠券初级版

	说明
请求方式	POST
请求路径	/voucher-order/seckill/{id}
请求参数	id，优惠券id
返回值	订单id

1、需要注意的两个要点：

• 秒杀活动只有在规定时间段内可以下单
• 库存不足无法下单

2、流程： 客户端提交优惠券id 》 查询优惠券信息 》 判断秒杀是否开始（若未开始则返回错误） 》 判断库存是否充足（不足则返回错误） 》 扣除库存 》 创建订单 》 返回订单id

3、实现功能

@Resource
private SeckillVoucherMapper seckillVoucherMapper;

@Resource
private RedisIdBuilder redisIdBuilder;

@Override	
@Transactional	//添加事务
public Result seckillVoucher(Long voucherId) {
	//1、查询优惠券
	SeckillVoucher voucher = seckillVoucherService.getById(voucherId);
	//2、查询活动时间
	Long begin = voucher.getBeginTime();
	Long end= voucher.getEndTime();
	Long now = LocalDateTime.now();
	if(voucher.getBeginTime().isAfter(now)) 
		return Result.error("秒杀活动还未开始");
	else if(voucher.getEndTime().isBefore(now)) 
		return Result.error("秒杀活动已结束");
	//3、判断库存状态
	if( voucher.getStock() < 1 )
		return Result.error("优惠券已告罄");
	//4、扣减库存, update seckillvoucher set stock = stock - 1 where voucher_id = #{voucherId}
	boolean flag = seckillVoucherMapper.removeOneStock(voucherId);

	if(flag){
		return Result.error("库存不足");
	}
		
	//5、创建订单
	Long orderId = redisIdBuilder.nextId("order");
	orderMapper.createOrder(orderId, UserHolder.getUser().getId(), voucherId);
	//6、返回订单Id
	return Result.ok(orderId);
}

（二）超卖问题

当多用户同时进行秒杀活动，就会有超卖问题。

乐观锁解决超卖实现（改动代码）

// 要改变的地方有: 查询库存的信息保存，扣除库存时的判断

//查询库存
int stock = voucher.getStock();

if( stock < 1 )
	return Result.error("优惠券已告罄");
	
//4、扣减库存, update seckillvoucher set stock = stock - 1 where voucher_id = #{voucherId} and stock = #{stock}
if(seckillVoucherMapper.removeOneStock(voucherId, stock)){
	return Result.error("库存不足");
}

乐观锁的一个缺点： 成功率太低，当一个第一个线程先查询到了库存，并且执行了减库存操作，但后续的线程在第一次查询是也查询到了库存，现在由于第一个线程完成了操作，库存不一致了，那么这次请求就失败了，在这段期间内的所有线程都会失败。

如何解决这个问题？ 只要把条件放开，条件无需符合相等的原则，只需要完成正常库存判断即可。

if( voucher.getStock() < 1 )
	return Result.error("优惠券已告罄");
	
//4、扣减库存, update seckillvoucher set stock = stock - 1 where voucher_id = #{voucherId} and stock > 0
if(seckillVoucherMapper.removeOneStock(voucherId)){
	return Result.error("库存不足");
}

（三）一人一单

1、需求： 修改秒杀业务，要求同一个优惠券，一个用户只能下一单。

2、增加的流程： 优惠券id和用户id查询订单，若不存在则允许减库存，若存在，则返回错误

3、实现

	//1、查询订单（通过优惠券id，用户id）
	Order order = orderMapper.queryByVoucherAndUser(UserHolder.getUser().getId(), voucherId);
	
	//2、判断是否存在
	if(Objects.nunNull(order){
		//存在则返回错误
		return Result.error("对不起您已经领过该优惠券");
	}
	
	//3、不存在，则减库存
	seckillVoucherMapper.removeOneStock(voucherId);
	
	//4、创建订单
	Long orderId = redisIdBuilder.nextId("order");
	orderMapper.createOrder(orderId, UserHolder.getUser().getId(), voucherId);

4、出现的一人超卖问题： 由于用户可以多次发起请求，每次发起请求都会被响应，多次请求又都查询出没有订单信息，所以都会往下继续执行减库存，创订单的操作。

解决方案： 加锁，这次加悲观锁，因为要锁住一个线程只执行一次。

public Result seckillVoucher(Long voucherId) {
	
	//前期工作...

	sychronized(UserHolder.getUser().getId().toString().intern()) {
		//获取事务代理对象，需要添加一个依赖aspectjweaver，启动类开启依赖@EnableAspectJAutoProxy(exposeProxy = true)
		SeckillVoucherService proxy = (SeckillVoucherService) AopContext.currentProxy();
		//在释放锁时，数据可以确保已经完成提交
		returen proxy.createVoucherOrder(voucherId);
	}
}
@Transactional
public Result createVoucherOrder(Long voucherId) {
	Order order = orderMapper.queryByVoucherAndUser(UserHolder.getUser().getId(), voucherId);
	
	if(Objects.nunNull(order){
		return Result.error("对不起您已经领过该优惠券");
	}
	
	seckillVoucherMapper.removeOneStock(voucherId);
	
	Long orderId = redisIdBuilder.nextId("order");
	orderMapper.createOrder(new Order(orderId, UserHolder.getUser().getId(), voucherId));
	return Result.ok(voucherId);
}

5、集群情况下的并发问题： 同一个用户在集群环境下多次请求，同时抢购一个优惠券，会出现同步锁失效的情况。

（1）出现这种并发安全问题的原因： JVM内部维护了一个锁监视器，在同一个userid下，认为这个线程是同一个线程，但是当有两个或更多的JVM集群出来，而锁监视器并没有锁定同一个线程，所以才会有并发安全问题。

（2）解决方案： 分布式锁

（3）项目中替换同步锁

声明StringRedisTemplate

@Resource
private StringRedisTemplate redisTemplate;

使用Redis分布式锁

//1、创建锁对象
SimpleRedisLock simpleRedisLock = new SimpleRedisLock("order:" + UserHolder.getUser().getId(), redisTemplate);

//2、获取锁
boolean isLock = lock.tryLock(1200);

//3、判断是否获取成功
if(!isLock){
	//获取失败，返回错误或重试
	return Result.error("不允许重复下单");
}

try{
	SeckillVoucherService proxy = (SeckillVoucherService) AopContext.currentProxy();
	//在释放锁时，数据可以确保已经完成提交
	returen proxy.createVoucherOrder(voucherId);
}finally{
	lock.unlock();
}

6、业务阻塞导致锁超时释放的问题

有两个线程，线程a 和 线程b ，线程a 获得锁开始执行自己的业务，但由于某种原因导致业务阻塞，线程a一直在等待业务的完成。

由于Redis锁设置了释放时间，线程a的锁在阻塞中已经被释放，当业务完成后，线程a 依旧执行释放锁操作，导致 线程b 获取的锁被释放，从而导致线程安全问题。

（1）原因： 线程被阻塞，分布式锁超时被释放，导致线程运行混乱。

（2）解决方法： 在业务完成后，先检查锁的标识是否一致，再判断是否释放锁。

（3）改进Redis分布式锁

获取锁时，存入线程表示

	private static final String UID = UUID.randomUUID().toString(true).replaceAll("-","");

    @Override
    public boolean tryLock(long timeoutSec) {
    	//1、获取线程表示
    	String threadId = UID + Thread.currentThread().getId();
        //2、获取锁+存储线程标识
        Boolean absent = redisTemplate.opsForValue().setIfAbsent(LOCK + threadName, threadId, timeoutSec, TimeUnit.SECONDS);
        return Boolean.TRUE.equals(absent);
    }

    @Override
    public void unlock() {
    	//1、判断所表示是否一致
    	if(redisTemplate.opsForValue().get(LOCK + threadName).equals(UID + Thread.currentThread().getId())){
	    	redisTemplate.delete(LOCK + threadName);
		}
    }

7、由于JVM的垃圾回收机制，线程在释放锁之前可能会遭遇阻塞，造成超时释放锁

（1）解决方法： 将判断表示与释放锁形成原子性。

（2）实现方法： 使用Lua脚本，编写多条Redis，保证Redis命令的原子性。

Lua脚本的使用方法： Redis提供了一个回调函数，可以调用脚本。

EVAL "return redis.call('set', KEYS[1], ARGV[1])" 1 name Rose

（3）释放锁的业务流程

• 获取锁中的线程标识
• 判断是否与指定标识（当前线程标识）一致
• 如果一致则释放锁（删除）
• 如果不一致则什么都不做

（4）Lua脚本实现

-- 判断是否一致
if(redis.call('get', KEYS[1]) == ARGV[1]) then
	-- 释放锁
	return redis.call('del', KEYS[1])
end
return 0

（5）Java执行Lua脚本

RedisTemplate调用Lua的API源码

@Override
public <T> T execute(RedisScript<T> script, List<K> keys, Object... args) {
	return scriptExecutor.execute(script, keys, args);
}

调用Lua脚本实现原子性操作

	private static final DefaultRedisScript UNLOCK_SCRIPT;
    static {
        UNLOCK_SCRIPT = new DefaultRedisScript<>();
        UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));
        UNLOCK_SCRIPT.setResultType(Long.class);
    }   
	
	@Override
    public void unlock() {
        redisTemplate.execute(UNLOCK_SCRIPT, Collections.singletonList(LOCK + threadName), UID + Thread.currentThread().getId());
    }

（六）Redis优化秒杀

Redis结构1：key=店铺id:优惠券id，value=用户id，存储某个用户抢购了某个店铺的某个优惠券的信息，并设置TTL
Redis结构2：key=店铺id:优惠券id，value=数量，存储某个店铺的某个优惠券的库存信息，并设置TTL

1、优化流程： 某个用户抢购某个店铺的某个优惠券，提交店铺id 与 优惠券id 》 查询Redis关于shopid:voulerid 对应的 field（查询到用户信息，直接返回错误信息） 》保存抢购信息到redis同时在相应的库存信息自减，再开一个异步线程生成订单写入数据库，并返回结果。

2、实现（改动部分）

优化点：

• （1）只关注于Redis缓存的操作，主线程不掺杂数据库操作
• （2）使用线程池操作数据库生成订单，减少了主程序对数据库的操作事件，提升工作性能
• （3）使用Redis这样的快速响应数据库，提升工作性能，可以制作集群提高请求载荷

//1、Redis查询库存
String stock = redisTemplate.opsForValue().get(key);
if (Objects.isNull(stock)){
	return Result.error("活动未开始或以结束");
}
if (Integer.parseInt(stock) < 1){
    return Result.error("库存不足");
}

//2、查询缓存中是否有该用户
Boolean isMember = redisTemplate.opsForSet().isMember(key, uid);
if (Boolean.TRUE.equals(isMember)){
	//若存在
	return Result.error("您已经买过了");
}

//若不存在则存储抢购信息，减库存并返回正确信息，并设置过期时间（即活动结束时长）
redisTemplate.opsForSet().add(key, uid);        
redisTemplate.expire(key, realseTime, TimeUnit.HOURS);
redisTemplate.opsForValue().increment("stock:"+key, -1);

//3、开启线程执行常见订单操作，采用的是线程池
POOL.submit(() -> {
	mapper.createOrderByVouler(redisIdBuilder.nextId("order"), shopId, voulerId, uid);
});

return Result.ok(voulerId);

3、优化项目，实现异步秒杀

（1）通过命令行模式实现创建队列（也可以在脚本中 先判断指定消费者组和队列是否存在，再决定是否进行创建）

#创建消费者组同时创建队列
XGROUP CREATE stream.oreders g1 0 MKSTREAM

（2）改写lua脚本（改写部分）

local orderId = ARGV[3];

#发送消息到队列
redis.call("XADD", "stream.orders", "*" , "userId", userid, "voucherId", voucherId, :"id", orderId);

（3）服务实现改写：

//抽取订单创建的功能代码（因为消息队列为该功能分了功能角色，消费者负责检验数据与发送消息，生产者读取消息进行后续工作）
pool.submit(() -> {
	String queueName = "stream.orders";
	@Override
	public void run(){
		try{
			while(true){
				//1、获取消息队列中的订单消息
				List<MapRecord<String, Object, Object>> list = redisTemplate.opsForStream().read(
					Consumer.form("g1","c1"),
					StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
					StreamOffset.create(queueName, ReadOffset.lostConsumer())
				);
				//2、判断是否获取成功
				if(Objects.isNull(list) || list.isEmpty()){
					//若失败，则继续下一次循环
					continue;
				}
				
				//若成功，则解析订单信息
				MapRecord<String, Object, Object> record= list.get(0);
				Map<Object, Object> values= map.getValue();
				Order order = JSONUtils.toJsonObject(JSONUtils.toJsonStr(values), Order.class);
				//2、创建订单
				mapper.createOrderByVouler(order);
				//3、ACK确认，队列名 + 消费者组ID + 消息ID
				redisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());
			}
		} catch (Exception e){
			log.error("处理订单异常：{}", e);
			handlePenddingList();
		}
	}
});

//队列异常处理的方法
private void handlePenddingList() {
	try {
		while(true){
			//1、获取消息队列中的订单消息
			List<MapRecord<String, Object, Object>> list = redisTemplate.opsForStream().read(
				Consumer.form("g1","c1"),
				StreamReadOptions.empty().count(1)),
				StreamOffset.create(queueName, ReadOffset.from("0"))
			);
			//2、判断是否获取成功
			if(Objects.isNull(list) || list.isEmpty()){
				//若失败，则结束
				break;
			}
					
			//若成功，则解析订单信息
			MapRecord<String, Object, Object> record= list.get(0);
			Map<Object, Object> values= map.getValue();
			Order order = JSONUtils.toJsonObject(JSONUtils.toJsonStr(values), Order.class);
			//2、创建订单
			mapper.createOrderByVouler(order);
			//3、ACK确认，队列名 + 消费者组ID + 消息ID
			redisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());
		}
	} catch(Exception e){
			log.error("pedding-list异常：{}", e);
			Thread.sleep(20);
	}
}

---

四、附近的商户

（一）需求：

• 1、通过用户授权获取用户位置
• 2、通过Redis的GEO结构，计算出直线距离并排序
• 3、通过商铺ID获取商铺列表

（二）实现：

private void loadShopData(){
	//1、查询所有店铺
	List<Shop> list = shopMapper.getAllShop();
	//2、按照typeId分组
	Map<Long. List<Shop>> map = list.stream().collect(Collectors.groupingBy(Shop:getTypeId));
	//3、分批写入Redis
	for (Map.Entry<Long, List<Shop>> entry : map.entrySet()){
		Long typeID = entry.getKey();
		String key = "shop:geo:" + typeID;
		List<Shop> value = entry.getValue();
		List<RedisGeoCommands.GeoLocation<String>> locations = new ArrayList<>(value.size());
		for(Shop shop){
			//redisTemplate.opsForGeo().add(key, new Point(shop.getX(), shop.getY), shop.getId().toString());
			location.add(new RedisGeoCommands.GeoLocation<>(shop.getId().toString(), new Point(shop.getX(), shop.getY())));
		}
		redisTemplate.opsForGeo().add(key, locations);
	}
}

查询附近的商铺

private Result queryShopByType(Integer typeId, Integer current, Double x, Double y){
	//1、判断是否需要根据坐标查询
	if(x == null || y == null){
		return Result.ok(shopMapper.getAllShopByType(typeId));
	}
	//2、查询redis,limit是查询数量
	GeoResults<RedisGeoCommands.GeoLocation<String>> results = GredisTemplate.opsForGeo().search( 
		"shop:geo:" + typeId, 
		GeoReference.fromCoordinate(x, y), 
		new Distance(5000), RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(15));
	
	
	//3、解析id
	if(results == null){
		return Result.ok(Collections.emptyList());
	}
	
	List<GeoResults<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();
	List<Long> ids = new ArrayList<>(list.size());
	Map<String, Distance) distanceMap = new HashMap<>(list.size());
	list.stream().forEach(result -> {
		String shopIdStr = result.getContent().getName();
		ids.add(Long.valueOf(shopIdStr));
		Distance distance = result.getDistance();
		distanceMap.put(shopIdStr, distance);
	})

	//4、根据ID 查询 Shop
	String[] idsStr= ids.toArray(new String[0]);
	List<Shop> shops = shopMapper.getAllShopByIds(idsStr);
	for (Shop shop: shops){
		shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());
	}
	return shops;
}

---

五、UV统计

UV统计，主要是通过使用Redis的HyperLogLog来记录用户访问数。

private Result getTotalClickCount(){
	String[] values = new String[1000];
	for(int i = 0; i < 1000000; i++) {
		i = i % 1000;
		values[i] = "user_" + i;
		if(i === 999){
			redisTemplate.opsForHyperLogLog().add("h12",values);
		}
	}
	long count = redisTemplate.opsForHyperLogLog().size("h12");
	
}

---

六、用户签到

（一）签到实现

private Result sign(){
	//获取当前登录用户
	Long userId = UserHolder.getUser().getId();
	//获取日期
	LocalDateTime now = LocalDateTime.now();
	//拼接key
	String keySuffix = non.format(DateTimeFormatter.ofPattern(":yyyyMM"));
	String key = "sign:" + userId + keySuffix;
	//获取今天是本月的第几天
	int dayOfMounth = now.getDayOfMounth();
	//写入Redis
	redisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);
	return Result.ok();
}

（二）连续签到

private Result countOfSign(){
	Long userId = UserHolder.getUser().getId();
	LocalDateTime now = LocalDateTime.now();
	String keySuffix = non.format(DateTimeFormatter.ofPattern(":yyyyMM"));
	String key = "sign:" + userId + keySuffix;
	int dayOfMounth = now.getDayOfMounth();
	//1、获取本月到今日为止的记录
	redisTemplate.opsForValue().bitField(
		key,
		BitFieldSubCommands.create().get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)).valueAt(0)
	);
	if(result == null | result.isEmpty())
		return Result.ok(0);
	
	long num = result.get(0);
	if(num == null | num == 0)
		return Result.ok();
	int count = 0;
	while(true){
		if(num%1)==0){
			break;
		}else{
			count++;
		}
		num >>>= 1;
	}
}
return Result.ok(count);

---

七、好友关注

（一）关注和取关

1、查询是否关注用户

private Result isFollow(Long followUserId) {
	//	1、获取登录用户
	Long currentUser= UserHolder.getUser().getId();
	String prefix = "follow:auth:";
	if(Objects.isNull(currentUser))
		return Result.error("用户未登录");
	// 2、查询关注列表, select count(*) from follow_list where follow_user = #{followUserId} and user_id = #{userId}
	Boolean flag = redisTemplate.opsForSet().isMember(prefix + followUserId, currentUser);
	
	if(Objects.isNull(flag))
		return Result.ok(true);
		
	return Result.ok(false);
}

2、关注和取关接口

private Result follow(Long followUserId, Boolean isFollow) {
	//	获取登录用户
	Long currentUser= UserHolder.getUser().getId();
	String prefix = "follow:auth:";
	//1、判断关注状态
	switch(isFollow){
		case true:
			//2、关注，新建数据
			Follow follow = new Follow();
			follow.setUserId(currentUser);
			follow.setFollowUserId(followUserId);
			//insert into follow_list (xx,xx,xx, follow_user_id, user_id) value (#{xx}, #{xx}, #{xx}, #{followUserId}, #{userId})
			followMapper.createFollow(follow);
			//存储到Redis
		    redisTemplate.opsForSet().add(prefix + followUserId, currentUser);
			break;
		case false:
			//3、取关，删除，delete follow_list where user_id = #{userId} and follow_user_id = #{followUserId}
			redisTemplate.opsForSet().remove(prefix + followUserId, currentUser);
			break:
		default:
			return Result.error("请求错误");
	}
	//4、返回
	return Result.ok();
}

（二）共同关注

private Result CommonFollow (long queryUser){
	//1、获取当前用户
	long currentUser = UserHolder.getUser().getId();
	//2、获取两个用户的关注列表，并存储在Redis中
	String prefix = "follow:auth:";
	
	Set<String> unionSet = redisTemplate.opsForSet().intersect(prefix + queryUser, prefix + currentUser);
	if(unionSet == null || unionSet.isEmpty())
		return Result.ok(Collections.emptyList());
		
	List<Long> ids = unionSet.stream().map(Long::valueOf).collect(Colletors.toList());
	
	List<User> users = userService.listById(ids).stream().map(
		user -> JSONObject.parseObject(
			JSONObject.toJSONString(user), 
			UserDTO.class
		).collect(Collectors.toList())
	);
	return users;
}

（三）关注推送Feed

1、概念： 通过无限拉取刷新获取新的信息。

2、模式：

• Timeline： 不做内容筛序，简单的按内容发布时间排序，常用于好友或关注。
  • 优点： 信息全面，不会缺失，并且实现简单。
  • 缺点： 信息噪声较多，用户不一定感兴趣，内容获取效率低。
• 智能排序： 利用智能算法屏蔽掉违规的、用户不感兴趣的内容，推送用户感兴趣信息来吸引用户。
  • 优点： 推送用户感兴趣信息，用户粘度性高，容易沉迷。
  • 缺点： 如果算法不精准，可能会起反作用。

3、Feed流的实现方案

（1）拉模式： 也叫做读扩散。

流程： 每一位博主都有一个内容队列，每发一次博文，内容队列增加一条BlogID，每个用户都有一个收件队列，当用户关注一个博主时，会拉取当前时间之后的所有博文，而不会获取全部博文。

（2）推模式： 也叫做写扩散（常用）。

流程： 每一位博主拉取自己的关注列表，每次发送博文，会推送到关注者收件队列，用户订阅到推送信息，则开始读取。

（3）推拉结合模式： 也叫做读写混合，兼具推和拉模式的优点。

流程： 每一位博主都有自己的活跃关注用户和普通关注用户，使用推模式发送给活跃用户，使用拉模式发送给普通用户。

4、实现推模式实现关注推送

（1）需求：

• 修改新增探店笔记的业务，在保存blog到数据库的同时，推送到粉丝的收件箱
• 收件箱满足可以根据时间戳排序，必须用Redis的数据结构实现
• 查询收件箱数据时，可以实现分页查询

（2）修改新增探店笔记的业务：

private Result saveBlog(Blog blog){
	//1、获取用户
	long currentUser = UserHolder.getUser().getId();
	blog.setUserId(currentUser);
	
	//2、保存探店博文
	boolean isSuccess = blogService.save(blog);
	if(!isSuccess)
		return Result.error("新增失败");
	
	//3、查询笔记作者的所有粉丝, select * from follow_list where follow_user_id = #{userId}
	List<Follow> follows = followMapper.getAllFollows(currentUser);
	
	//4、推送笔记id给所有粉丝
	for (Follow follow: follows) {
		// 获取粉丝id
		Long userId = follow.getUserId();
		// 推送
		String key = "feed:" + currentUser;
		redisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
	}
	
	//3、返回博文id
	return Result.ok(blog.getId());
}

（3）获取关注者新发的博文

private Result getFollowMessage(long currentTime, long bloggerID, int offset, int max){
	//1、获取当前用户
	Long userId = UserHolder.getUser().getId();
	//2、查询收件箱
	String key = "feed:" + userId;
	Set<ZSetOperations.TypedTuple<String>> typedTuples = redisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 2);
	if(typedTuples == null || typedTuples.isEmpty()){
		return Result.ok();
	}
	//3、解析数据：blogid,minTime,offset
	List<Long> ids = new ArrayList<>(typedTuples.size());
	long minTime = 0;
	int ofs = 1;
	for(ZSetOperations.TypedTuple<String> tuple: typedTuples){
		// 获取id
		ids.add(Long.alueOf(tuple.getValue()));
		//	获取分数
		long time = tuple.getScore().longValue();
		if(time == minTime){
			ofs++;
		}else{
			minTime = time;
			ofs = 1;
		}
	}
	//4、根据id查询blog
	StringBuilder builder = new StringBuilder();
	for(Long id: ids){
		builder.append(id);
	}
	List<Blog> blogs = blogMapper.queryBlogsById(ids, builder.toString());

	//查询blog是否被点赞过
	for (Blog blog : blogs){
		queryBlogUser(blog);
		isBlogLiked(blog);
	}

	ScrollResult r = new ScrollResult();
	r.setList(blogs);
	r.setOffset(ofs);
	r.setMinTime(minTime);

	return Result.ok();
}

---

八、达人探店

（一）发布探店笔记

1、数据的准备： 日志，也就是log，一个日志发布功能需要有 图片、以及分享文字。

2、数据的处理：

（1）图片的处理： 从前台获取的图片信息，经过原始文件名 》 生成存储文件名 》 保存图片 的流程就可以保存图片，并传回存储的文件名进行回显。

public Result uploadImage(MultipartFile image) {
	try{
		//	1、获取原始文件名
		String originalFilename = image.getOriginalFilename();
		//	2、生成新文件名
		String fileName = createNewFileName(originalFilename);
		//	3、保存文件，保存地址是本机地址，一般会存在服务器上
		image.transferTo(new File(SystemConstants.IMAGE_UPLOAD_DIR, fileName));
		//	4、返回结果
		log.debug("文件上传成功,{}", fileName);
		return Result.ok(fileName);
	} catch (IOException e) {
		throw new RuntimeException("文件上传失败", e);
	}
}

（2）保存博文： 通过前台获取的图片的filename, 博文内容conent，以及用户id组合起来的Blog类，只需要存储这个博文，并返回博文ID进行回显。

public Result saveBlog(Blog blog) {
	//1、获取用户
	UserDTO user = UserHolder.getUser();
	blog.setUserId(user.getId);
	//2、保存探店博文
	blogService.save(blog);
	//3、返回博文id
	return Result.ok(blog.getId());
}

（3）查看博文： 通过前台获取blogid，进行查询，返回笔记信息以及发布的用户信息

public Result queryBlogById(Long id) {
	//1、Blog信息
	Blog blog = blogMapper.getById(id);
	if(Objects.isNull(blog)){
		return.error("博文不存在");
	}
	//2、查询blog相关用户
	Long userId = blog.getUserId();
	User user = userMapper.getById(userId);
	blog.setName(user.getNickName());
	blog.setIcon(user.getIcon());
	//3、返回博文信息
	return Result.ok(blog);
}

（二）点赞： 通过前台获取blogid，userid，查询相关blog，并自增点赞数

1、需求：

• 同一个用户只能点赞一次Blog，再次点击则取消点赞。
• 若当前用户点赞，则高亮。

2、解决方案： 使用Redis的ZSET结构，该结构唯一且有序，将该BLOG点赞过的用户进行一次查询并保存到Redis中，当一个用户点赞过，就加入到缓存，再一次点赞，就删除相应缓存。

3、实现：

public Result likeBlog(Long id){
	//1、获取当前用户
	Long userID = UserHolder.getUser().getId;
	//2、判断当前用户是否已经点赞
	String key = "blog:liked:" + id;
	Boolean isMember = Objets.isNull(redis.Template.opsForZSet().score(key, userId.toString()));
	//3、若未点赞则点赞
	if(Boolean.isFalse(isMember)){
		//数据库点赞+1，update from blog set like = like + 1 where id = #{id}
		boolean isSuccess = blogMapper.plusBlogLike(id);
		//保存用户到Redis的Set集合
		if(isSuccess){
			redisTemplate.opsForZSet().add(key, userId.toString(), LocalDateTime.now());
		}
	} else {
		//4、若已点赞则取消点赞
		//数据库点赞-1，update from blog set like = like - 1 where id = #{id}
		boolean isSuccess = blogMapper.minusBlogLike(id);
		//Redis集合删除
		if(isSuccess){
			redisTemplate.del(key);
		}
	}
	return Result.ok();
}

（三）点赞排行榜： 通过前端获取blogid，查询相关用户

1、实现： Redis的命令： ZRANGE z1 0 4，意思是sorted_set 查询一个索引范围内的值，因为存储时就是按照时间存储的，所以在redis中是升序排序，若想要获取最早的几个用户，就要用到ZRANGE指令，若想获取最新的用户则使用ZREVRANGE

private Result getLikeUserTOP(int count, long blogId){
	String key = "blog:liked:";
	//1、从redis获取前n个用户
    Set<String> userList = redisTemplate.opsForZSet().range(key + id, 0, count);
    if(Objects.isNull(userList) || userList.isEmpty())
    	return Result.error(Collections.emptyList());
	//2、解析用户id
	List<Long> ids = userList.stream().map(Long::valueOf).collect(Colletors.toList());
	//3、查询用户
	List<User> users = userService.listById(ids).stream().map(
		user -> JSONObject.parseObject(
			JSONObject.toJSONString(user), 
			UserDTO.class
		).collect(Collectors.toList())
	);
	//4、返回
	return Result.ok(users);
}