Redis实战篇笔记(最终篇)

Redis实战篇笔记(七)


文章目录

  • Redis实战篇笔记(七)
  • 前言
    • 达人探店
      • 发布和查看探店笔记
      • 点赞
      • 点赞排行榜
    • 好友关注
      • 关注和取关
      • 共同关注
      • 关注推送
      • 关注推荐的实现
  • 总结


前言

本系列文章是Redis实战篇笔记的最后一篇,那么到这里Redis实战篇的内容就要结束了,本系列文件涵盖了Redis作为缓存在实战项目中的大多数用法


达人探店

发布和查看探店笔记

这个两个功能就是普通的业务,没有用到 redis,所以我把他们合到一起了

发布探店笔记
我们点击下面的加号就可以发布一篇探店笔记
Redis实战篇笔记(最终篇)_第1张图片
这里的上传图片,如果是一般的业务会上传到一个文件服务器,但是他这里选择上传到了我们的前端服务器
Redis实战篇笔记(最终篇)_第2张图片
这个 IMAGE_UPLOAD_DIR 就是前端服务器放图片的地方,要改成自己所对应的位置
Redis实战篇笔记(最终篇)_第3张图片
我们像这样就写好了一篇探店笔记,然后我们点发布,就会跳转到个人中心,并且在主页的最后也能看见我们发布的笔记
Redis实战篇笔记(最终篇)_第4张图片
Redis实战篇笔记(最终篇)_第5张图片
Redis实战篇笔记(最终篇)_第6张图片

我们点击看我们刚发布的笔记,会报错,是因为我们还没有实现这个功能,我们点击查看,就可以看到前端访问的接口,接下来我们就去实现它
Redis实战篇笔记(最终篇)_第7张图片

**这就是 查看笔记的方法 ** queryBlogById 是我们要实现的方法, querHotBlog 是代码已经写好的。由于没有涉及到 Redis 的操作,这里就不再过多解释了。

@Resource
    private IUserService userService;


    @Override
    public Result queryHotBlog(Integer current) {
        // 根据用户查询
        Page<Blog> page = this.query()
                .orderByDesc("liked")
                .page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));
        // 获取当前页数据
        List<Blog> records = page.getRecords();
        // 查询用户
        records.forEach(this::queryBlogUser);
        return Result.ok(records);
    }

    @Override
    public Result queryBlogById(Long id) {
        // 1. 查询blog
        Blog blog = getById(id);
        if(blog==null){
            return Result.fail("笔记不存在");
        }
        // 2. 查询blog有关的用户
        queryBlogUser(blog);
        return Result.ok(blog);
    }

    private void queryBlogUser(Blog blog) {
        Long userId = blog.getUserId();
        User user = userService.getById(userId);
        blog.setName(user.getNickName());
        blog.setIcon(user.getIcon());
    }

实现后,效果就是这样了。
Redis实战篇笔记(最终篇)_第8张图片

点赞

代码中实现的点赞是 连续点赞的功能,但是这样的功能是不好的,如果有人调用这个接口,一直刷赞,数据库直接就爆了,所以我们要对这个功能进行改造

改造后的需求:

  1. 同一个用户只能点赞一次,再次点击则取消点赞
  2. 如果当前用户已经点赞,则点赞按钮高亮显示(前端已实现,判断Blog类的 isLike 属性)

那我们怎样来标记用户是否点赞过? 用 Redis 的 set集合可以实现,set 集合我们已经用了好几次了,set中的元素是不能重复的,可以用来标记

    @Override
    public Result likeBlog(Long id) {
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        // 2.判断当前登录用户是否已经点赞

        Boolean isMember = stringRedisTemplate.opsForSet().isMember(BLOG_LIKED_KEY, userId.toString());
        // 3.如果未点赞,可以点赞
        if(BooleanUtil.isFalse(isMember)){
             // 起始这里我觉得也可以做一个异步任务,利用 Redis的高效性,去实现与用户的交互
            // 用异步任务来去修改数据库,感觉 Redis 和 数据库都可以这么来用
            // 3.1 数据库点赞数+1
            boolean isUpdate = update().setSql("liked=liked+1").eq("id", id).update();
            // 3.2 保存用户到 Redis的 set 集合
            if(isUpdate){
                stringRedisTemplate.opsForSet().add(BLOG_LIKED_KEY,userId.toString());
            }
        }else {
            // 4. 如果已经点赞,取消点赞
            // 4.1 数据库点赞数 -1
            boolean isUpdate = update().setSql("liked=liked-1").eq("id", id).update();
            // 4.1 把用户从Redis的 set 集合移除
            if(isUpdate){
                stringRedisTemplate.opsForSet().remove(BLOG_LIKED_KEY,userId.toString());
            }
        }
        return Result.ok();
    }

点赞排行榜

我们在探店笔记的详情页面,应该按照点赞的时间显示出来,比如最早点赞的 TOP5,形成点赞排行榜
但是我们刚才在实现点赞功能的时候,用的是 set 集合,但 set 集合中的元素是无序的,这就不符合我们的功能,所以我们要换一个数据结构,即能保留 set 的无序特点,又会使其中的元素有序,那就是 Redis 的 SortedSet
那接下来,我们就要去改造一下我们之前写的点赞功能

其实就是把之前用 set 集合的操作 换成 SortSet

    @Override
    public Result likeBlog(Long id) {
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        // 2.判断当前登录用户是否已经点赞

        Double score = stringRedisTemplate.opsForZSet().score(BLOG_LIKED_KEY, userId.toString());
        // 3.如果未点赞,可以点赞
        if(score==null){
            // 3.1 数据库点赞数+1
            boolean isUpdate = update().setSql("liked=liked+1").eq("id", id).update();
            // 3.2 保存用户到 Redis的 set 集合
            if(isUpdate){
                stringRedisTemplate.opsForZSet().add(BLOG_LIKED_KEY,userId.toString(),System.currentTimeMillis());
            }
        }else {
            // 4. 如果已经点赞,取消点赞
            // 4.1 数据库点赞数 -1
            boolean isUpdate = update().setSql("liked=liked-1").eq("id", id).update();
            // 4.1 把用户从Redis的 set 集合移除
            if(isUpdate){
                stringRedisTemplate.opsForZSet().remove(BLOG_LIKED_KEY,userId.toString());
            }
        }
        return Result.ok();
    }

    private void isLiked(Blog blog){
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        // 2.判断当前登录用户是否已经点赞
        Double score = stringRedisTemplate.opsForZSet().score(BLOG_LIKED_KEY, userId.toString());
        blog.setIsLike(score!=null);
    }

**那接下来我们就去实现这个点赞排行榜

@Override
    public Result queryBlogLikes(Long id) {
        String key= BLOG_LIKED_KEY+id;
        // 1. 查询 top5 的点赞用户 zrange key 0 4
        Set<String> top5 = stringRedisTemplate.opsForZSet().range(key, 0, 4);
        if(top5==null||top5.isEmpty()){
            return Result.ok(Collections.emptyList());
        }
       // 这里用了大量的 stream流来处理集合,不太懂 stream流的朋友可以先去学习一下stream流
        List<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());
        String idStr = StrUtil.join(",", ids);
      // 这里的 sql,没有默认的是因为,默认的排序它会按 id 降序排列,不符合我们的需求。
        List<UserDTO> userDTOS = userService.query()
                .in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list()
                .stream() // 这里处理一下是脱敏
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());
        return Result.ok(userDTOS);
    }
// 因为未登录用户会获取 user失败,所以这里加一下,其实这样做是不好的,业务容易乱,以后未登录
// 用户要使用的地方肯定还会有,所以建议还是写在 拦截器里。
 private void isLiked(Blog blog){
        // 1.获取登录用户
        UserDTO user = UserHolder.getUser();
        if (user==null){
            return;
        }
        Long userId = user.getId();
        // 2.判断当前登录用户是否已经点赞
        Double score = stringRedisTemplate.opsForZSet().score(BLOG_LIKED_KEY, userId.toString());
        blog.setIsLike(score!=null);
    }

至此,达人探店的模块我们也学完了,在这个模块,我们主要去使用了 Redis 中关于 set 和 SortedSet 的使用。

好友关注

关注和取关

这个功能也没有用到 Redis, 也只是简单的业务,这里也就简单的记一下
其实这也是个挺常见的功能,不跟视频自己也可以手敲出来,这里就只记录 service层的代码

 @Override
    public Result follow(Long followUserId, Boolean isFollow) {
        Long userId = UserHolder.getUser().getId();
        // 1.判断到底是关注还是取关
        if(isFollow==true){
            Follow follow = new Follow();
            follow.setUserId(userId);
            follow.setFollowUserId(followUserId);
            save(follow);
        }else {
            remove(new QueryWrapper<Follow>().eq("user_id",userId).eq("follow_user_id",followUserId));
        }
        return Result.ok();
    }

    @Override
    public Result isFollow(Long followUserId) {
        Long userId = UserHolder.getUser().getId();
        // 1.查询是否关注
        Integer count = query().eq("user_id", userId).eq("follow_user_id", followUserId).count();

        return Result.ok(count>0);
    }

共同关注

其实之后的课程有点为了练这个 Redis 而去开发的这个功能,但还是学完吧,也没有几节了
既然要实现 共同关注,那肯定要 先获取 两个用户的关注列表,然后去求交集,那在 Redis 中 set 集合是可以求交集的,所以我们这次用 set 集合来实现求共同关注的功能。在实现这个功能之前,我们先来实现下面两段代码
这两段 代码与共同关注没有什么关系,是用来完善用户的一些信息

// UserController
// 这个是用来点击头像,进入主页
@GetMapping("{id}")
    public Result queryUserById(@PathVariable("id") Long userId){
        User user = userService.getById(userId);
        if(user==null){
            return Result.ok();
        }
        UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);
        return Result.ok(userDTO);
    }
// BlogController
// 这个是进入主页后,显示这个博主的博客
@GetMapping("/of/user")
    public Result queryBlogByUserId(@RequestParam(value = "current",defaultValue = "1")Integer current,
                                    @RequestParam("id") Long id){
        Page<Blog> page = blogService.query().eq("user_id", id).page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));
        List<Blog> records = page.getRecords();
        return Result.ok(records);
    }

下面我们就来写共同关注的代码,首先我们要把之前写的关注稍微改一下,就是操作完数据库后,把关注列表形成一个 set 添加到 Redis 中。

@Override
    public Result follow(Long followUserId, Boolean isFollow) {
        Long userId = UserHolder.getUser().getId();
        // 1.判断到底是关注还是取关
        if(isFollow==true){
            Follow follow = new Follow();
            follow.setUserId(userId);
            follow.setFollowUserId(followUserId);
            boolean save = save(follow);
            if(save){
                stringRedisTemplate.opsForSet().add("follows:"+userId,followUserId.toString());
            }
        }else {
            remove(new QueryWrapper<Follow>().eq("user_id",userId).eq("follow_user_id",followUserId));
            stringRedisTemplate.opsForSet().remove("follows:"+userId,followUserId.toString());
        }
        return Result.ok();
    }

然后我们来写 共同关注

@Override
    public Result followCommons(Long id) {
        // 这里还是用来一些流操作的,不熟悉的朋友还是建议去看看流。
        // 其实这里真正要说的也就是求交集了 set 的 intersect命令
        Long userId = UserHolder.getUser().getId();
        String key="follows:"+userId;
        String followedKey="follows:"+id;
        Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key, followedKey);
        if(intersect==null||intersect.isEmpty()) return Result.ok(Collections.emptyList());
        List<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
        List<UserDTO> users = userService.listByIds(ids)
                .stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());

        return Result.ok(users);
    }

其实上面两个真的没有什么太多新的东西,用到的 Redis 的部分也是比较少的,想要学 Redis 的朋友也可以跳过这两节.

关注推送

关注推送也叫 Feed 流,直译为 投喂,为用户持续的提供 “沉浸式” 的体验,通过无限下拉获取新的信息

Feed 流产品有两种常见模式:

  • TimeLine: 不做内容筛选,简单的按照内容发布时间排序,常用于好友或关注.例如朋友圈
    • 优点: 信息全面,不会缺失.并且实现也相对简单
    • 缺点: 信息噪音较多,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,推送用户感兴趣的信息来吸引用户
    • 优点: 投喂用户感兴趣信息,用户粘度高,容易沉迷
    • 缺点: 如果算法不精确,可能起反作用

我们这个 个人页面,是基于关注的好友来做 Feed 流,因此采用 TIMELine 的模式,该模式的实现有三种

  1. 拉模式
  2. 推模式
  3. 推拉结合

拉模式

每个博主都会有一个发件箱,当他们发布消息的时候,都会先发到他们自己的发件箱当中,并且都带上时间戳,然后当有一个用户下拉刷新它的收件箱的时候,这时候,系统会从这个用户所关注的博主的发件箱中拉取信息,然后按时间戳排序.下面这个国就演示了这个过程,但是我们想想,它每下拉一次我们就都要给它拉取一次,并且还要排序,那这样性能是不是就不是很好,那我们接下来继续看 推模式
Redis实战篇笔记(最终篇)_第9张图片

推模式

而推模式就与拉模式不太一样了,每个博主没有收件箱 了,而是把信息直接发给粉丝的收件箱,并且在收件箱内部排好序,这样粉丝下来刷新的时间,就直接从收件箱中取就可以了.这样就弥补了拉模式的效率问题.但是推模式同样有一个问题,就是如果有一个博主的粉丝很多,那它要给粉丝发消息就要发多份,这个数据量上来了,系统也没法承受,那么能不能把 这两种模式的优点结合起来呢,那就是接下的推拉模式了
Redis实战篇笔记(最终篇)_第10张图片

推拉模式

在推拉模式中,我们将博主分为 大V 和普通博主,大V的粉丝数很多,通常几千万,而普通博主的粉丝数就比较少了.
我们也把粉丝分为普通粉丝和活跃粉丝.
对于 大V来说,他的粉丝数很多,所以肯定不能用推模式,所以就用拉模式.但是对于一些活跃粉丝还是用推模式,因为这些活跃粉丝经常取看他们博主的信息,所以效率要高一些,而对于哪些普通粉丝就用拉模式,因为他们对博主的关注也不是很多,所以效率吗,慢一点也就慢一点了,而对于普通博主来说,他的粉丝数目没有那么多,所以用推模式也耗费不少资源.
Redis实战篇笔记(最终篇)_第11张图片
下面我们再来对比一下这三种模式的优缺点.
Redis实战篇笔记(最终篇)_第12张图片
那对于我们这个系统,不会有大v,所以我们这采用推模式来实现.

关注推荐的实现

需求:

  1. 修改新增探店笔记的业务,在保存 blog 到数据库的时候,推送的收件箱
  2. 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
  3. 查询收件箱时,可以实现分页查询。

我们先来修改新增博客的业务,这个业务用到了 Redis的 set结构来作为用户的收件箱,并把这个博客推送到这个博客的主人的粉丝的收件箱。

 @Override
    public Result saveBlog(Blog blog) {
        // 获取登录用户
        UserDTO user = UserHolder.getUser();
        blog.setUserId(user.getId());
        // 保存探店博文
        boolean isSuccess = save(blog);
        if(!isSuccess){
            return Result.fail("新增笔记失败");
        }
        List<Follow> follows = followService.query().eq("follow_user_id", user.getId().toString()).list();
        for (Follow follow : follows) {
            //获取粉丝 id
            Long userId = follow.getUserId();
            //推送
            String key="feeds:"+userId;
            stringRedisTemplate.opsForZSet().add(key,blog.getId().toString(),System.currentTimeMillis());
        }
        // 返回id
        return Result.ok(blog.getId());
    }

然后我们再来实现粉丝查看自己的收件箱,展示出这个用户所关注的博主的文章
但是我们这里想一下,这里的分页还能是传统的分页吗?
我们看下面这条图,t1时,查询5条,但是 t2这是又传过来了一个数据,t3这时候又查询5条数据,从头开始查的话,会查重一个。这就不是我们想要的,那怎么解决查重,就是滚动查询
Redis实战篇笔记(最终篇)_第13张图片
在滚动查询的时候
t1 和 t2 都是与上述一样,但是 t3时刻读取第二页,是从上回 的lastId 的下一个开始查的,这样就避免了查重,但是在 Redis 中如何实现呢,我们可以利用 SortedSet 来实现。
Redis实战篇笔记(最终篇)_第14张图片
**SortedSet 中有一条命令是 **
ZREVRANGEBYSCORE 是用 score 来搜索
image.png
其中 max ,min是排序的范围,max是最大值,min是最小值。WITHSCORES是返回时带着分数 offset是偏移量,是从最大值的哪一个开始排序,0就是从最大值开始,1就是从最大值的下一个开始。count就是查几个。

那么我们就可以用时间戳来当分数,最新的时间戳就是最大的分数,排在第一位。第一次的时候可以拿当前时间戳,因为对于当前来说,当前时间戳是最大的,最小值我们不关心,就用 0. 第一次 offset 用0,因为第一次分数最大的我们也要。
然后往后 max 就应该是上回查询的最小分数,最小还是0,但是这时的 offset就应该是 1了,因为这次的最小分数是上一会的最小元素,我们上回已经查过了,这次不需要了。所以 offset 要用 1. 具体如下
Redis实战篇笔记(最终篇)_第15张图片
但是如果两个元素的时间戳一样怎么办?如果这个用户关注了很多博主,这些博主可能会在同一时间发布文章,都会推送到这个用户的收件箱。我们看下面的图看一下有什么问题

我们看一下,m7和m6的分数都是 6,第二次查看的时候还是出现了 6,这是为什么,因为,我们第二次查询的时候 max 是上回的 min,上回的 min是6,而我们的第二次的 offser 是 1,也就是 从分数为 6 的下一个开始,那分数为6 的从上往下 第一个是 m7,第二个是 m6,那可不是要从 m6开始查嘛,所以我们的 offset也要改,就是上一次最小分数的个数是多少,我们下一次的 offset就是多少,还是这个我们来开,6有两个,那第二次我们的 offser 就是 2,分数为6的第一个是m7,往下移动 2位,不就刚好把 上一次我们查到的 分数为6的隔过去了嘛、
有的朋友可能这里会有的疑惑,如果我 m5 也是 6,你offset不就是 3了,不就把 m5 也隔过去了?
其实不是这样的,查重复的,我们只在上一次我们查到的里面查重复,不是对于整个 set 查。下面看效果
Redis实战篇笔记(最终篇)_第16张图片

Redis实战篇笔记(最终篇)_第17张图片
那思路有了,代码怎么实现呢,我们先来看接口的规范

Redis实战篇笔记(最终篇)_第18张图片
我们在一次查询中,就要把 本次的最小时间戳和下一次要用的偏移量算出来,传给前端,前端下一次再调用这个接口的时候,就用这两个。下面是具体代码实现

 @Override
    public Result queryBlogOfFollow(Long max, Integer offset) {

        //1. 获取当前用户
        Long userId = UserHolder.getUser().getId();
        //2. 查询收件箱 ZREVRANGEBYSCORE key max min LIMIT offset count
        String key="feeds:"+userId;
        //3. 解析数据:blogId,timestamp,offset
        // 这里的 TypedTuple 是一个元组,里面有你要查的数据,以及分数
        Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
                .reverseRangeByScoreWithScores(key, 0, max, offset, 3);
        // 非空判断
        if(typedTuples==null||typedTuples.isEmpty()){
            return Result.ok();
        }
        //4. 根据id查询blog
        List<Long> ids=new ArrayList<>(typedTuples.size());
        long minTime=0;
        int os=1;
        // 接下来就是算 mintime 和 offset,其实这里我们还是用了一点点小算法,用一个 mintime
        // 变量来接受最小时间戳,然后每次从元组获取到时间戳,我们就赋给 mintime,这样遍历完
        // 后,mintime 就是最小的

        // 然后是 算 offset,这里我们根据 mintime,我们刚才不是说了嘛,遍历的过程中每获取一次
        // time ,就赋给 mintime,那么我们在赋之前,加一步,判断当前获取的这个 time 与 mintime
       //是否相等,相等,就让 os++,不相等就让 minTime=time,最后重置 os,到最后 os 一定是
       // 最小的时间戳的重复次数。

        // 其实else 里面 的赋值可以去掉,因为最后还会赋值。
        for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {
            //4.1 获取博客id
            ids.add(Long.valueOf(typedTuple.getValue()));
            long time = typedTuple.getScore().longValue();
            if(time==minTime){
                os++;
            }else {
                minTime=time;
                os=1;
            }
            minTime = time;
        }
        //5. 封装并返回
        String idStr = StrUtil.join(",", ids);
        List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
        for (Blog blog : blogs) {
            // 查询 blog 有关的用户
            queryBlogUser(blog);
            // 查询blog 是否被点赞
            isLiked(blog);
        }
        ScrollResult scrollResult = new ScrollResult();
        scrollResult.setList(blogs);
        scrollResult.setOffset(os);
        scrollResult.setMinTime(minTime);
        return Result.ok(scrollResult);
    }

那么今天关于好友关注这个模块就学完了,虽然前面的比较简单,但是最后一个理解起来还是有一定难度的


总结

最后的最后,还是希望Redis实战篇系列比较可以对大家的学习以及工作有一定的帮助,那我们的实战篇笔记就到这里撒花完结了,朋友们,我们高级篇再见。

我是Mayphyr,从一点点到亿点点,我们下次再见

你可能感兴趣的:(redis,笔记,数据库)