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

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

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

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

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

**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。

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：

同一个用户只能点赞一次，再次点击则取消点赞
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

拉模式
推模式
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

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

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.

下面我们再来对比一下这三种模式的优缺点.

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：

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
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

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。

**SortedSet 中有一条命令是 **
ZREVRANGEBYSCORE 是用 score 来搜索

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

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

那思路有了，代码怎么实现呢，我们先来看接口的规范

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);
    }