1、为什么Spring和IDEA 都不推荐使用 @Autowired 注解
大家在使用IDEA开发的时候有没有注意到过一个提示，在字段上使用Spring的依赖注入注解@Autowired后会出现如下警告Field injection is not recommended (字段注入是不被推荐的)；但是使用@Resource却不会出现此提示，那这是为什么呢？？
我们都知道Spring常见的DI方式：
- 构造器注入：利用构造方法的参数注入依赖
- Setter注入：调用Setter的方法注入依赖
- 字段注入：在字段上使用@Autowired/Resource注解
@Autowired VS @Resource
事实上，他们的基本功能都是通过注解实现依赖注入，只不过@Autowired是Spring定义的，而@Resource是JSR-250定义的。大致功能基本相同，但是还有一些细节不同：
- 依赖识别方式：@Autowired默认是byType，可以使用@Qualifier指定Name，@Resource默认ByName，如果找不到则ByType
- 适用对象：@Autowired可以对构造器、方法、参数、字段使用，@Resource只能对方法、字段使用
- 提供方：@Autowired是Spring提供的，@Resource是JSR-250提供的
各种DI方式的优缺点
参考Spring官方文档，建议了如下的使用场景：
- 构造器注入：强依赖性（即必须使用此依赖），不变性（各依赖不会经常变动）
- Setter注入：可选（没有此依赖也可以工作），可变（依赖会经常变动）
- Field注入：大多数情况下尽量少使用字段注入，一定要使用的话，@Resource相对@Autowired对IoC容器的耦合更低
Field注入的缺点
- 不能像构造器那样注入不可变的对象
- 依赖对外部不可见，外界可以看到构造器和setter，但无法看到私有字段，自然无法了解所需依赖
- 会导致组件与IoC容器紧耦合（这是最重要的原因，离开了IoC容器去使用组件，在注入依赖时就会十分困难）
- 导致单元测试也必须使用IoC容器，原因同上
- 依赖过多时不够明显，比如我需要10个依赖，用构造器注入就会显得庞大，这时候应该考虑一下此组件是不是违反了单一职责原则
为什么IDEA只对@Autowired警告
Field注入虽然有很多缺点，但它的好处也不可忽略：那就是太方便了。使用构造器或者setter注入需要写更多业务无关的代码，十分麻烦，而字段注入大幅简化了它们。并且绝大多数情况下业务代码和框架就是强绑定的，完全松耦合只是一件理想上的事，牺牲了敏捷度去过度追求松耦合反而得不偿失。
那么问题来了，为什么IDEA只对@Autowired警告，却对@Resource视而不见呢？
@Autowired是Spring提供的，它是特定IoC提供的特定注解，这就导致了应用与框架的强绑定，一旦换用了其他的IoC框架，是不能够支持注入的。而@Resource是JSR-250提供的，它是Java标准，我们使用的IoC容器应当去兼容它，这样即使更换容器，也可以正常工作。
2、工作中常用Redis的十种场景
Redis是一种优秀的基于键值型的NoSql数据库（非关系型）
这里有两个关键字：
其中键值型，是指Redis中存储的数据都是以key、value对的形式存储，而value的形式多种多样，可以是字符串、数值、甚至json。
而NoSql则是相对于传统关系型数据库而言，有很大差异的一种数据库。
Redis的优点：
- 键值（key-value）型，value支持多种不同数据结构，功能丰富
- 单线程，每个命令具备原子性
- 低延迟，速度快（基于内存、IO多路复用、良好的编码）
- 支持数据持久化
- 支持主从集群、分片集群
- 支持多语言客户端
Redis在工作中的应用列举：
1、计数器
在很多网站首页，会有一些统计首页访问次数的需求，访问次数只有一个字段，如果存到关系型数据库中，最后做汇总会很麻烦。该业务场景可以使用Redis，定义一个key，例如：WEBSITE_VISITS_NUM。
在Redis里有命令incr，实现给value值加1操作：
incr WEBSITE_VISITS_NUM
当然如果你想一次加的值大于1，可以用incrby命令,例如：
Incrby WEBSITE_VISITS_NUM 10 一次加10。
2、分布式锁（单线程，数据安全）
最常见应用场景之一，相对于例如Zookeeper分布式锁，Redis的分布式锁，有更好的性能。
代码奉上：
@Api(tags = "Redis")
@RestController
@RequestMapping("/testRedis")
@Slf4j
public class TestRedisController {
private static final ThreadFactory THREAD_FACTORY = new ThreadFactoryBuilder().setNamePrefix("shouhu-").setDaemon(true).build();
private static final ScheduledExecutorService daemonPool = Executors.newScheduledThreadPool(5,THREAD_FACTORY);
@Resource
private RedisTemplate<String ,Object> redisTemplate;
@GetMapping("/testSetNX")
@ApiOperation("SETNX")
public ResultVO<Object> testSetNX(@RequestParam Long goodsId){
String key = "lock_" + goodsId;
String value = UUID.randomUUID().toString();
ValueOperations<String, Object> valueOperations = redisTemplate.opsForValue();
ScheduledFuture<?> scheduledFuture = null;
try {
// 加锁
Boolean ifAbsent = valueOperations.setIfAbsent(key, value, 30, TimeUnit.SECONDS);
log.info("加锁{}返回值：{}",key,ifAbsent);
if ((null==ifAbsent) || (!ifAbsent)){
log.info("加锁失败，请稍后重试！");
return ResultUtils.error("加锁失败，请稍后重试！");
}
// 模拟看门狗逻辑
AtomicInteger count = new AtomicInteger(1);
scheduledFuture = daemonPool.scheduleWithFixedDelay(() -> {
log.info("看门狗第：{}次执行开始", count.get());
Object cache = redisTemplate.opsForValue().get(key);
if (Objects.nonNull(cache) && (value.equals(cache.toString()))) {
// 重新设置有效时间为30秒
redisTemplate.expire(key, 30, TimeUnit.SECONDS);
log.info("看门狗第：{}次执行结束，有效时间为：{}", count.get(), redisTemplate.getExpire(key));
}else {
log.info("看门狗执行第：{}次异常：key：{} 期望值：{} 实际值：{}",count.get(), key, value, cache);
}
count.incrementAndGet();
}, 10, 10, TimeUnit.SECONDS);
// 执行业务逻辑
TimeUnit.SECONDS.sleep(5);
log.info("业务逻辑执行结束");
}catch (Exception e){
log.error("testSetNX exception:",e);
return ResultUtils.sysError();
}finally {
// 释放锁，判断是否是当前线程加的锁
String delVal = valueOperations.get(key).toString();
if (value.equals(delVal)){
Boolean delete = redisTemplate.delete(key);
log.info("释放{}锁结果：{}",key,delete);
// 关闭看门狗线程
if (Objects.nonNull(scheduledFuture)){
boolean cancel = scheduledFuture.cancel(true);
log.info("关闭看门狗结果：{}",cancel);
}
}else {
log.info("不予释放，key：{} value：{} delVal：{}",key,value,delVal);
}
}
return ResultUtils.success("success");
}
}3、缓存加速
这也是工作中非常常用的一种，例如：大宗采购项目中，如果查询检斤化验单数据，先从Redis缓存中查询，如果缓存里存在，则直接拿出数据进行计算，如果不存在，则再去检斤进行查询数据，将数据保存到缓存里。
对于用户而言，下面的流程图也是常见的：
4、交集差集（Redis的无序集合应用）
例如：共同好友、推荐好友功能，我们可以使用到Redis的无序集合，命令如下：
sadd key val val --->添加
sinter key1 key2 ---->交集
sdiff key1 key2 ----->差集5、排行榜（Redis的有序集合应用）
很多网站有排行榜的功能，比如：商城中有商品销量的排行榜，游戏网站有玩家获得积分的排行榜。这种情况下，我们可以使用Sorted Set保存排行榜的数据。使用ZADD可以添加排行榜的数据，使用ZRANGE可以获取排行榜的数据。
ZADD rank:score 100 "张三"
ZADD rank:score 90 "李四"
ZADD rank:score 80 "王五"
ZRANGE rank:score 0 -1 WITHSCORES
