在处理计数业务时，我们一般会使用一个数据结构，既是集合又可以保证唯一性，所以我们会选择Redis中的set集合：
业务逻辑：
用户点击点赞按钮，需要再set集合内判断是否已点赞，未点赞则需要将点赞数+1并保存用户信息到集合中，已点赞则需要将数据库点赞数-1并移除set集合中的用户。
@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {
@Autowired
private IUserService userService;
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result likeBlog(Long id) {
// 获取登录用户
Long userId = UserHolder.getUser().getId();
// 判断当前登录用户是否已经点赞
String key = "blog:like:" + id;
Boolean isMember = stringRedisTemplate.opsForSet().isMember(key, userId.toString());
if(BooleanUtil.isFalse(isMember)){
// 未点赞
// 数据库点赞数+1
boolean isSuccess = update().setSql("like = like + 1").eq("id",id).update();
// 保存用户到Redis集合中
if(isSuccess){
stringRedisTemplate.opsForSet().add(key, userId.toString());
}
} else {
// 已点赞，取消点赞
// 数据库点赞数-1
boolean isSuccess = update().setSql("like = like - 1").eq("id",id).update();
// 移除set集合中的用户
stringRedisTemplate.opsForSet().remove(key, userId.toString());
}
return Result.ok();
}
}
那么我们想要实现按照点赞时间的先后顺序排序，返回Top5的用户，这个时候set无法保证数据有序，所以我们需要换一个数据结构满足业务需求：
Redis 的 ZSET（有序集合） 是一个非常适合用于处理 排行榜 和 计数问题 的数据结构。在高并发的点赞业务中，使用 ZSET 可以帮助我们高效地管理点赞的排名，并且由于 ZSET 的排序特性，我们可以轻松实现根据点赞数实时排序的功能。
ZSET 数据结构
Redis 的 ZSET 是一个集合，它的每个元素都会关联一个 分数（score），这个分数决定了元素在集合中的排序。ZSET 保证集合中的元素是按分数排序的，并且可以在 O(log(N)) 的时间复杂度内进行添加、删除和查找操作。
在高并发的点赞业务中，ZSET 可以帮助我们轻松地进行以下几项操作：
- 记录每个用户对某个内容（如文章、评论等）的点赞数。
- 通过分数进行实时排序，获取点赞数最多的内容。
优化高并发的点赞操作
在高并发情况下，当多个用户同时对某个内容进行点赞时，我们需要高效地更新该内容的点赞数，并保证数据一致性。ZSET 提供了很好的支持，具体步骤如下：
- 用户点赞操作：使用
ZINCRBY命令来对某个元素的分数进行增量操作，表示对该内容的点赞数增加。- 查看点赞数：可以通过
ZSCORE命令获取某个内容的当前点赞数。- 查看排行榜：使用
ZRANGE或ZREVRANGE命令来获取点赞数排名前 N 的内容，按分数进行排序。
ZSET 结构设计
key：表示某个内容的点赞的 id。
value：表示点赞用户的 id。
score：根据点赞时间排序。
下面是修改后的点赞逻辑：
@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {
@Autowired
private IUserService userService;
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result likeBlog(Long id) {
// 获取登录用户
Long userId = UserHolder.getUser().getId();
// 判断当前登录用户是否已经点赞
String key = "blog:like:" + id;
Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());
if(score == null){
// 未点赞
// 数据库点赞数+1
boolean isSuccess = update().setSql("like = like + 1").eq("id",id).update();
// 保存用户到Redis集合中
if(isSuccess){
stringRedisTemplate.opsForZSet().add(key, userId.toString(), System.currentTimeMillis());
}
} else {
// 已点赞，取消点赞
// 数据库点赞数-1
boolean isSuccess = update().setSql("like = like - 1").eq("id",id).update();
// 移除set集合中的用户
stringRedisTemplate.opsForZSet().remove(key, userId.toString());
}
return Result.ok();
}
}
而点赞排行榜代码如下：
@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {
@Autowired
private IUserService userService;
@Resource
private StringRedisTemplate stringRedisTemplate;
@Override
public Result queryBlogLikes(Long id) {
String key = "blog:like:" + id;
// 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());
}
// 解析出集合中的用户的id
List<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());
// 根据id查询用户,并将类型由User转为UserDTO,随后转换为List集合
String idStr = StrUtil.join(",",ids);
// List<UserDTO> userDTOs = userService.listByIds(ids).stream()
// .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
// .collect(Collectors.toList());
List<UserDTO> userDTOs = userService.query()
.in("id",ids).last("order by field(id," + idStr +")").list()
.stream()
.map(user -> BeanUtil.copyProperties(user, UserDTO.class))
.collect(Collectors.toList());
return Result.ok(userDTOs);
}
}
使用
userService.query().in("id", ids).last("order by field(id," + idStr + ")")来查询用户信息，并且使用order by field(id, ...)语句来保证查询结果的顺序与top5中的用户顺序一致。这里的
order by field(id, ...)是关键，它确保了从数据库返回的数据顺序和 Redis 返回的top5用户顺序完全匹配。因为 Redis 中的 ZSet 是有顺序的，top5会按照点赞数量进行排序。如果直接使用listByIds方法，可能会导致结果顺序不一致。
