黑马点评

news/2024/11/30 17:47:20/文章来源:https://www.cnblogs.com/xu1feng/p/18578688

代码仓库：https://gitcode.com/xu1feng/hm-dianpnig/overview

整体功能架构图

短信登录

导入黑马点评项目

首先，导入数据库SQL文件hmdp.sql。

其中的表有：

tb_user：用户表
tb_user_info：用户详情表
tb_shop：商户信息表
tb_shop_type：商户类型表
tb_blog：用户日记表（达人探店日记）
tb_follow：用户关注表
tb_voucher：优惠券表
tb_voucher_order：优惠券的订单表

将资料中的源码hm-dianping导入到idea中，启动项目后，在浏览器访问：http://localhost:8001/shop-type/list，如果可以看到数据则证明运行没有问题。

注意：记得修改application.yml中的mysql、redis地址信息

将资料中的Nginx复制到英文目录下，并双击nginx.exe，然后在chrome浏览器中打开手机模式

然后访问http://localhost:8080/，即可看到页面

基于Session实现登录

发送短信验证码

在UserController.java中编写如下代码

/**  * 发送手机验证码  */  
@PostMapping("code")  
public Result sendCode(@RequestParam("phone") String phone, HttpSession session) {  return userService.sendCode(phone, session);  
}

在IUserService.java中编写如下代码

Result sendCode(String phone, HttpSession session);

在UserServiceImpl.java中编写如下代码

@Slf4j  
@Service  
public class UserServiceImpl extends ServiceImpl<UserMapper, User> implements IUserService {  @Override  public Result sendCode(String phone, HttpSession session) {  // 1.校验手机号  if (RegexUtils.isPhoneInvalid(phone)) {  // 2.如果不符合，返回错误信息  return Result.fail("手机号格式错误");  }  // 3.符合，生成验证码  String code = RandomUtil.randomNumbers(6);  // 4.保存验证码到session  session.setAttribute("code", code);  // 5.发送验证码  log.debug("发送短信验证码成功，验证码：{}", code);  // 返回ok  return Result.ok();  }  
}

短信验证码登录、注册

在UserController.java中编写

/**  * 登录功能  * @param loginForm 登录参数，包含手机号、验证码；或者手机号、密码  */  
@PostMapping("/login")  
public Result login(@RequestBody LoginFormDTO loginForm, HttpSession session){  // 实现登录功能  return userService.login(loginForm, session);  
}

在IUserService.java中编写

public interface IUserService extends IService<User> {  Result sendCode(String phone, HttpSession session);  Result login(LoginFormDTO loginForm, HttpSession session);  
}

在UserServiceImpl.java中编写

@Override  
public Result login(LoginFormDTO loginForm, HttpSession session) {  // 1.校验手机号  String phone = loginForm.getPhone();  if (RegexUtils.isPhoneInvalid(phone)) {  // 2.如果不符合，返回错误信息  return Result.fail("手机号格式错误");  }  // 2.校验验证码  Object cacheCode = session.getAttribute("code");  String code = loginForm.getCode();  if (cacheCode == null || !cacheCode.toString().equals(code)) {  // 3.不一致，报错  return Result.fail("验证码错误");  }  // 4.一致，根据手机号查询用户 select * from tb_user where phone = ?    User user = query().eq("phone", phone).one();  // 5.判断用户是否存在  if (user == null) {  // 6.不存在，创建新用户并保存  user = createUserWithPhone(phone);  }  // 7.保存用户信息到session  session.setAttribute("user", user);  return Result.ok();  
}  private User createUserWithPhone(String phone) {  // 1.创建用户  User user = new User();  user.setPhone(phone);  user.setNickName(USER_NICK_NAME_PREFIX + RandomUtil.randomString(10));  // 2.保存用户  save(user);  return user;  
}

校验登录状态

在utils包下创建登录校验拦截器LoginInterceptor.java

public class LoginInterceptor implements HandlerInterceptor {  @Override  public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {  // 1.获取session  HttpSession session = request.getSession();  // 2.获取session中的用户  Object user = session.getAttribute("user");  // 3.判断用户是否存在  if (user == null) {  // 4.不存在，拦截  返回401状态码  response.setStatus(401);  return false;  }  // 5.存在，保存用户信息到ThreadLocal  UserHolder.saveUser((UserDTO) user);  // 6.放行  return false;  }  @Override  public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {  // 移除用户  UserHolder.removeUser();  }  
}

在UserController中修改代码

@GetMapping("/me")  
public Result me(){  // 获取当前登录的用户并返回  UserDTO user = UserHolder.getUser();  return Result.ok(user);  
}

在config包下配置添加拦截器代码MvcConfig.java

@Configuration  
public class MvcConfig implements WebMvcConfigurer {  @Override  public void addInterceptors(InterceptorRegistry registry) {  registry.addInterceptor(new LoginInterceptor())  .excludePathPatterns(  "/shop/**",  "/voucher/**",  "/shop-type/**",  "/upload/**",  "/blog/hot",  "/user/code",  "/user/login"  );  }  
}

集群的session共享问题

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

session的替代方案应该满足：

数据共享
内存存储
key、value结构

基于Redis实现共享session登录

UserServiceImpl.java

@Slf4j  
@Service  
public class UserServiceImpl extends ServiceImpl<UserMapper, User> implements IUserService {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public Result sendCode(String phone, HttpSession session) {  // 1.校验手机号  if (RegexUtils.isPhoneInvalid(phone)) {  // 2.如果不符合，返回错误信息  return Result.fail("手机号格式错误");  }  // 3.符合，生成验证码  String code = RandomUtil.randomNumbers(6);  // 4.保存验证码到 redis  set key value ex 120        stringRedisTemplate.opsForValue().set(RedisConstants.LOGIN_CODE_KEY + phone, code, RedisConstants.LOGIN_CODE_TTL, TimeUnit.MINUTES);  // 5.发送验证码  log.debug("发送短信验证码成功，验证码：{}", code);  // 返回ok  return Result.ok();  }  @Override  public Result login(LoginFormDTO loginForm, HttpSession session) {  // 1.校验手机号  String phone = loginForm.getPhone();  if (RegexUtils.isPhoneInvalid(phone)) {  // 2.如果不符合，返回错误信息  return Result.fail("手机号格式错误");  }  // 2.从redis获取验证码并校验  String cacheCode = stringRedisTemplate.opsForValue().get(RedisConstants.LOGIN_CODE_KEY + phone);  String code = loginForm.getCode();  if (cacheCode == null || !cacheCode.toString().equals(code)) {  // 3.不一致，报错  return Result.fail("验证码错误");  }  // 4.一致，根据手机号查询用户 select * from tb_user where phone = ?        User user = query().eq("phone", phone).one();  // 5.判断用户是否存在  if (user == null) {  // 6.不存在，创建新用户并保存  user = createUserWithPhone(phone);  }  // 7.保存用户信息到session  // 7.1 随机生成token，作为登录令牌  String token = UUID.randomUUID().toString(true);  // 7.2 将User对象转为HashMap存储  UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);  Map<String, Object> userMap = BeanUtil.beanToMap(userDTO, new HashMap<>(), CopyOptions.create()  .setIgnoreNullValue(true)  .setFieldValueEditor((filedName, fieldValue) -> fieldValue.toString()));  // 7.3 存储  stringRedisTemplate.opsForHash().putAll(RedisConstants.LOGIN_USER_KEY + token, userMap);  // 7.4 设置token有效期  stringRedisTemplate.expire(RedisConstants.LOGIN_USER_KEY + token, RedisConstants.LOGIN_USER_TTL, TimeUnit.MINUTES);  // 8. 返回token  return Result.ok(token);  }  private User createUserWithPhone(String phone) {  // 1.创建用户  User user = new User();  user.setPhone(phone);  user.setNickName(SystemConstants.USER_NICK_NAME_PREFIX + RandomUtil.randomString(10));  // 2.保存用户  save(user);  return user;  }  
}

LoginInterceptor.java

public class LoginInterceptor implements HandlerInterceptor {  private StringRedisTemplate stringRedisTemplate;  public LoginInterceptor(StringRedisTemplate stringRedisTemplate) {  this.stringRedisTemplate = stringRedisTemplate;  }  @Override  public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {  // 1.获取请求头中的token  String token = request.getHeader("authorization");  if (StrUtil.isBlank(token)) {  // 4.不存在，拦截  返回401状态码  response.setStatus(401);  return false;  }  // 2.基于token获取redis中的用户  Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries(RedisConstants.LOGIN_USER_KEY + token);  // 3.判断用户是否存在  if (userMap.isEmpty()) {  // 4.不存在，拦截  返回401状态码  response.setStatus(401);  return false;  }  // 5.将查询到的Hash数据再转为UserDTO对象  UserDTO userDTO = BeanUtil.fillBeanWithMap(userMap, new UserDTO(), false);  // 6.存在，保存用户信息到ThreadLocal  UserHolder.saveUser(userDTO);  // 7.刷新token有效期  stringRedisTemplate.expire(RedisConstants.LOGIN_USER_KEY + token, RedisConstants.LOGIN_USER_TTL, TimeUnit.MINUTES);  // 8.放行  return false;  }  @Override  public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {  // 移除用户  UserHolder.removeUser();  }  
}

MvcConfig.java

@Configuration  
public class MvcConfig implements WebMvcConfigurer {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public void addInterceptors(InterceptorRegistry registry) {  registry.addInterceptor(new LoginInterceptor(stringRedisTemplate))  .excludePathPatterns(  "/shop/**",  "/voucher/**",  "/shop-type/**",  "/upload/**",  "/blog/hot",  "/user/code",  "/user/login"  );  }  
}

登录拦截器的优化

在utils包下写RefreshTokenInterceptor.java

public class RefreshTokenInterceptor implements HandlerInterceptor {  private StringRedisTemplate stringRedisTemplate;  public RefreshTokenInterceptor(StringRedisTemplate stringRedisTemplate) {  this.stringRedisTemplate = stringRedisTemplate;  }  @Override  public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {  // 1.获取请求头中的token  String token = request.getHeader("authorization");  if (StrUtil.isBlank(token)) {  return true;  }  // 2.基于token获取redis中的用户  Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries(RedisConstants.LOGIN_USER_KEY + token);  // 3.判断用户是否存在  if (userMap.isEmpty()) {  return true;  }  // 5.将查询到的Hash数据再转为UserDTO对象  UserDTO userDTO = BeanUtil.fillBeanWithMap(userMap, new UserDTO(), false);  // 6.存在，保存用户信息到ThreadLocal  UserHolder.saveUser(userDTO);  // 7.刷新token有效期  stringRedisTemplate.expire(RedisConstants.LOGIN_USER_KEY + token, RedisConstants.LOGIN_USER_TTL, TimeUnit.MINUTES);  // 8.放行  return false;  }  @Override  public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {  // 移除用户  UserHolder.removeUser();  }  
}

LoginInterceptor.java

public class LoginInterceptor implements HandlerInterceptor {  @Override  public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {  // 1.判断是否需要拦截（ThreadLocal中是否有用户）  if (UserHolder.getUser() == null) {  // 没有，需要拦截，设置状态码  response.setStatus(401);  // 拦截  return false;  }  // 有用户，放行  return false;  }  }

MvcConfig.java

@Configuration  
public class MvcConfig implements WebMvcConfigurer {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public void addInterceptors(InterceptorRegistry registry) {  // 登录拦截器  registry.addInterceptor(new LoginInterceptor())  .excludePathPatterns(  "/shop/**",  "/voucher/**",  "/shop-type/**",  "/upload/**",  "/blog/hot",  "/user/code",  "/user/login"  ).order(1);  // token刷新的拦截器  registry.addInterceptor(new RefreshTokenInterceptor(stringRedisTemplate)).addPathPatterns("/**").order(0);  }  
}

商品查询缓存

什么是缓存

缓存就是数据交换的缓冲区（称作Cache），是存贮数据的临时地方，一般读写性能较高。

添加Redis缓存

ShopController.java

/**  * 根据id查询商铺信息  * @param id 商铺id  * @return 商铺详情数据  */  
@GetMapping("/{id}")  
public Result queryShopById(@PathVariable("id") Long id) {  return shopService.queryById(id);  
}

IShopService.java

public interface IShopService extends IService<Shop> {  Result queryById(Long id);  
}

ShopServiceImpl.java

@Service  
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public Result queryById(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopJson)) {  // 3.存在，直接返回  Shop shop = JSONUtil.toBean(shopJson, Shop.class);  return Result.ok(shop);  }  // 4.不存在，根据id查询数据库  Shop shop = getById(id);  // 5.不存在，返回错误  if (shop == null) {  return Result.fail("店铺不存在！");  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop));  // 7.返回  return Result.ok(shop);  }  
}

作业：给店铺类型查询添加缓存

ShopTypeController.java

@GetMapping("list")  
public Result queryTypeList() {  List<ShopType> typeList = typeService.queryTypeList();  return Result.ok(typeList);  
}

IShopTypeService.java

public interface IShopTypeService extends IService<ShopType> {  List<ShopType> queryTypeList();  
}

ShopTypeServiceImpl.java

@Service  
public class ShopTypeServiceImpl extends ServiceImpl<ShopTypeMapper, ShopType> implements IShopTypeService {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public List<ShopType> queryTypeList() {  String key = RedisConstants.CACHE_TYPE_KEY;  // 1.从redis中查询店铺类型  String shopTypeJson = stringRedisTemplate.opsForValue().get(key);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopTypeJson)) {  // 3.存在，转化为list返回  return JSONUtil.toList(shopTypeJson, ShopType.class);  }  // 4.不存在，查询数据库  List<ShopType> typeList = this.query().orderByAsc("sort").list();  // 5.不存在，返回空列表  if (typeList.isEmpty()) {  return new ArrayList<>();  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(typeList));  // 7.返回  return typeList;  }  
}

缓存更新策略

主动更新策略

操作缓存和数据库时有三个问题需要考虑：

删除缓存还是更新缓存？
- 更新缓存：每次更新数据库都更新缓存，无效写操作较多（❌）
- 删除缓存：更新数据库时让缓存失效，查询时再更新缓存（✅）
如何保证缓存与数据库的操作的同时成功或失败？
- 单体系统，将缓存与数据库操作放在一个事务
- 分布式系统，利用TCC等分布式事务方案
先操作缓存还是先操作数据库？
- 先删除缓存，再操作数据库
- 先操作数据库，再删除缓存

缓存更新策略的最佳实践方案：

低一致性需求：使用Redis自带的内存淘汰机制
高一致性需求：主动更新，并以超时剔除作为兜底方案
- 读操作
  - 缓存命中直接返回
  - 缓存未命中则查询数据库，并写入缓存，设定超时时间
- 写操作：
  - 先写数据库，然后再删除缓存
  - 要确保数据库与缓存操作的原子性

案例：给查询商铺的缓存添加超时剔除和主动更新的策略

修改ShopController中的业务逻辑，满足下面的需求：

根据id查询店铺时，如果缓存未命中，则查询数据库，将数据库结果写入缓存，并设置超时时间
根据id修改店铺时，先修改数据库，再删除缓存

ShopController.java

@PutMapping  
public Result updateShop(@RequestBody Shop shop) {  // 写入数据库  return shopService.update(shop);  
}

IShopService.java

Result update(Shop shop);

ShopServiceImpl.java

@Override  
@Transactional  
public Result update(Shop shop) {  Long id = shop.getId();  if (id == null) {  return Result.fail("店铺id不能为空！");  }  // 1.更新数据库  updateById(shop);  // 2.删除缓存  stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);  return Result.ok();  
}

缓存穿透

缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。

常见的解决方案有两种：

缓存空对象
- 优点：实现简单，维护方便
- 缺点：
  - 额外的内存消耗
  - 可能造成短期的不一致
布隆过滤
- 优点：内存占用较少，没有多余key
- 缺点：
  - 实现复杂
  - 存在误判可能

ShopServiceImpl.java

@Override  
public Result queryById(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopJson)) {  // 3.存在，直接返回  Shop shop = JSONUtil.toBean(shopJson, Shop.class);  return Result.ok(shop);  }  // 判断命中的是否是空值  if (shopJson != null) {  // 返回一个错误信息  return Result.fail("店铺信息不存在！");  }  // 4.不存在，根据id查询数据库  Shop shop = getById(id);  // 5.不存在，返回错误  if (shop == null) {  // 将空值写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);  // 返回错误信息  return Result.fail("店铺不存在！");  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);  // 7.返回  return Result.ok(shop);  
}

缓存穿透产生的原因：

用户请求的数据在缓存中和数据库中都不存在，不断发起这样的请求，给数据库带来巨大压力
缓存穿透的解决方案：
缓存null值
布隆过滤
增强id的复杂度，避免被猜测id规律
做好数据的基础格式校验
加强用户权限校验
做好热点参数的限流

缓存雪崩

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。

解决方案：

给不同的Key的TTL添加随机值
利用Redis集群提高服务的可用性
给缓存业务添加降级限流策略
给业务添加多级缓存

缓存击穿

缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。
常见的解决方案有两种：

互斥锁
逻辑过期

案例：基于互斥锁方式解决缓存击穿问题

需求：修改根据id查询商铺的业务，基于互斥锁方式来解决缓存击穿问题

ShopServiceImpl.java

@Service  
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public Result queryById(Long id) {  // 缓存穿透  
//        Shop shop = queryWithPassThrough(id);  // 互斥锁解决缓存击穿  Shop shop = queryWithMutex(id);  if (shop == null) {  return Result.fail("店铺不存在！");  }  return Result.ok(shop);  }  private Shop queryWithMutex(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopJson)) {  // 3.存在，直接返回  return JSONUtil.toBean(shopJson, Shop.class);  }  // 判断命中的是否是空值  if (shopJson != null) {  // 返回一个错误信息  return null;  }  // 4.开始实现缓存重建  // 4.1获取互斥锁  String lockKey = "lock:shop:" + id;  Shop shop = null;  try {  boolean isLock = tryLock(lockKey);  // 4.2判断是否获取成功  if (!isLock) {  // 4.3失败，休眠并重试  Thread.sleep(50);  return queryWithMutex(id);  }  // 4.4成功，根据id查询数据库  shop = getById(id);  // 模拟重建延时  Thread.sleep(200);  // 5.不存在，返回错误  if (shop == null) {  // 将空值写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);  // 返回错误信息  return null;  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);  } catch (InterruptedException e) {  throw new RuntimeException(e);  } finally {  // 7.释放互斥锁  unLock(lockKey);  }  // 8.返回  return shop;  }  private Shop queryWithPassThrough(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopJson)) {  // 3.存在，直接返回  return JSONUtil.toBean(shopJson, Shop.class);  }  // 判断命中的是否是空值  if (shopJson != null) {  // 返回一个错误信息  return null;  }  // 4.不存在，根据id查询数据库  Shop shop = getById(id);  // 5.不存在，返回错误  if (shop == null) {  // 将空值写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);  // 返回错误信息  return null;  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);  // 7.返回  return shop;  }  private boolean tryLock(String key) {  Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);  return BooleanUtil.isTrue(flag);  }  private void unLock(String key) {  stringRedisTemplate.delete(key);  }  @Override  @Transactional    public Result update(Shop shop) {  Long id = shop.getId();  if (id == null) {  return Result.fail("店铺id不能为空！");  }  // 1.更新数据库  updateById(shop);  // 2.删除缓存  stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);  return Result.ok();  }  
}

案例：基于逻辑过期方式解决缓存击穿问题

需求：修改根据id查询商铺的业务，基于逻辑过期方式来解决缓存击穿问题

ShopServiceImpl.java

@Service  
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {  @Resource  private StringRedisTemplate stringRedisTemplate;  @Override  public Result queryById(Long id) {  // 缓存穿透  
//        Shop shop = queryWithPassThrough(id);  // 互斥锁解决缓存击穿  
//        Shop shop = queryWithMutex(id);  // 逻辑过期解决缓存击穿  Shop shop = queryWithLogicalExpire(id);  if (shop == null) {  return Result.fail("店铺不存在！");  }  return Result.ok(shop);  }  private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);  private Shop queryWithLogicalExpire(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isBlank(shopJson)) {  // 3.不存在，直接返回  return null;  }  // 4.命中，需要先把JSON反序列化为对象  RedisData redisData = JSONUtil.toBean(shopJson, RedisData.class);  JSONObject data = (JSONObject) redisData.getData();  Shop shop = JSONUtil.toBean(data, Shop.class);  LocalDateTime expireTime = redisData.getExpireTime();  // 5.判断是否过期  if (expireTime.isAfter(LocalDateTime.now())) {  // 5.1 未过期，直接返回店铺信息  return shop;  }  // 5.2已过期 需要缓存重建  // 6.缓存重建  // 6.1获取互斥锁  String lockKey = RedisConstants.LOCK_SHOP_KEY + id;  // 6.2判断是否获取互斥锁成功  boolean isLock = tryLock(lockKey);  if (isLock) {  // 6.3成功，开启独立线程实现缓存重建  CACHE_REBUILD_EXECUTOR.submit(() -> {  try {  // 重建缓存  this.saveShop2Redis(id, 20L);  } catch (Exception e) {  throw new RuntimeException(e);  } finally {  // 释放锁  unLock(lockKey);  }  });  }  // 6.4返回过期的商铺信息  return shop;  }  private Shop queryWithMutex(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopJson)) {  // 3.存在，直接返回  return JSONUtil.toBean(shopJson, Shop.class);  }  // 判断命中的是否是空值  if (shopJson != null) {  // 返回一个错误信息  return null;  }  // 4.开始实现缓存重建  // 4.1获取互斥锁  String lockKey = RedisConstants.LOCK_SHOP_KEY + id;  Shop shop = null;  try {  boolean isLock = tryLock(lockKey);  // 4.2判断是否获取成功  if (!isLock) {  // 4.3失败，休眠并重试  Thread.sleep(50);  return queryWithMutex(id);  }  // 4.4成功，根据id查询数据库  shop = getById(id);  // 模拟重建延时  Thread.sleep(200);  // 5.不存在，返回错误  if (shop == null) {  // 将空值写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);  // 返回错误信息  return null;  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);  } catch (InterruptedException e) {  throw new RuntimeException(e);  } finally {  // 7.释放互斥锁  unLock(lockKey);  }  // 8.返回  return shop;  }  private Shop queryWithPassThrough(Long id) {  // 1.从redis查询商铺缓存  String shopJson = stringRedisTemplate.opsForValue().get(RedisConstants.CACHE_SHOP_KEY + id);  // 2.判断是否存在  if (StrUtil.isNotBlank(shopJson)) {  // 3.存在，直接返回  return JSONUtil.toBean(shopJson, Shop.class);  }  // 判断命中的是否是空值  if (shopJson != null) {  // 返回一个错误信息  return null;  }  // 4.不存在，根据id查询数据库  Shop shop = getById(id);  // 5.不存在，返回错误  if (shop == null) {  // 将空值写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);  // 返回错误信息  return null;  }  // 6.存在，写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(shop), RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);  // 7.返回  return shop;  }  private boolean tryLock(String key) {  Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);  return BooleanUtil.isTrue(flag);  }  private void unLock(String key) {  stringRedisTemplate.delete(key);  }  public void saveShop2Redis(Long id, Long expireSeconds) throws InterruptedException {  // 1.查询店铺数据  Shop shop = getById(id);  Thread.sleep(200);  // 2.封装逻辑过期时间  RedisData redisData = new RedisData();  redisData.setData(shop);  redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));  // 3.写入redis  stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, JSONUtil.toJsonStr(redisData));  }  @Override  @Transactional    public Result update(Shop shop) {  Long id = shop.getId();  if (id == null) {  return Result.fail("店铺id不能为空！");  }  // 1.更新数据库  updateById(shop);  // 2.删除缓存  stringRedisTemplate.delete(RedisConstants.CACHE_SHOP_KEY + id);  return Result.ok();  }  
}

缓存工具封装

基于StringRedisTemplate封装一个缓存工具类，满足下列需求：

方法1：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置TTL过期时间
方法2：将任意Java对象序列化为json并存储在string类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
方法4：根据指定的key查询缓存，并反序列化为指定类型，需要利用逻辑过期解决缓存击穿问题

CacheClient.java

@Component  
@Slf4j  
public class CacheClient {  private final StringRedisTemplate stringRedisTemplate;  public CacheClient(StringRedisTemplate stringRedisTemplate) {  this.stringRedisTemplate = stringRedisTemplate;  }  public void set(String key, Object value, Long time, TimeUnit unit) {  stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, unit);  }  public void setWithLogicalExpire(String key, Object value, Long time, TimeUnit unit) {  // 设置逻辑过期  RedisData redisData = new RedisData();  redisData.setData(value);  redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));  // 写入redis  stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));  }  public  <R, ID> R queryWithPassThrough(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {  String key = keyPrefix + id;  // 1.从redis查询商铺缓存  String json = stringRedisTemplate.opsForValue().get(key);  // 2.判断是否存在  if (StrUtil.isNotBlank(json)) {  // 3.存在，直接返回  return JSONUtil.toBean(json, type);  }  // 判断命中的是否是空值  if (json != null) {  // 返回一个错误信息  return null;  }  // 4.不存在，根据id查询数据库  R r = dbFallback.apply(id);  // 5.不存在，返回错误  if (r == null) {  // 将空值写入redis  stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);  // 返回错误信息  return null;  }  // 6.存在，写入redis  this.set(key, r, time, unit);  // 7.返回  return r;  }  private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);  public <R, ID> R queryWithLogicalExpire(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {  String key = keyPrefix + id;  // 1.从redis查询商铺缓存  String json = stringRedisTemplate.opsForValue().get(key);  // 2.判断是否存在  if (StrUtil.isBlank(json)) {  // 3.不存在，直接返回  return null;  }  // 4.命中，需要先把JSON反序列化为对象  RedisData redisData = JSONUtil.toBean(json, RedisData.class);  R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);  LocalDateTime expireTime = redisData.getExpireTime();  // 5.判断是否过期  if (expireTime.isAfter(LocalDateTime.now())) {  // 5.1 未过期，直接返回店铺信息  return r;  }  // 5.2已过期 需要缓存重建  // 6.缓存重建  // 6.1获取互斥锁  String lockKey = RedisConstants.LOCK_SHOP_KEY + id;  // 6.2判断是否获取互斥锁成功  boolean isLock = tryLock(lockKey);  if (isLock) {  // 6.3成功，开启独立线程实现缓存重建  CACHE_REBUILD_EXECUTOR.submit(() -> {  try {  // 重建缓存  // 查询数据库  R r1 = dbFallback.apply(id);  // 写入redis  this.setWithLogicalExpire(key, r1, time, unit);  } catch (Exception e) {  throw new RuntimeException(e);  } finally {  // 释放锁  unLock(lockKey);  }  });  }  // 6.4返回过期的商铺信息  return r;  }  private boolean tryLock(String key) {  Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);  return BooleanUtil.isTrue(flag);  }  private void unLock(String key) {  stringRedisTemplate.delete(key);  }  }

ShopServiceImpl.java

@Resource  private StringRedisTemplate stringRedisTemplate;  @Resource  private CacheClient cacheClient;  @Override  public Result queryById(Long id) {  // 缓存穿透  
//        Shop shop = cacheClient.queryWithPassThrough(RedisConstants.CACHE_SHOP_KEY, id, Shop.class, this::getById,  
//                RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);  // 互斥锁解决缓存击穿  
//        Shop shop = queryWithMutex(id);  // 逻辑过期解决缓存击穿  Shop shop = cacheClient.queryWithLogicalExpire(RedisConstants.CACHE_SHOP_KEY, id, Shop.class, this::getById,  20L, TimeUnit.SECONDS);  if (shop == null) {  return Result.fail("店铺不存在！");  }  return Result.ok(shop);  }

HmDianPingApplicationTests.java

@SpringBootTest  
class HmDianPingApplicationTests {  @Resource  private ShopServiceImpl shopService;  @Resource  private CacheClient cacheClient;  @Test  void testSaveShop() throws InterruptedException {  Shop shop = shopService.getById(1L);  cacheClient.setWithLogicalExpire(RedisConstants.CACHE_SHOP_KEY + 1L, shop, 10L, TimeUnit.SECONDS);  }  
}

优惠券秒杀

全局唯一ID

每个店铺都可以发布优惠券：

当用户抢购时，就会生成订单并保存到tb_voucher_order这张表中，而订单表如果使用数据库自增ID就存在一些问题：

id的规律性太明显
受单表数据量的限制

全局ID生成器

全局ID生成器，是一种在分布式系统下用来生成全局唯一ID的工具，一般要满足下列特性：

为了增加ID的安全性，我们可以不直接使用Redis自增的数值，而是拼接一些其它信息：

ID的组成部分：

符号位：1bit，永远为0
时间戳：31bit，以秒为单位，可以使用69年
序列号：32bit，秒内的计数器，支持每秒产生2^32个不同ID

全局唯一ID生成策略：

UUID
Redis自增
snowflake算法
数据库自增
Redis自增ID策略：
每天一个key，方便统计订单量
ID构造是时间戳 + 计数器

RedisIdWorker.java

@Component  
public class RedisIdWorker {  /**  * 开始时间戳  */  private static final long BEGIN_TIMESTAMP = 1704067200;  /**  * 序列号的位数  */  private static final long COUNT_BITS = 32;  @Resource  private StringRedisTemplate stringRedisTemplate;  public long nextId(String keyPrefix) {  // 1.生成时间戳  LocalDateTime now = LocalDateTime.now();  long nowSecond = now.toEpochSecond(ZoneOffset.UTC);  long timestamp = nowSecond - BEGIN_TIMESTAMP;  // 2.生成序列号  // 2.1获取当前的日期，精确到天  String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));  // 2.2自增长  long count = stringRedisTemplate.opsForValue().increment("icr:" + keyPrefix + ":" + date);  // 3.拼接并返回  return timestamp << COUNT_BITS | count;  }  }

实现优惠券秒杀下单

每个店铺都可以发布优惠券，分为平价券和特价券。平价券可以任意购买，而特价券需要秒杀抢购：

表关系如下：

tb_voucher：优惠券的基本信息，优惠金额、使用规则等
tb_seckill_voucher：优惠券的库存、开始抢购时间，结束抢购时间。特价优惠券才需要填写这些信息

在VoucherController中提供了一个接口，可以添加秒杀优惠券：

用户可以在店铺页面中抢购这些优惠券：

下单时需要判断两点：

秒杀是否开始或结束，如果尚未开始或已经结束则无法下单
库存是否充足，不足则无法下单

@RestController
@RequestMapping("/voucher-order")
public class VoucherOrderController {@Resourceprivate IVoucherOrderService voucherOrderService;@PostMapping("seckill/{id}")public Result seckillVoucher(@PathVariable("id") Long voucherId) {return voucherOrderService.seckillVoucher(voucherId);}
}

public interface IVoucherOrderService extends IService<VoucherOrder> {Result seckillVoucher(Long voucherId);
}

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {@Resourceprivate ISeckillVoucherService seckillVoucherService;@Resourceprivate RedisIdWorker redisIdWorker;@Override@Transactionalpublic Result seckillVoucher(Long voucherId) {// 1.查询优惠券SeckillVoucher voucher = seckillVoucherService.getById(voucherId);// 2.判断秒杀是否开始if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {// 尚未开始return Result.fail("秒杀尚未开始！");}// 3.判断秒杀是否已经结束if (voucher.getEndTime().isBefore(LocalDateTime.now())) {// 秒杀已经结束return Result.fail("秒杀已经结束！");}// 4.判断库存是否充足if (voucher.getStock() < 1) {// 库存不足return Result.fail("库存不足！");}// 5.扣减库存boolean success = seckillVoucherService.update().setSql("stock = stock - 1").eq("voucher_id", voucherId).update();if(!success) {// 扣减失败return Result.fail("库存不足！");}// 6.创建订单VoucherOrder voucherOrder = new VoucherOrder();// 6.1 订单idlong orderId = redisIdWorker.nextId("order");voucherOrder.setId(orderId);// 6.2 用户idLong userId = UserHolder.getUser().getId();voucherOrder.setUserId(userId);// 6.3 代金券idvoucherOrder.setVoucherId(voucherId);save(voucherOrder);// 7.返回订单idreturn Result.ok(orderId);}
}

超卖问题

超卖问题是典型的多线程安全问题，针对这一问题的常见解决方案就是加锁：

乐观锁

乐观锁的关键是判断之前查询得到的数据是否有被修改过，常见的方式有两种：

版本号法

CAS法

超卖这样的线程安全问题，解决方案有哪些？

悲观锁：添加同步锁，让线程串行执行
- 优点：简单粗暴
- 缺点：性能一般
乐观锁：不加锁，在更新时判断是否有其它线程在修改
- 优点：性能好
- 缺点：存在成功率低的问题

一人一单

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

一人一单的并发安全问题

通过加锁可以解决在单机情况下的一人一单安全问题，但是在集群模式下就不行了。

我们将服务启动两份，端口分别为8081和8082：
然后修改nginx的conf目录下的nginx.conf文件，配置反向代理和负载均衡：

现在，用户请求会在这两个节点上负载均衡，再次测试下是否存在线程安全问题。

分布式锁

什么是分布式锁

分布式锁：满足分布式系统或集群模式下多进程可见并且互斥的锁。

分布式锁的实现

分布式锁的核心是实现多进程之间互斥，而满足这一点的方式有很多，常见的有三种：

基于Redis的分布式锁

实现分布式锁时需要实现的两个基本方法：

获取锁：
- 互斥：确保只能有一个线程获取锁
- 非阻塞：尝试一次，成功返回true，失败返回false
释放锁：
- 手动释放
- 超时释放：获取锁时添加一个超时时间

基于Redis实现分布式锁初级版本

需求：定义一个类，实现下面接口，利用Redis实现分布式锁功能。

public interface ILock {/*** 尝试获取锁* @param timeoutSec 锁持有的超时时间，过期后自动释放* @return true代表获取锁成功；false代表获取锁失败*/boolean tryLock(long timeoutSec);/*** 释放锁*/void unlock();
}

public class SimpleRedisLock implements ILock{private String name;private StringRedisTemplate stringRedisTemplate;public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {this.name = name;this.stringRedisTemplate = stringRedisTemplate;}private static final String KEY_PREFIX = "lock:";@Overridepublic boolean tryLock(long timeoutSec) {// 获取线程标识long threadId = Thread.currentThread().getId();// 获取锁Boolean success = stringRedisTemplate.opsForValue().setIfAbsent(KEY_PREFIX + name, threadId + "", timeoutSec, TimeUnit.SECONDS);return Boolean.TRUE.equals(success);}@Overridepublic void unlock() {// 释放锁stringRedisTemplate.delete(KEY_PREFIX + name);}}

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {@Resourceprivate ISeckillVoucherService seckillVoucherService;@Resourceprivate RedisIdWorker redisIdWorker;@Resourceprivate StringRedisTemplate stringRedisTemplate;@Overridepublic Result seckillVoucher(Long voucherId) {// 1.查询优惠券SeckillVoucher voucher = seckillVoucherService.getById(voucherId);// 2.判断秒杀是否开始if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {// 尚未开始return Result.fail("秒杀尚未开始！");}// 3.判断秒杀是否已经结束if (voucher.getEndTime().isBefore(LocalDateTime.now())) {// 秒杀已经结束return Result.fail("秒杀已经结束！");}// 4.判断库存是否充足if (voucher.getStock() < 1) {// 库存不足return Result.fail("库存不足！");}Long userId = UserHolder.getUser().getId();// 创建锁对象SimpleRedisLock lock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);// 获取锁boolean isLock = lock.tryLock(5L);// 判断是否获取锁成功if (!isLock) {// 获取锁失败，返回错误信息或重试return Result.fail("不允许重复下单！");}try {// 获取代理对象（事务）IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();return proxy.createVoucherOrder(voucherId, voucher);} finally {// 释放锁lock.unlock();}}
}

改进Redis的分布式锁

需求：修改之前的分布式锁实现，满足：

在获取锁时存入线程标示（可以用UUID表示）
在释放锁时先获取锁中的线程标示，判断是否与当前线程标示一致
- 如果一致则释放锁
- 如果不一致则不释放锁

public class SimpleRedisLock implements ILock{private String name;private StringRedisTemplate stringRedisTemplate;public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {this.name = name;this.stringRedisTemplate = stringRedisTemplate;}private static final String KEY_PREFIX = "lock:";private static final String ID_PREFIX = UUID.randomUUID().toString(true);@Overridepublic boolean tryLock(long timeoutSec) {// 获取线程标识String threadId = ID_PREFIX + Thread.currentThread().getId();// 获取锁Boolean success = stringRedisTemplate.opsForValue().setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);return Boolean.TRUE.equals(success);}@Overridepublic void unlock() {// 获取线程标识String threadId = ID_PREFIX + Thread.currentThread().getId();// 获取锁中的标识String id = stringRedisTemplate.opsForValue().get(KEY_PREFIX + name);// 判断标识是否一致if (threadId.equals(id)) {// 释放锁stringRedisTemplate.delete(KEY_PREFIX + name);}}}

Redis的Lua脚本

Redis提供了Lua脚本功能，在一个脚本中编写多条Redis命令，确保多条命令执行时的原子性。Lua是一种编程语言，它的基本语法大家可以参考网站：https://www.runoob.com/lua/lua-tutorial.html

这里重点介绍Redis提供的调用函数，语法如下：

例如，我们要执行set name jack，则脚本是这样：

例如，我们要先执行set name Rose，再执行get name，则脚本如下：

写好脚本以后，需要用Redis命令来调用脚本，调用脚本的常见命令如下：

例如，我们要执行 redis.call('set', 'name', 'jack') 这个脚本，语法如下：

如果脚本中的key、value不想写死，可以作为参数传递。key类型参数会放入KEYS数组，其它参数会放入ARGV数组，在脚本中可以从KEYS和ARGV数组获取这些参数：

释放锁的业务流程是这样的：

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

如果用Lua脚本来表示则是这样的：

再次改进Redis的分布式锁

需求：基于Lua脚本实现分布式锁的释放锁逻辑

提示：RedisTemplate调用Lua脚本的API如下：

-- 比较线程标识与锁中的标识是否一致
if(redis.call('get', KEYS[1]) == ARGV[1]) then-- 释放锁 del keyreturn redis.call('del', KEYS[1])
end
return 0

public class SimpleRedisLock implements ILock{private String name;private StringRedisTemplate stringRedisTemplate;public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {this.name = name;this.stringRedisTemplate = stringRedisTemplate;}private static final String KEY_PREFIX = "lock:";private static final String ID_PREFIX = UUID.randomUUID().toString(true) + "-";private static final DefaultRedisScript<Long> UNLOCK_SCRIPT;static {UNLOCK_SCRIPT = new DefaultRedisScript<>();UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua"));UNLOCK_SCRIPT.setResultType(Long.class);}@Overridepublic boolean tryLock(long timeoutSec) {// 获取线程标识String threadId = ID_PREFIX + Thread.currentThread().getId();// 获取锁Boolean success = stringRedisTemplate.opsForValue().setIfAbsent(KEY_PREFIX + name, threadId, timeoutSec, TimeUnit.SECONDS);return Boolean.TRUE.equals(success);}@Overridepublic void unlock() {// 调用Lua脚本stringRedisTemplate.execute(UNLOCK_SCRIPT, Collections.singletonList(KEY_PREFIX + name), ID_PREFIX + Thread.currentThread().getId());}
}

基于Redis的分布式锁实现思路：

利用set nx ex获取锁，并设置过期时间，保存线程标示
释放锁时先判断线程标示是否与自己一致，一致则删除锁

特性：

利用set nx满足互斥性
利用set ex保证故障时锁依然能释放，避免死锁，提高安全性
利用Redis集群保证高可用和高并发特性

基于Redis的分布式锁优化

基于setnx实现的分布式锁存在下面的问题：

Redisson

Redisson是一个在Redis的基础上实现的Java驻内存数据网格（In-Memory Data Grid）。它不仅提供了一系列的分布式的Java常用对象，还提供了许多分布式服务，其中就包含了各种分布式锁的实现。

官网地址： https://redisson.org

GitHub地址： https://github.com/redisson/redisson

Redisson入门

引入依赖：

<dependency><groupId>org.redisson</groupId><artifactId>redisson</artifactId><version>3.13.6</version>
</dependency>

配置Redisson客户端

使用Redisson的分布式锁

把之前的锁对象改成Redisson的锁

        // 创建锁对象
//        SimpleRedisLock lock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);RLock lock = redissonClient.getLock("lock:order:" + userId);// 获取锁boolean isLock = lock.tryLock();

Redisson可重入锁原理

获取锁的Lua脚本：

释放锁的Lua脚本：

Redisson分布式锁原理

Redisson分布式锁原理：

可重入：利用hash结构记录线程id和重入次数
可重试：利用信号量和PubSub功能实现等待、唤醒，获取锁失败的重试机制
超时续约：利用watchDog，每隔一段时间（releaseTime / 3），重置超时时间

Redisson分布式锁主从一致性问题

不可重入Redis分布式锁：

原理：利用setnx的互斥性；利用ex避免死锁；释放锁时判断线程标示
缺陷：不可重入、无法重试、锁超时失效

可重入的Redis分布式锁：

原理：利用hash结构，记录线程标示和重入次数；利用watchDog延续锁时间；利用信号量控制锁重试等待
缺陷：redis宕机引起锁失效问题

Redisson的multiLock：

原理：多个独立的Redis节点，必须在所有节点都获取重入锁，才算获取锁成功
缺陷：运维成本高、实现复杂

Redis优化秒杀

案例：改进秒杀业务，提高并发性能

需求：

①新增秒杀优惠券的同时，将优惠券信息保存到Redis中

②基于Lua脚本，判断秒杀库存、一人一单，决定用户是否抢购成功

③如果抢购成功，将优惠券id和用户id封装后存入阻塞队列

④开启线程任务，不断从阻塞队列中获取信息，实现异步下单功能

@Service
public class VoucherServiceImpl extends ServiceImpl<VoucherMapper, Voucher> implements IVoucherService {@Resourceprivate ISeckillVoucherService seckillVoucherService;@Resourceprivate StringRedisTemplate stringRedisTemplate;@Overridepublic Result queryVoucherOfShop(Long shopId) {// 查询优惠券信息List<Voucher> vouchers = getBaseMapper().queryVoucherOfShop(shopId);// 返回结果return Result.ok(vouchers);}@Override@Transactionalpublic void addSeckillVoucher(Voucher voucher) {// 保存优惠券save(voucher);// 保存秒杀信息SeckillVoucher seckillVoucher = new SeckillVoucher();seckillVoucher.setVoucherId(voucher.getId());seckillVoucher.setStock(voucher.getStock());seckillVoucher.setBeginTime(voucher.getBeginTime());seckillVoucher.setEndTime(voucher.getEndTime());seckillVoucherService.save(seckillVoucher);// 保存秒杀库存到redisstringRedisTemplate.opsForValue().set(RedisConstants.SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());}
}

@Slf4j
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {@Resourceprivate ISeckillVoucherService seckillVoucherService;@Resourceprivate RedisIdWorker redisIdWorker;@Resourceprivate StringRedisTemplate stringRedisTemplate;@Resourceprivate RedissonClient redissonClient;private static final DefaultRedisScript<Long> SECKILL_SCRIPT;static {SECKILL_SCRIPT = new DefaultRedisScript<>();SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua"));SECKILL_SCRIPT.setResultType(Long.class);}private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();@PostConstructprivate void init() {SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());}private class VoucherOrderHandler implements Runnable {@Overridepublic void run() {while (true) {try {// 1.获取队列中的订单信息VoucherOrder voucherOrder = orderTasks.take();// 2.创建订单handleVoucherOrder(voucherOrder);} catch (InterruptedException e) {log.error("处理订单异常", e);}}}}private void handleVoucherOrder(VoucherOrder voucherOrder) {// 1.获取用户Long userId = voucherOrder.getUserId();// 2.创建锁对象RLock lock = redissonClient.getLock("lock:order:" + userId);// 3.获取锁boolean isLock = lock.tryLock();// 4.判断是否获取锁成功if (!isLock) {// 获取锁失败，返回错误信息或重试log.error("不允许重复下单");return;}try {proxy.createVoucherOrder(voucherOrder);} finally {// 释放锁lock.unlock();}}private IVoucherOrderService proxy;@Overridepublic Result seckillVoucher(Long voucherId) {// 获取用户Long userId = UserHolder.getUser().getId();// 1.执行lua脚本Long result = stringRedisTemplate.execute(SECKILL_SCRIPT,Collections.emptyList(),voucherId.toString(), userId.toString());// 2.判断结果是否为0int r = result.intValue();if (r != 0) {// 2.1 不为0，代表没有购买资格return Result.fail(r == 1 ? "库存不足" : "不能重复下单");}// 2.2 为0，有购买资格，把下单信息保存到阻塞队列VoucherOrder voucherOrder = new VoucherOrder();// 2.3 订单idlong orderId = redisIdWorker.nextId("order");voucherOrder.setId(orderId);// 2.4 用户idvoucherOrder.setUserId(userId);// 2.5 代金券idvoucherOrder.setVoucherId(voucherId);save(voucherOrder);// 2.6 创建阻塞队列orderTasks.add(voucherOrder);// 3.获取代理对象proxy = (IVoucherOrderService) AopContext.currentProxy();// 4.返回订单idreturn Result.ok(orderId);}/*@Overridepublic Result seckillVoucher(Long voucherId) {// 1.查询优惠券SeckillVoucher voucher = seckillVoucherService.getById(voucherId);// 2.判断秒杀是否开始if (voucher.getBeginTime().isAfter(LocalDateTime.now())) {// 尚未开始return Result.fail("秒杀尚未开始！");}// 3.判断秒杀是否已经结束if (voucher.getEndTime().isBefore(LocalDateTime.now())) {// 秒杀已经结束return Result.fail("秒杀已经结束！");}// 4.判断库存是否充足if (voucher.getStock() < 1) {// 库存不足return Result.fail("库存不足！");}Long userId = UserHolder.getUser().getId();// 创建锁对象
//        SimpleRedisLock lock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);RLock lock = redissonClient.getLock("lock:order:" + userId);// 获取锁boolean isLock = lock.tryLock();// 判断是否获取锁成功if (!isLock) {// 获取锁失败，返回错误信息或重试return Result.fail("不允许重复下单！");}try {// 获取代理对象（事务）IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();return proxy.createVoucherOrder(voucherId, voucher);} finally {// 释放锁lock.unlock();}}*/@Transactionalpublic void createVoucherOrder(VoucherOrder voucherOrder) {// 5.一人一单Long userId = voucherOrder.getUserId();// 5.1 查询订单int count = query().eq("user_id", userId).eq("voucher_id", voucherOrder.getVoucherId()).count();// 5.2 判断是否存在if (count > 0) {// 用户已经购买过了log.error("用户已经购买过一次");return;}// 6.扣减库存boolean success = seckillVoucherService.update().setSql("stock = stock - 1") // set stock = stock - 1.eq("voucher_id", voucherOrder).gt("stock", 0) // where id = ? and stock > 0.update();if (!success) {// 扣减失败log.error("库存不足！");return;}save(voucherOrder);}
}

public interface IVoucherOrderService extends IService<VoucherOrder> {Result seckillVoucher(Long voucherId);void createVoucherOrder(VoucherOrder voucherOrder);
}

-- 1.参数列表
-- 1.1 优惠券id
local voucherId = ARGV[1]
-- 1.2 用户id
local userId = ARGV[2]-- 2.数据key
-- 2.1 库存key
local stockKey = 'seckill:stock:' .. voucherId
-- 2.2 订单key
local orderKey = 'seckill:order:' .. voucherId-- 3.脚本业务
-- 3.1 判断库存是否充足 get stockKey
if(tonumber(redis.call('get', stockKey)) <= 0) then-- 3.2 库存不足，返回1return 1
end
-- 3.2 判断用户是否下单 SISMEMBER orderKey userId
if(redis.call('sismember'. orderKey, userId) == 1) then-- 3.3 存在，说明是重复下单return 2
end
-- 3.4 扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
-- 3.5 下单（保存用户） sadd orderKey userId
redis.call('sadd', orderKey, userId);
return 0;

秒杀业务的优化思路是什么？

①先利用Redis完成库存余量、一人一单判断，完成抢单业务

②再将下单业务放入阻塞队列，利用独立线程异步下单

基于阻塞队列的异步秒杀存在哪些问题？

内存限制问题
数据安全问题

Redis消息队列实现异步秒杀

消息队列（Message Queue），字面意思就是存放消息的队列。最简单的消息队列模型包括3个角色：

消息队列：存储和管理消息，也被称为消息代理（Message Broker）
生产者：发送消息到消息队列
消费者：从消息队列获取消息并处理消息

Redis提供了三种不同的方式来实现消息队列：

list结构：基于List结构模拟消息队列
PubSub：基本的点对点消息模型
Stream：比较完善的消息队列模型

基于List结构模拟消息队列

消息队列（Message Queue），字面意思就是存放消息的队列。而Redis的list数据结构是一个双向链表，很容易模拟出队列效果。

队列是入口和出口不在一边，因此我们可以利用：LPUSH 结合 RPOP、或者 RPUSH 结合 LPOP来实现。

不过要注意的是，当队列中没有消息时RPOP或LPOP操作会返回null，并不像JVM的阻塞队列那样会阻塞并等待消息。因此这里应该使用BRPOP或者BLPOP来实现阻塞效果。

基于List的消息队列有哪些优缺点？

优点：

利用Redis存储，不受限于JVM内存上限
基于Redis的持久化机制，数据安全性有保证
可以满足消息有序性

缺点：

无法避免消息丢失
只支持单消费者

基于PubSub的消息队列

PubSub****（发布订阅）是Redis2.0版本引入的消息传递模型。顾名思义，消费者可以订阅一个或多个channel，生产者向对应channel发送消息后，所有订阅者都能收到相关消息。

SUBSCRIBE channel [channel] ：订阅一个或多个频道
PUBLISH channel msg ：向一个频道发送消息
PSUBSCRIBE pattern[pattern] ：订阅与pattern格式匹配的所有频道

基于PubSub的消息队列有哪些优缺点？

优点：

采用发布订阅模型，支持多生产、多消费

缺点：

不支持数据持久化
无法避免消息丢失
消息堆积有上限，超出时数据丢失

基于Stream的消息队列

Stream 是 Redis 5.0 引入的一种新数据类型，可以实现一个功能非常完善的消息队列。

发送消息的命令：

例如：

基于Stream的消息队列-XREAD

读取消息的方式之一：XREAD

例如，使用XREAD读取第一个消息：

XREAD阻塞方式，读取最新的消息：

在业务开发中，我们可以循环的调用XREAD阻塞方式来查询最新消息，从而实现持续监听队列的效果，伪代码如下：

注意：当我们指定起始ID为$时，代表读取最新的消息，如果我们处理一条消息的过程中，又有超过1条以上的消息到达队列，则下次获取时也只能获取到最新的一条，会出现漏读消息的问题。

STREAM类型消息队列的XREAD命令特点：

消息可回溯
一个消息可以被多个消费者读取
可以阻塞读取
有消息漏读的风险

基于Stream的消息队列-消费者组

消费者组（Consumer Group）：将多个消费者划分到一个组中，监听同一个队列。具备下列特点：

创建消费者组：

key：队列名称
groupName：消费者组名称
ID：起始ID标示，$代表队列中最后一个消息，0则代表队列中第一个消息
MKSTREAM：队列不存在时自动创建队列

其它常见命令：

从消费者组读取消息：

group：消费组名称
consumer：消费者名称，如果消费者不存在，会自动创建一个消费者
count：本次查询的最大数量
BLOCK milliseconds：当没有消息时最长等待时间
NOACK：无需手动ACK，获取到消息后自动确认
STREAMS key：指定队列名称
ID：获取消息的起始ID：
- ">"：从下一个未消费的消息开始
- 其它：根据指定id从pending-list中获取已消费但未确认的消息，例如0，是从pending-list中的第一个消息开始

消费者监听消息的基本思路：

STREAM类型消息队列的XREADGROUP命令特点：

消息可回溯
可以多消费者争抢消息，加快消费速度
可以阻塞读取
没有消息漏读的风险
有消息确认机制，保证消息至少被消费一次

Redis消息队列

案例：基于Redis的Stream结构作为消息队列，实现异步秒杀下单

需求：

①创建一个Stream类型的消息队列，名为stream.orders

②修改之前的秒杀下单Lua脚本，在认定有抢购资格后，直接向stream.orders中添加消息，内容包含voucherId、userId、orderId

③项目启动时，开启一个线程任务，尝试获取stream.orders中的消息，完成下单

seckill.lua

-- 1.参数列表
-- 1.1 优惠券id
local voucherId = ARGV[1]
-- 1.2 用户id
local userId = ARGV[2]
-- 1.3 订单id
local orderId = ARGV[3]-- 2.数据key
-- 2.1 库存key
local stockKey = 'seckill:stock:' .. voucherId
-- 2.2 订单key
local orderKey = 'seckill:order:' .. voucherId-- 3.脚本业务
-- 3.1 判断库存是否充足 get stockKey
if(tonumber(redis.call('get', stockKey)) <= 0) then-- 3.2 库存不足，返回1return 1
end
-- 3.2 判断用户是否下单 SISMEMBER orderKey userId
if(redis.call('sismember'. orderKey, userId) == 1) then-- 3.3 存在，说明是重复下单return 2
end
-- 3.4 扣库存 incrby stockKey -1
redis.call('incrby', stockKey, -1)
-- 3.5 下单（保存用户） sadd orderKey userId
redis.call('sadd', orderKey, userId);
-- 3.6 发送消息到队列中，xadd stream.orders * k1 v1 k2 v2 ...
redis.call('xadd', 'stream.orders', '*', 'userId', userId, 'voucherId', voucherId, 'id', orderId)
return 0;

VoucherOrderServiceImpl.java

private class VoucherOrderHandler implements Runnable {@Overridepublic void run() {while (true) {try {// 1.获取消息队列中的订单信息 xreadgroup group g1 c1 count 1 block 2000 streams streams.order >List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(Consumer.from("g1", "c1"),StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),StreamOffset.create("stream.orders", ReadOffset.lastConsumed()));// 2.判断消息获取是否成功if (list == null || list.isEmpty()) {// 2.1 如果获取失败，说明没有消息，继续下一次循环continue;}// 3.解析消息中的订单信息MapRecord<String, Object, Object> record = list.get(0);Map<Object, Object> values = record.getValue();VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(values, new VoucherOrder(), true);// 4.如果获取成功，可以下单handleVoucherOrder(voucherOrder);// 5.ack确认 sack stream.orders g1 idstringRedisTemplate.opsForStream().acknowledge("stream.orders", "g1", record.getId());} catch (Exception e) {log.error("处理订单异常", e);handlePendingList();}}}private void handlePendingList() {while (true) {try {// 1.获取pending-list中的订单信息 xreadgroup group g1 c1 count 1 streams streams.order 0List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(Consumer.from("g1", "c1"),StreamReadOptions.empty().count(1),StreamOffset.create("stream.orders", ReadOffset.from("0")));// 2.判断消息获取是否成功if (list == null || list.isEmpty()) {// 2.1 如果获取失败，说明pending-list没有异常消息，结束循环break;}// 3.解析消息中的订单信息MapRecord<String, Object, Object> record = list.get(0);Map<Object, Object> values = record.getValue();VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(values, new VoucherOrder(), true);// 4.如果获取成功，可以下单handleVoucherOrder(voucherOrder);// 5.ack确认 sack stream.orders g1 idstringRedisTemplate.opsForStream().acknowledge("stream.orders", "g1", record.getId());} catch (Exception e) {log.error("处理pending-list异常", e);try {Thread.sleep(20);} catch (InterruptedException ex) {ex.printStackTrace();}}}}}

达人探店

发布探店笔记

探店笔记类似点评网站的评价，往往是图文结合。对应的表有两个：

tb_blog：探店笔记表，包含笔记中的标题、文字、图片等
tb_blog_comments：其他用户对探店笔记的评价

点击首页最下方菜单栏中的+按钮，即可发布探店图文：

案例：实现查看发布探店笔记的接口

需求：点击首页的探店笔记，会进入详情页面，实现该页面的查询接口：

BlogServiceImpl.java

@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {@Resourceprivate IUserService userService;@Overridepublic Result queryHotBlog(Integer current) {// 根据用户查询Page<Blog> page = query().orderByDesc("liked").page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));// 获取当前页的数据List<Blog> records = page.getRecords();// 查询用户records.forEach(this::queryBlogUser);return Result.ok(records);}@Overridepublic Result queryBlogById(Long id) {// 1.查询blogBlog 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(blog.getIcon());}
}

在首页的探店笔记排行榜和探店图文详情页面都有点赞的功能：

案例：完善点赞功能

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，判断字段Blog类的isLike属性）

实现步骤：

①给Blog类中添加一个isLike字段，标示是否被当前用户点赞

②修改点赞功能，利用Redis的set集合判断是否点赞过，未点赞过则点赞数+1，已点赞过则点赞数-1

③修改根据id查询Blog的业务，判断当前登录用户是否点赞过，赋值给isLike字段

④修改分页查询Blog业务，判断当前登录用户是否点赞过，赋值给isLike字段

BlogController.java

@RestController
@RequestMapping("/blog")
public class BlogController {@Resourceprivate IBlogService blogService;@PostMappingpublic Result saveBlog(@RequestBody Blog blog) {// 获取登录用户UserDTO user = UserHolder.getUser();blog.setUserId(user.getId());// 保存探店博文blogService.save(blog);// 返回idreturn Result.ok(blog.getId());}@PutMapping("/like/{id}")public Result likeBlog(@PathVariable("id") Long id) {return blogService.likeBlog(id);}@GetMapping("/of/me")public Result queryMyBlog(@RequestParam(value = "current", defaultValue = "1") Integer current) {// 获取登录用户UserDTO user = UserHolder.getUser();// 根据用户查询Page<Blog> page = blogService.query().eq("user_id", user.getId()).page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));// 获取当前页数据List<Blog> records = page.getRecords();return Result.ok(records);}@GetMapping("/hot")public Result queryHotBlog(@RequestParam(value = "current", defaultValue = "1") Integer current) {return blogService.queryHotBlog(current);}@GetMapping("/{id}")public Result queryBlogById(@PathVariable("id") Long id) {return blogService.queryBlogById(id);}
}

BlogServiceImpl.java

@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {@Resourceprivate IUserService userService;@Resourceprivate StringRedisTemplate stringRedisTemplate;@Overridepublic Result queryHotBlog(Integer current) {// 根据用户查询Page<Blog> page = query().orderByDesc("liked").page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));// 获取当前页的数据List<Blog> records = page.getRecords();// 查询用户records.forEach(blog -> {this.queryBlogUser(blog);this.isBlockLiked(blog);});return Result.ok(records);}@Overridepublic Result queryBlogById(Long id) {// 1.查询blogBlog 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);// 3. 查询blog是否被点赞isBlockLiked(blog);return Result.ok(blog);}private void isBlockLiked(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String key = "block:liked:" + blog.getId();Boolean isMember = stringRedisTemplate.opsForSet().isMember(key, userId.toString());blog.setIsLike(BooleanUtil.isTrue(isMember));}@Overridepublic 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String key = "block:liked:" + id;Boolean isMember = stringRedisTemplate.opsForSet().isMember(key, userId.toString());if (BooleanUtil.isFalse(isMember)) {// 3.如果未点赞，可以点赞// 3.1 数据库点赞数 + 1boolean isSuccess = update().setSql("liked = liked + 1").eq("id", id).update();// 3.2 保存用户到redis的set集合if (isSuccess) {stringRedisTemplate.opsForSet().add(key, userId.toString());}} else {// 4.如果已点赞，取消点赞// 4.1 数据库点赞数 - 1boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();// 4.2 把用户从redis的set集合移除if (isSuccess) {stringRedisTemplate.opsForSet().remove(key, userId);}}return Result.ok();}private void queryBlogUser(Blog blog) {Long userId = blog.getUserId();User user = userService.getById(userId);blog.setName(user.getNickName());blog.setIcon(blog.getIcon());}
}

点赞排行榜

在探店笔记的详情页面，应该把给该笔记点赞的人显示出来，比如最早点赞的TOP5，形成点赞排行榜：

案例：实现查询点赞排行榜的接口

需求：按照点赞时间先后排序，返回Top5的用户

BlogController.java

@GetMapping("/likes/{id}")
public Result queryBlogLikes(@PathVariable("id") Long id) {return blogService.queryBlogLikes(id);
}

IBlogService.java

Result queryBlogLikes(Long id);

BlogServiceImpl.java

private void isBlockLiked(Blog blog) {// 1.获取登录用户UserDTO user = UserHolder.getUser();if (user == null) {// 用户未登录，无需查询是否点赞return;}Long userId = user.getId();// 2.判断当前登录用户是否已经点赞String key = RedisConstants.BLOG_LIKED_KEY + blog.getId();Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());blog.setIsLike(score != null);
}@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String key = RedisConstants.BLOG_LIKED_KEY + id;Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());if (score == null) {// 3.如果未点赞，可以点赞// 3.1 数据库点赞数 + 1boolean isSuccess = update().setSql("liked = liked + 1").eq("id", id).update();// 3.2 保存用户到redis的sortedset集合 zadd key value scoreif (isSuccess) {stringRedisTemplate.opsForZSet().add(key, userId.toString(), System.currentTimeMillis());}} else {// 4.如果已点赞，取消点赞// 4.1 数据库点赞数 - 1boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();// 4.2 把用户从redis的set集合移除if (isSuccess) {stringRedisTemplate.opsForZSet().remove(key, userId);}}return Result.ok();
}@Override
public Result queryBlogLikes(Long id) {String key = RedisConstants.BLOG_LIKED_KEY + id;// 1.查询Top5的点赞用户 zrange key 0 4Set<String> top5 = stringRedisTemplate.opsForZSet().range(key, 0, 4);if (top5 == null || top5.isEmpty()) {return Result.ok(Collections.emptyList());}// 2.解析出其中的用户idList<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());String idStr = StrUtil.join(",", ids);// 3.根据用户id查询用户 where id in (5, 1) order by field(id, 5, 1)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());// 4.返回return Result.ok(userDTOS);
}

好友关注

关注和取关

在探店图文的详情页面中，可以关注发布笔记的作者：

案例：实现关注和取关功能

需求：基于该表数据结构，实现两个接口：

①关注和取关接口

②判断是否关注的接口

关注是User之间的关系，是博主与粉丝的关系，数据库中有一张tb_follow表来标示：

注意: 这里需要把主键修改为自增长，简化开发。

FollowController.java

public class FollowController {@Resourceprivate IFollowService followService;@PutMapping("/{id}/{isFollow}")public Result follow(@PathVariable("id") Long followUserId, @PathVariable("isFollow") Boolean isFollow) {return followService.follow(followUserId, isFollow);}@GetMapping("/or/not/{id}")public Result isFollow(@PathVariable("id") Long followUserId) {return followService.isFollow(followUserId);}
}

IFollowService.java

public interface IFollowService extends IService<Follow> {Result follow(Long followUserId, Boolean isFollow);Result isFollow(Long followUserId);}

FollowServiceImpl.java

@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {@Overridepublic Result follow(Long followUserId, Boolean isFollow) {// 1.获取登录的用户Long userId = UserHolder.getUser().getId();// 2.判断到底是关注还是取关if (isFollow) {// 3.关注，新增数据Follow follow = new Follow();follow.setUserId(userId);follow.setFollowUserId(followUserId);save(follow);} else {// 4.取关，删除数据 delete from tb_follow where user_id = ? and follow_user_id = ?remove(new QueryWrapper<Follow>().eq("user_id", userId).eq("follow_user_id", followUserId));}return Result.ok();}@Overridepublic Result isFollow(Long followUserId) {// 1.获取登录的用户Long userId = UserHolder.getUser().getId();// 2.查询是否关注 select count(*) from tb_follow where user_id = ? and follow_user_id = ?Integer count = query().eq("user_id", userId).eq("follow_user_id", followUserId).count();// 3.判断return Result.ok(count > 0);}
}

共同关注

点击博主头像，可以进入博主首页：

博主个人主页

博主个人首页依赖两个接口：

根据id查询user信息：

根据id查询博主的探店笔记：

案例：实现共同关注功能

需求：利用Redis中恰当的数据结构，实现共同关注功能。在博主个人页面展示出当前用户与博主的共同好友。

FollowController.java

@RestController
@RequestMapping("/follow")
public class FollowController {@GetMapping("/common/{id}")public Result followCommons(@PathVariable("id") Long id) {return followService.followCommons(id);}
}

IFollowService.java

public interface IFollowService extends IService<Follow> {Result followCommons(Long id);
}

FollowServiceImpl.java

@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {@Resourceprivate StringRedisTemplate stringRedisTemplate;@Resourceprivate IUserService userService;@Overridepublic Result follow(Long followUserId, Boolean isFollow) {// 1.获取登录的用户Long userId = UserHolder.getUser().getId();// 2.判断到底是关注还是取关String key = "follows:" + userId;if (isFollow) {// 3.关注，新增数据Follow follow = new Follow();follow.setUserId(userId);follow.setFollowUserId(followUserId);boolean isSuccess = save(follow);if (isSuccess) {// 把关注用户的id，放入redis的set集合stringRedisTemplate.opsForSet().add(key, followUserId.toString());}} else {// 4.取关，删除数据 delete from tb_follow where user_id = ? and follow_user_id = ?boolean isSuccess = remove(new QueryWrapper<Follow>().eq("user_id", userId).eq("follow_user_id", followUserId));if (isSuccess) {// 把关注的用户id从redis集合中移除stringRedisTemplate.opsForSet().remove(key, followUserId);}}return Result.ok();}@Overridepublic Result followCommons(Long id) {// 1.获取当前登录用户Long userId = UserHolder.getUser().getId();String key = "follows:" + userId;// 2.求交集String key2 = "follows:" + id;Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key, key2);if (intersect == null || intersect.isEmpty()) {return Result.ok(Collections.emptyList());}// 3.解析id集合List<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());// 4.查询用户List<UserDTO> userDTOS = userService.listByIds(ids).stream().map(user -> BeanUtil.copyProperties(user, UserDTO.class)).collect(Collectors.toList());return Result.ok(userDTOS);}
}

关注推送

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

Feed流模式

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，不会有缺失。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。推送用户感兴趣信息来吸引用户
- 优点：投喂用户感兴趣信息，用户粘度很高，容易沉迷
- 缺点：如果算法不精准，可能起到反作用

本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。该模式的实现方案有三种：

拉模式
推模式
推拉结合

Feed流的实现方案1

拉模式：也叫做读扩散

Feed流的实现方案2

推模式：也叫做写扩散。

Feed流的实现方案3

推拉结合模式：也叫做读写混合，兼具推和拉两种模式的优点。

Feed流的实现方案

案例：基于推模式实现关注推送功能

需求：

①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

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查询收件箱数据时，可以实现分页查询

BlogController.java

@PostMapping
public Result saveBlog(@RequestBody Blog blog) {return blogService.saveBlog(blog);
}

BlogServiceImpl.java

@Override
public Result saveBlog(Blog blog) {// 1.获取登录用户UserDTO userDTO = UserHolder.getUser();blog.setUserId(userDTO.getId());// 2.保存探店笔记boolean isSuccess = save(blog);if (!isSuccess) {return Result.fail("新增笔记失败！");}// 3.查询笔记作者的所有粉丝 select * from tb_follow where follow_user_id = ?List<Follow> follows = followService.query().eq("follow_user_id", userDTO.getId()).list();// 4.推送笔记id给所有粉丝for (Follow follow : follows) {// 4.1 获取粉丝idLong userId = follow.getUserId();// 4.2 推送String key = "feed:" + userId;stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());}// 5.返回idreturn Result.ok(blog.getId());
}

Feed流的分页问题

Feed流中的数据会不断更新，所以数据的角标也在变化，因此不能采用传统的分页模式。

Feed流的滚动分页

案例：实现关注推送页面的分页查询

需求：在个人主页的“关注”卡片中，查询并展示推送的Blog信息：

BlogController.java

@GetMapping("/of/follow")
public Result queryBlogOfFollow(@RequestParam("lastId") Long max,@RequestParam(value = "offset", defaultValue = "0") Integer offset) {return blogService.queryBlogOfFollow(max, offset);
}

BlogServiceImpl.java

@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 countString key = RedisConstants.FEED_KEY + userId;Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 2);// 3.非空判断if (typedTuples == null || typedTuples.isEmpty()) {return Result.ok();}// 4.解析数据：blogId、minTime（时间戳）、offsetList<Long> ids = new ArrayList<>(typedTuples.size());long minTime = 0;int os = 1;for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {// 4.1 获取idids.add(Long.valueOf(tuple.getValue()));// 4.2 获取分数（时间戳）long time = tuple.getScore().longValue();if (time == minTime) {os++;} else {minTime = time;os = 1;}}// 5.根据id查询blogString idStr = StrUtil.join(",", ids);List<Blog> blogs = query().in("id", ids).last("order by field(id," + idStr + ")").list();for (Blog blog : blogs) {// 5.1 查询blog有关的用户queryBlogUser(blog);// 5.2 查询blog是否被点赞isBlockLiked(blog);}// 6.封装并返回ScrollResult r = new ScrollResult();r.setList(blogs);r.setOffset(os);r.setMinTime(minTime);return Result.ok(r);
}

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.hqwc.cn/news/844198.html

如若内容造成侵权/违法违规/事实不符，请联系编程知识网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

黑马点评

整体功能架构图

短信登录

导入黑马点评项目

基于Session实现登录

发送短信验证码

短信验证码登录、注册

校验登录状态

集群的session共享问题

基于Redis实现共享session登录

登录拦截器的优化

商品查询缓存

什么是缓存

添加Redis缓存

作业： 给店铺类型查询添加缓存

缓存更新策略

主动更新策略

案例：给查询商铺的缓存添加超时剔除和主动更新的策略

缓存穿透

缓存雪崩

缓存击穿

案例：基于互斥锁方式解决缓存击穿问题

案例：基于逻辑过期方式解决缓存击穿问题

缓存工具封装

优惠券秒杀

全局唯一ID

全局ID生成器

实现优惠券秒杀下单

超卖问题

乐观锁

版本号法

CAS法

一人一单

一人一单的并发安全问题

分布式锁

什么是分布式锁

分布式锁的实现

基于Redis的分布式锁

基于Redis实现分布式锁初级版本

改进Redis的分布式锁

Redis的Lua脚本

再次改进Redis的分布式锁

基于Redis的分布式锁优化

Redisson

Redisson入门

Redisson可重入锁原理

Redisson分布式锁原理

Redisson分布式锁主从一致性问题

Redis优化秒杀

案例：改进秒杀业务，提高并发性能

Redis消息队列实现异步秒杀

基于List结构模拟消息队列

基于PubSub的消息队列

基于Stream的消息队列

基于Stream的消息队列-XREAD

基于Stream的消息队列-消费者组

Redis消息队列

案例：基于Redis的Stream结构作为消息队列，实现异步秒杀下单

达人探店

发布探店笔记

案例：实现查看发布探店笔记的接口

点赞

案例：完善点赞功能

点赞排行榜

案例：实现查询点赞排行榜的接口

好友关注

关注和取关

案例：实现关注和取关功能

共同关注

博主个人主页

案例：实现共同关注功能

关注推送

Feed流模式

Feed流的实现方案1

Feed流的实现方案2

Feed流的实现方案3

Feed流的实现方案

案例：基于推模式实现关注推送功能

Feed流的分页问题

Feed流的滚动分页

作业：给店铺类型查询添加缓存