点赞
在我个人理解中,点赞业务比较频繁,很多人业务可能都会有这个,比如:博客,视频,文章,动态,评论等,但是不应该是核心业务,不应该大量地请求MySQL数据库,给数据库造成大量的资源消耗,MySQL的数据库是非常宝贵的.
以某音为例,当我去搜索的时候,全抖音比较高的点赞数目应该是在1200w - 2000w,我们自己的业务肯定答不到这么高的,但是假设有10个100w的点赞的博客,user_id为用户ID,publication_id为博客的id
-
第一种方式是直接操作数据库.每次有点赞或者取消点赞操作时,就更新MySQL数据库的点赞数.同时,插入或者更新一个user_id和publication_id的数据行,如果点赞操作非常频繁，会对数据库产生很大的压力.如果有大量的点赞记录,会对数据库产生很大的数据量,一篇文章,100w+的点赞的记录,对于MySQL来说,是非常恐怖的.
-
第二种方式是通过MySQL + Redis的Set来实现,具体代码如下,以下的代码为B站Redis黑马点评项目:
java@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 = BLOG_LIKED_KEY + 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+1 boolean 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-1 boolean 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.toString()); } } }这样造成的问题是,Redis是内存数据库，点赞信息存储在内存中。当点赞数量非常大时，会占用大量内存。
下面测试一下,一个key为"userId:114514:publication_id:738836",value为100000-1100000的数据
-
数据量
shellscard userId:114514:publication_id:738836
-
判断一个value是否存在这个set中-----(对应的业务为"判断当前登录用户是否已经点赞")
java@Test public void selectBigKey() { String key = "userId:114514:publication_id:738836"; String value1 = "100000"; String value2 = "5000000"; // 记录开始时间 long startTime = System.nanoTime(); boolean cacheSet1 = RedisUtils.containsInCacheSet(key, value1); if (cacheSet1) { System.out.println("代码2:" + "存在这个value"); } else { System.out.println("代码2:" + "不存在这个value"); } // 记录结束时间 long endTime = System.nanoTime(); // 计算执行时间（以毫秒为单位） long executionTime = (endTime - startTime) / 1_000_000; // 将纳秒转换为毫秒 System.out.println("代码执行时间1: " + executionTime + " 毫秒"); // 记录开始时间 long startTime2 = System.nanoTime(); boolean cacheSet2 = RedisUtils.containsInCacheSet(key, value2); if (cacheSet2) { System.out.println("代码2:" + "存在这个value"); } else { System.out.println("代码2:" + "不存在这个value"); } // 记录结束时间 long endTime2 = System.nanoTime(); // 计算执行时间（以毫秒为单位） long executionTime2 = (endTime2 - startTime2) / 1_000_000; // 将纳秒转换为毫秒 System.out.println("代码执行时间2: " + executionTime2 + " 毫秒"); }
可以看到,其实对于时间来说,61毫秒和66毫秒可以说时间非常短了,不愧是redis,即使数据量很大,但是查询一个value是否在比较大的set的效率是非常短的.
-
往一个key中添加一个value,或者删除一个value--->(对应一个点赞,和取消点赞)
java@Test public void addAndRemoveElementFromBigKey() { String key = "userId:114514:publication_id:738836"; String value1 = "10000000"; String value2 = "200000"; // 记录开始时间 long startTime = System.nanoTime(); boolean cacheSet1 = RedisUtils.addToCacheSet(key, value1); // 记录结束时间 long endTime = System.nanoTime(); // 计算执行时间（以毫秒为单位） long executionTime = (endTime - startTime) / 1_000_000; // 将纳秒转换为毫秒 System.out.println("添加一个元素的执行时间: " + executionTime + " 毫秒"); // 记录开始时间 long startTime2 = System.nanoTime(); boolean cacheSet2 = RedisUtils.removeFromCacheSet(key, value2); // 记录结束时间 long endTime2 = System.nanoTime(); // 计算执行时间（以毫秒为单位） long executionTime2 = (endTime2 - startTime2) / 1_000_000; // 将纳秒转换为毫秒 System.out.println("删除一个元素的代码执行时间: " + executionTime2 + " 毫秒"); }
但从时间来讲,只有一个字:快
-
查询占用的内存的空间
shellMEMORY USAGE userId:114514:publication_id:738836
-
其实可以看到,大概是占用66mb,如果用户的id为雪花算法的id,那可能占用的内存100mb
以上来说,主要还是一个bigkey的问题,如果点赞的数量过大,占用的内存过大,宝贵的内存不应该给这种业务.
-
自然而然,我们想到用非关系型数据库,但是不要是基于内存的,我想到的是用MongoDB的方案
我们可以往MongoDB中插入一条这样的数据:
javascriptdb.collectionName.insertOne({ "id": "yourIdValue", "userId": yourUserIdValue, "type": yourTypeValue, "likedItemId": yourLikedItemIdValue, "createTime": new Date("yourCreateTimeValue") });id 主键id,userId为用户的ID,type为文章或者动态或者其他的类型,likedItemId为文章或者动态或者其他的类型的主键ID,createTime为点赞时间
在MongoDB中，可以使用
createIndex方法来创建唯一索引。为userId,type和likedItemId字段创建一个唯一索引。javascriptdb.collectionName.createIndex( { "userId": 1, "type": 1, "likedItemId": 1 }, { unique: true, name: "unique_index_name" } );详细解释:
collectionName：集合名称。unique_index_name：你想要给索引起的名字，可以根据你的需求替换为其他名称。
这个命令将在
collectionName集合上创建一个名为unique_index_name的唯一索引，涵盖了userId、type和likedItemId字段。1表示升序，如果需要降序索引，可以使用-1。unique: true选项确保索引是唯一的。执行这个命令后，如果有重复的组合出现在这三个字段上，MongoDB将会阻止插入并抛出错误。
即如果里面有记录为已经点过赞,点赞就是往里面加记录,取消点赞就是删除记录
详细代码如下:
java@Service public class LikeServiceImpl implements LikeService { @Autowired private MongoTemplate mongoTemplate; @Autowired private PublicationService publicationService; /** * 为动态或者文章点赞 * * @param publicationId 动态或者文章的ID * @param userId 用户的ID * @param type 类型,区分是文章还是动态 * @return 点赞总数 */ @Override public Integer likePublication(Long publicationId, Long userId, Integer type) { // 构建查询条件 Criteria criteria = Criteria.where("userId").is(userId) .and("type").is(type) .and("likedItemId").is(publicationId); // 创建查询对象并应用查询条件 Query query = new Query(criteria); boolean isExists = mongoTemplate.exists(query, PublicationLike.class); if (isExists) { Asserts.fail("重复点赞"); } //将点赞记录保存到mongodb PublicationLike publicationLike = new PublicationLike(); publicationLike.setType(type); publicationLike.setCreateTime(DateUtil.date()); publicationLike.setLikedItemId(publicationId); publicationLike.setUserId(userId); PublicationLike savedLike = mongoTemplate.save(publicationLike); //点赞数统计 String redisLikeCountKey = String.format(RedisConstant.PUBLICATION_LIKE_COUNT, publicationId, userId, type); Long likeCount = RedisUtils.getAtomicValueWithDefault(redisLikeCountKey); //如果没有缓存过点赞数,则查询数据库 if (likeCount.equals(-1L)) { Publication publication = publicationService.getById(publicationId); RedisUtils.setAtomicValue(redisLikeCountKey, publication.getLikeCount()); return publication.getLikeCount(); } else { //返回点赞数+1 return Math.toIntExact(RedisUtils.incrAtomicValue(redisLikeCountKey)); } } @Override public Integer unlikePublication(Long publicationId, Long userId, Integer type) { // 构建查询条件 Criteria criteria = Criteria.where("userId").is(userId) .and("type").is(type) .and("likedItemId").is(publicationId); // 创建查询对象并应用查询条件 Query query = new Query(criteria); boolean isExists = mongoTemplate.exists(query, PublicationLike.class); if (!isExists) { Asserts.fail("未点赞过该内容，无法取消点赞"); } // 从MongoDB中删除点赞记录 mongoTemplate.remove(query, PublicationLike.class); // 更新点赞数统计 String redisLikeCountKey = String.format(RedisConstant.PUBLICATION_LIKE_COUNT, publicationId, userId, type); Long likeCount = RedisUtils.getAtomicValueWithDefault(redisLikeCountKey); // 如果点赞数存在于缓存中，减少点赞数并返回 if (!likeCount.equals(-1L)) { long newLikeCount = RedisUtils.decrAtomicValue(redisLikeCountKey); return Math.toIntExact(newLikeCount); } else { // 如果点赞数没有缓存，查询数据库并更新缓存 Publication publication = publicationService.getById(publicationId); if (publication != null) { RedisUtils.setAtomicValue(redisLikeCountKey, publication.getLikeCount()); return publication.getLikeCount(); } else { Asserts.fail("无法获取点赞数"); return 0; } } } }