Redis 篇- 实战项目中使用 Redis 实现经典功能(异步秒杀商品、点赞功能、共同关注的好友、投喂功能)

🔥博客主页: 【小扳_-CSDN博客】**
❤感谢大家点赞👍收藏⭐评论✍**

文章目录

[1.0 使用 Redis 实现异步秒杀](#1.0 使用 Redis 实现异步秒杀)

[1.1 基于 Lua 脚本判断是否符合条件:库存是否充足、一人一单](#1.1 基于 Lua 脚本判断是否符合条件:库存是否充足、一人一单)

[1.2 基于 Redis 中的 Stream 实现消息队列](#1.2 基于 Redis 中的 Stream 实现消息队列)

[1.3 使用 Java 操作 Redis 实现消息队列](#1.3 使用 Java 操作 Redis 实现消息队列)

[2.0 使用 Redis 实现点赞功能](#2.0 使用 Redis 实现点赞功能)

[2.1 使用 Redis 实现点赞排行榜功能](#2.1 使用 Redis 实现点赞排行榜功能)

[3.0 使用 Redis 实现好友之间的共同关注(共同好友)](#3.0 使用 Redis 实现好友之间的共同关注(共同好友))

[4.0 使用 Redis 实现投喂(发布文章)](#4.0 使用 Redis 实现投喂(发布文章))

[4.1 使用 Redis 实现收件箱(收邮件)](#4.1 使用 Redis 实现收件箱(收邮件))

[4.1.1 实现滚动分页查询(查询朋友圈信息)](#4.1.1 实现滚动分页查询(查询朋友圈信息))


1.0 使用 Redis 实现异步秒杀

异步秒杀,顾名思义使用不同线程执行不同的任务,在 Redis 实现异步秒杀时,主线程执行操作 Redis 来判断是否符合条件下单,对于操作数据库的任务则交给线程池中的线程来执行。

而且将下单的 id 等信息放入到消息队列中,再由执行数据库操作的时候再来获取 id 消息,这就不用一直等待数据库完成之后,才能迎接下一个线程进行下单操作了。在下单的时候就不用再考虑是否安全问题了,从而实现一人一单的时候就不需要进行上锁处理了,还有解决超卖问题也不需要乐观锁了。

这样数据库就可以在适合的时间段根据消息队列中的消息,来将数据存放到数据库中,而从减轻了数据库的压力,效率还很高。

为了保证在秒杀过程中不会出现线程安全情况,使用 Lua 脚本操作 Redis 命令。

1.1 基于 Lua 脚本判断是否符合条件:库存是否充足、一人一单

实现思路:

Lua 脚本如下:

Lua 复制代码
local shopId = ARGV[1]
local userId = ARGV[2]

-- 商品key
local shopKey = "shop:"+shopId

-- 用户Key
local orderKey = "order:"+shopId

-- 判断库存是否充足
if(tonumber(redis.call('get',shopKey)) <= 0) then
    -- 库存不足,返回1
    return 1

end

-- 判断是否已经下单过了
if(redis.call('sismember', orderKey,userId) == 1) then
    -- 已经下过单了,返回2
    return 2
end
-- 扣库存
redis.call('incrby',shopKey,-1)
-- 下单保存用户
redis.call('sadd', orderKey,userId)
return 0

1.2 基于 Redis 中的 Stream 实现消息队列

使用 Redis 中的 Stream 数据结构,来实现消息队列。

常见的 Redis 命令:

1)发送消息到消息队列中:

java 复制代码
XADD key * field string [field string]

将指定的键值对发送到具体的队列中

具体代码如下:

命令执行结果:

2)读取消息队列中的消息:

创建消费者组:

java 复制代码
XGROUP CREATE key groupname id|$ MKSTREAM

ID 为 0 的话,从队列中从 0 开始重新读取任务,而 ID 为 $ 的话,从队列最后一个开始读取任务,抛弃之前队列中的任务。

具体代码如下:

消费者组读取消息队列:

java 复制代码
XREADGROUP GROUP group consumer COUNT count BLOCK milliseconds STREAMS key ID

消费组从队列中读取消息。若 ID 为 ">" ,则从消息队列最后一个开始,也就是最新的消息开始读取消息;若 ID 为 "0",则从 pending 中读取消息,也就是读取消息了,但是没有进行确认的消息。

确认消息:

java 复制代码
XACK key group id consumer

从消息队列读取出来的消息之后,进行确认,则该消息就不会进入到 pending 状态,否则该消息再没有进行确认下,会来到 pending 状态。

1.3 使用 Java 操作 Redis 实现消息队列

1)发布消息:

可以用 Lua 脚本,在确认完可以运行下单的用户,进行下单,也就是将相关信息放到消息队列中,交由其他线程池来完成读取消息后进行操作数据库。

代码实现:

Lua 复制代码
local shopId = ARGV[1]
local userId = ARGV[2]

-- 商品key
local shopKey = "shop:"+shopId

-- 用户Key
local orderKey = "order:"+shopId
local streamKey = "stream"

-- 判断库存是否充足
if(tonumber(redis.call('get',shopKey)) <= 0) then
    -- 库存不足,返回1
    return 1

end

-- 判断是否已经下单过了
if(redis.call('sismember', orderKey,userId) == 1) then
    -- 已经下过单了,返回2
    return 2
end
-- 扣库存
redis.call('incrby',shopKey,-1)
-- 下单保存用户
redis.call('sadd', orderKey,userId)
-- 将数据保存在消息队列中
redis.call('xadd',streamKey,"*","shopId",shopId,"userId",userId)

return 0

在之前判断是否符合下单的 Lua 脚本中加上往队列中添加数据。

2)从消息队列中获取数据

持续的从消息队列中尝试获取数据。当然,该方法在实战中交给线程池处理。

java 复制代码
import cn.hutool.core.bean.BeanUtil;
import com.project.volunteermanagementproject.pojo.StreamObject;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.connection.stream.*;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.Duration;
import java.util.List;
import java.util.Map;
@Component
@Slf4j
public class StreamUtil {

    private final StringRedisTemplate stringRedisTemplate;
    public StreamUtil(StringRedisTemplate stringRedisTemplate){
        this.stringRedisTemplate = stringRedisTemplate;
    }


    //实现发送消息
    public RecordId pubStream(StreamObject streamObject){
        Map<String, Object> map = BeanUtil.beanToMap(streamObject);
        return stringRedisTemplate.opsForStream().add("s1", map);
    }

    //实现从消息队列中获取消息
    public void getStream(){
        while (true){
            try {
                List<MapRecord<String, Object, Object>> read = stringRedisTemplate.opsForStream().read(
                        Consumer.from("g1", "c1"),
                        StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
                        StreamOffset.create("s1", ReadOffset.lastConsumed())
                );

                if (read == null || read.isEmpty()){
                    //如果获取失败,说明没有消息,继续下一次循环
                    continue;
                }
                //解析消息中的消息
                MapRecord<String, Object, Object> entries = read.get(0);
                Map<Object, Object> value = entries.getValue();
                StreamObject streamObject = BeanUtil.fillBeanWithMap(value, new StreamObject(), true);
                //这就拿到了消息队列中的数据了,就可以去使用该对象了
                log.info("成功从消息队列中获取到数据: "+streamObject);
                //这就需要确认消息队列
                stringRedisTemplate.opsForStream().acknowledge("s1", "g1", entries.getId());
            } catch (Exception e) {
                //如果在获取消息过程中出现异常,则需要再次执行该消息任务
                while (true){
                    try {
                        List<MapRecord<String, Object, Object>> read = stringRedisTemplate.opsForStream().read(
                                Consumer.from("g1", "c1"),
                                StreamReadOptions.empty().count(1),
                                StreamOffset.create("s1", ReadOffset.from("0"))
                        );
                        if (read == null || read.size() == 0){
                            break;
                        }
                        MapRecord<String, Object, Object> entries = read.get(0);
                        Map<Object, Object> value = entries.getValue();
                        StreamObject streamObject = BeanUtil.fillBeanWithMap(value, new StreamObject(), true);
                        //重新拿到未确认的数据
                        log.info("再次成功拿到数据: "+streamObject);
                        //再次进行消息确认
                        Long acknowledge = stringRedisTemplate.opsForStream().acknowledge("s1", "g1", entries.getId());
                    } catch (Exception ex) {
                        throw new RuntimeException(ex);
                    }

                }
            }

        }
    }
}

3)手动模拟往消息队列中添加消息进行下单,通过读取消息队列中的方法进行监听:

java 复制代码
    @Test
    void text2(){
        //持续接收消息
        StreamUtil streamUtil = new StreamUtil(stringRedisTemplate);
        streamUtil.getStream();
        
    }

发送的消息:

接收的消息:

2.0 使用 Redis 实现点赞功能

实现点赞思路:每一次点赞,都往数据库中修改一次数据+1,但是在日常的社交软件中,都不会有无限点赞的效果,比如说朋友圈,第一次点赞成功,再点一次则取消点赞。因此,需要解决的是一个人只能点赞一次,或者取消一次点赞。

如何判断当前用户是否已经点赞呢?

当然方法有非常多种,这里介绍的是使用 Redis 解决该方法。

具体思路:使用 Redis 中的 set 集合数据结构,利用 set 的不可重复特性。在点击点赞之前,通过判断集合中之前是否存在该用户 id ,如果存在,则再点击一下为取消点赞;如果之前不存在,则点击一下为点赞成功,之后将该用户 id 放入集合中,方便下一次判断是否点赞。

代码实现:

java 复制代码
import cn.hutool.core.util.BooleanUtil;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

@Component
public class ThumbsUpUtil {

    @Autowired
    StringRedisTemplate stringRedisTemplate;
    //当前用户id
    private final Integer currentUserId = 1;
    public Boolean thumbs(Integer userId){
        String key = "userId:"+userId;
        //判断当前用户是否已经点赞了
        Boolean member = stringRedisTemplate.opsForSet().isMember(key, currentUserId.toString());
        if (BooleanUtil.isTrue(member)) {
            //接着之后就可以从数据库中进行更新了

            //当数据库更新成功之后,才判断:如果已经点赞了,则再点一下的结果是取消点赞,将该 currentUserId 从集合中移除
            stringRedisTemplate.opsForSet().remove(key,currentUserId.toString());

            return false;
        }

        //同理,接着之后就可以从数据库中进行更新了

        //当数据库更新成功之后,才判断:如果之前没有点赞,则点一下的结果是点赞成功,将该 currentUserId 添加到集合中
        stringRedisTemplate.opsForSet().add(key,currentUserId.toString());

        return true;
    }
}

2.1 使用 Redis 实现点赞排行榜功能

在点赞完之后,按照点赞时间先后排序,返回 Top5 的用户,如果单单只靠 Redis 中的 set 数据结构可以实现吗?

很显然是不能实现的,因为 set 不具备排序功能。而 SortedSet 可以根据 score 值进行排序。因此,我们将 score 值设置为时间戳,根据时间戳来进行排序,选取前 5 名点赞用户。

那么就需要将之前点赞的代码进行修改,将 set 更换成 SortedSet 。

代码实现:

1)重新使用 SortedSet 实现点赞功能:

java 复制代码
    @Autowired
    StringRedisTemplate stringRedisTemplate;
    //当前用户id

    public Boolean thumbs(Integer userId,Integer currentUserId){
        String key = "userId:"+userId;
        //判断当前用户是否已经点赞了
        Double score = stringRedisTemplate.opsForZSet().score(key, currentUserId.toString());
        if (score != null) {
            //接着之后就可以从数据库中进行更新了

            //当数据库更新成功之后,才判断:如果已经点赞了,则再点一下的结果是取消点赞,将该 currentUserId 从集合中移除
            stringRedisTemplate.opsForZSet().remove(key,currentUserId.toString());

            return false;
        }

        //同理,接着之后就可以从数据库中进行更新了

        //当数据库更新成功之后,才判断:如果之前没有点赞,则点一下的结果是点赞成功,将该 currentUserId 添加到集合中
        stringRedisTemplate.opsForZSet().add(key,currentUserId.toString(),System.currentTimeMillis());

        return true;
    }

2)实现点赞排行榜:

java 复制代码
    //根据时间来排序集合中的用户 id 前 5 名
    public void userRange(Integer userId){
        String key =  "userId:"+userId;
        Set<String> range = stringRedisTemplate.opsForZSet().range(key, 0, 4);
        //这就获取到点赞前5名的用户id,最后根据用户id来获取用户的其他消息
        log.info("从用户: "+userId+" 中获取到前5名粉丝ID:"+range);
    }

3)代码测试:

添加不同用户 ID 到集合中:

java 复制代码
    @Autowired
    ThumbsUpUtil thumbsUpUtil;
    @Test
    void text3(){
        //模拟添加数据
        thumbsUpUtil.thumbs(1,2);
        thumbsUpUtil.thumbs(1,3);
        thumbsUpUtil.thumbs(1,4);
        thumbsUpUtil.thumbs(1,5);
        thumbsUpUtil.thumbs(1,6);
        thumbsUpUtil.thumbs(1,7);
    }

Top5 排行榜:

java 复制代码
    @Test
    void text4(){
        //获取用户ID为1的集合中的前五名用户
        thumbsUpUtil.userRange(1);
    }

运行结果:


前 5 名的用户 ID 是根据时间戳来进行排序的,所以输出结果是没有问题的。

测试相同用户点赞多次:

java 复制代码
    @Test
    void text5(){
        //现在用户2想继续对用户1点赞
        thumbsUpUtil.thumbs(1,2);
    }

运行结果:

此时用户 ID 为 2 已经被移除了,这就是说明取消点赞了。

现在用户 1 中粉丝前 5 名的 ID 为:

需要注意的是:当将根据用户 ID 从数据库中获取数据的时候,需要按照传进来的 ID 顺序来得到最终的结果。因为在根据用户 ID 进行批量查询的是用 in(用户 ID ) ,这样返回的结果会按照用户 ID 从大到小进行返回,因此,通过 ORDER BY FIELD(用户 ID 顺序) 命令,才会按照指定的用户 ID 顺序返回数据。

3.0 使用 Redis 实现好友之间的共同关注(共同好友)

用户之间的关注,可以直接用一张数据库表来进行关联,而对于用户与用户之间的共同用户该用什么的方法实现呢?

可以使用 Redis 中的 set 数据结构来实现,利用 set 的不可重复和通过两个集合求得的交集,从而来获取共同的好友。因为不在乎用户顺序,所以不需要用到 SortedSet 数据结构。

代码如下:

准备了两个集合:

求该两个集合的交集:

java 复制代码
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.util.List;
import java.util.Set;
import java.util.stream.Collectors;

@Component
public class CommonUser {

    @Autowired
    StringRedisTemplate stringRedisTemplate;

    public void getCommonUser(String key1,String key2){
        Set<String> common = stringRedisTemplate.opsForSet().intersect(key1, key2);
        if (common != null){
            List<Object> collect = common.stream().map(Long::valueOf).collect(Collectors.toList());
            System.out.println(collect);
        }
    }
}
java 复制代码
    @Autowired
    CommonUser commonUser;
    @Test
    void text6(){
        String k1 = "userId:1";
        String k2 = "userId:2";
        commonUser.getCommonUser(k1,k2);
    }

运行结果:

4.0 使用 Redis 实现投喂(发布文章)

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 流有两种常见的模式:

1)Timeline:不做内容筛选,简单的按照内容发布时间排序,常用与好友或关注。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。

该模式实现的方案有三种:拉模式、推模式、推拉结合。

2)智能排序:利用智能算法屏蔽违规的、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,用户黏度很高,容易沉迷。

缺点:如果算法不精确,可能起到反作用。

4.1 使用 Redis 实现收件箱(收邮件)

用户将文章推送给自己的粉丝,首先可以根据用户之间的关系表来查询用户的粉丝。获取到粉丝 ID 之后,循环将文章逐个推送给粉丝收件箱中,当前不是将整个文章推送到收件箱中,而是推送的是文章 ID ,文章则保存在数据库中,粉丝可以根据文章 ID 来查询文章内容。

对于粉丝的收件箱可以用 Redis 来实现,由于根据发送的时间来将文章进行排列,所以使用 SortedSet 实现收件箱。key 设置为粉丝 ID ,每一个粉丝都会有一个收件箱;value 设置为文章 ID;score 设置为当前时间戳。

只要是博主发送文章的时候,将文章保存到数据库中,且将文章 ID 发送出去即可。

代码实现:

java 复制代码
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.util.List;

@Component
public class InboxUtil {

    @Autowired
    StringRedisTemplate stringRedisTemplate;

    //实现发布文章的时候,将文章推送给好友
    //前缀默认已经实现了:获取到了当前用户的全部好友、将文章已经保存在数据库中
    public void send(Integer articleId, List<Integer> listId,Integer userId){
        String key = "feed:";
        //将文章ID推送到好友收件箱中
        for (Integer id : listId) {
            stringRedisTemplate.opsForZSet().add(key+id, articleId.toString(),System.currentTimeMillis());
        }
    }
}

模拟发布文章,且将文章 ID 推送给好友的收件箱:

代码如下:

java 复制代码
    @Autowired
    InboxUtil inboxUtil;
    //实现将文章ID推送给好友
    @Test
    void text7(){
        List<Integer> list = new ArrayList<>(10);
        for (int i = 1; i <= 10; i++) {
            list.add(i);
        }
        Integer articleId = 100;
        inboxUtil.send(articleId,list);

    }

运行结果:

现在用户 1 - 10 收件箱中都有一篇文件的 ID 。

4.1.1 实现滚动分页查询(查询朋友圈信息)

用户查询自己的收件箱,比如像朋友圈,按照时间来排序好友发布的信息,而查看好友的朋友圈的时候,从上至下,来查看好友的消息。

实现思路:

从用户集合中查询信息也不难,在实现的时候不就是直接去查看当前用户的收件箱,其实不然,需要考虑的细节还挺多的。

查看消息的时候,按照时间来查看,从最新的时间到最旧的时间的顺序来进行查看,比如说,朋友圈,打开朋友圈最先看到的是最新的好友信息,

因此使用一下命令来进行查看:

java 复制代码
ZREVRANGEBYSCORE key max min [WITHSCORES] [LIMIT offset count]

1)max:最大值,要区分第一次查询和其他查询:第一次查询的时候 max 最大值为当前时间戳;其他几次查询的时候 max 最大值为上一次的时间戳最小值。

2)min:最小值,不需要区分第一次查询和其他查询,可以将其设置为 0 ,将 min 固定为 0 即可。

3)offset:偏移量,需要区分第一次查询和其他查询:第一次查询 offset 设置为 0,偏移量为 0 时,表示当前时间戳可以大于等于此次要查询的时间戳,所以就可以拿到文章 ID ;其他查询 offset 设置为 1 ,一般来说没有问题,但是考虑到特殊情况,万一查询到的在相同的时间戳内发布了多篇文章呢?因此,在其他查询 offset 设置为最小时间戳有多少个。

4)count:每次查询多少个 ID ,一般根据业务制定。

代码实现:

java 复制代码
import com.project.volunteermanagementproject.pojo.ScrollQueryDTO;
import lombok.extern.slf4j.Slf4j;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ZSetOperations;
import org.springframework.stereotype.Component;

import java.util.*;

@Component
@Slf4j
public class ScrollQuery {

    @Autowired
    StringRedisTemplate stringRedisTemplate;
    //读取收件箱
    public ScrollQueryDTO read(int id,long max,long offset){
        //用户ID的收件箱
        String key = "feed:"+ id;
        Set<ZSetOperations.TypedTuple<String>> tuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 3);

        if (tuples == null || tuples.isEmpty()){
            return null;
        }
        List<Integer> articleIds = new ArrayList<>(tuples.size());
        long time = 0;
        long count = 1;
        for (ZSetOperations.TypedTuple<String> tuple : tuples) {
            //获取文章id

            articleIds.add(Integer.valueOf(tuple.getValue()));
            //获取时间戳
            long l = tuple.getScore().longValue();

            if (time == l){
                count++;
            }else {
                time = l;
                count = 1;
            }
        }
        log.info("当前用户查看的文章ID为:"+articleIds);
        log.info("下次的最大时间戳为:"+time+","+"下次的偏移量为:"+count);
        return new ScrollQueryDTO(time, count);
    }
}

测试代码:

java 复制代码
    @Autowired
    ScrollQuery scrollQuery;
    @Test
    void text8() throws InterruptedException {
        //当第一次查询的时候,max设置为当前时间戳,而偏移量为0
        int id = 1;
        long max= System.currentTimeMillis();
        long offset = 0;
        while (true){
            ScrollQueryDTO read = scrollQuery.read(id, max, offset);
            if (read == null){
                return;
            }
            max = read.getMax();
            offset = read.getCount();
            Thread.sleep(1000);
        }
    }

运行结果:

看到文章 ID 的顺序是正确的,所以功能实现成功了。

相关推荐
对许几秒前
SLF4J: Failed to load class “org.slf4j.impl.StaticLoggerBinder“
java·log4j
鹿屿二向箔2 分钟前
基于SSM(Spring + Spring MVC + MyBatis)框架的咖啡馆管理系统
spring·mvc·mybatis
无尽的大道5 分钟前
Java字符串深度解析:String的实现、常量池与性能优化
java·开发语言·性能优化
小鑫记得努力14 分钟前
Java类和对象(下篇)
java
binishuaio18 分钟前
Java 第11天 (git版本控制器基础用法)
java·开发语言·git
zz.YE19 分钟前
【Java SE】StringBuffer
java·开发语言
老友@19 分钟前
aspose如何获取PPT放映页“切换”的“持续时间”值
java·powerpoint·aspose
superman超哥27 分钟前
04 深入 Oracle 并发世界:MVCC、锁、闩锁、事务隔离与并发性能优化的探索
数据库·oracle·性能优化·dba
颜淡慕潇29 分钟前
【K8S问题系列 |1 】Kubernetes 中 NodePort 类型的 Service 无法访问【已解决】
后端·云原生·容器·kubernetes·问题解决
minihuabei33 分钟前
linux centos 安装redis
linux·redis·centos