本章将基于点评系统扩展讲使用Redis如何解决其中实际问题，主要会实现的功能有点赞，关注推送

点赞功能

需求：

• 一个用户只能点赞一次

实现：

• 点赞功能中，利用Redis的SortedSet集合判断是否点赞
• 用户点击某内容时，判断当前查看用户是否点过赞，有则展示在内容中
• 分页查询内容内容时，判断当前用户是否登录，如果有登录且对某些内容点赞，可展示在页面上

这里为什么不直接使用Set集合？

Set集合能实现基本功能，但是在存储数据上是无序的，使用SorteSet，可利用其中的socre排序，从而实现排序功能

public void bolgLikeAdd(Long bolgId) {
	// 从本地线程中获取当前操作用户
	Long userId = getUserId();
	// redis中key
	String key = "";
	// 判断sortedset中是否存在当前用户信息
	Double score = stringRedisTemplate.opsForZSet().score(key,userId);
	// 不存在当前用户信息，此笔记的点赞数量+1，redis中添加当前用户信息
	if(score == null) {
                // 给数据库中数量+1
		boolean updateState = update().setSql("liked = liked + 1").update();
		// 成功后redis中添加数据
		if(updateState){
			stringRedisTemplate.opsForZSet()
				.add(key,userId.toString,System.currentTimeMillis());
		}
	}
	// 存在当前用户信息，数据库中笔记点赞数量-1，redis中移除当前用户信息
	boolean updateState = update().setSql("liked = liked - 1").update();
    // 成功后redis中添加数据
    if(updateState){
        stringRedisTemplate.opsForZSet()
            .remove(key, userId.toString, System.currentTimeMillis());
    }
}

排行

基于用户的点赞数据，当打开某个内容时，可查看到点赞的前几名头型或者其他想展示的

public Result queryBlogLikes(Long id) {
    String key = BLOG_LIKED_KEY + id;
    // 1.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());
    }
    // 2.解析出其中的用户id
    List<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);
}

这里在代码中对查询结果进行了流式处理，其实流式处理大家都知道，但是这里使用ORDER BY是干啥的？

使用Order by field解决数据库查询出数据顺序翻转，导致页面中排序时后点赞在前

关注推送

该方法主要是用来练习使用Redis实现简单消息队列功能

这里使用Redis实现消息队列是通过Feed流无限下拉获取最新消息方式实现

Feed流模式

• TimeLine：不做内容筛选，按照内容发布时间排序，用于还有或关注；
• 智能排序：推送用户感兴趣的内容

TimeLine	智能排序
信息全面，不会确实，实现简单	用户粘度高
信息过杂	算法不精准可能起反作用

实现方式

TimeLine拉模式：读扩散

用户发送消息时，发送的消息中会携带时间戳

当关注方收取消息时，将关注者发送的消息全部拉去，然后根据时间戳进行排序

收件箱收取完消息后，可将其中的消息清空，节省内存空间；但是每次读取消息时都要重新获取消息进行排序，延迟高

推模式：写扩散

用户发送的消息，将消息推送到粉丝收件箱中并用时间戳进行排序

如果粉丝很多，同时发送数据量将激增

推拉结合：读写混合

将接收用户分类，活跃用户采用推模式，普通用户接受消息采用拉模式；

活跃用户在接受消息时是已经拍好序的数据，普通用户在打开软件接受消息时进行排序再获取

节省内存的同时也解决了活跃用户体验

	拉模式	推模式	推拉结合
写比例	低	高	中
读比例	高	低	中
用户读取延迟	高	低	低
实现难度	复杂	简单	很复杂
使用场景	使用少	用户量少，没有大V	千万用户，有大V

基于推模式实现关注推送

1.发布笔记的同时，推送到粉丝收件箱

2.收件箱可根据时间戳排序--使用List或者sortedSet存储

3.查询收件箱数据时，实现分页

分页问题

feed流中的数据会不断更新，角标也在变化，使用传统分页方式，可能会出现数据重复；采用滚动分页代替

（再原本的分页中，新增了一条数据，此时查询第二页信息时，会从第一页最后一条数据开始计算下标）

滚动分页（每次记录查询的最后一条，下次从当前位置开始查询；第一次：0-5，此时插入一条数据，采用的头插法，所有数据角标向后移动，第二次：6-10）

list只能通过角标查询数据或者首尾查询，sortedSet支持score值范围查询，score可用时间戳代替，每次查询时记录最小的时间戳

滚动查询

分页参数：当前时间戳|上次查询最小时间戳；最小值；偏移量（上次查询与最小值一样的个数）；数量

每次发布笔记时，存入sortedSet中，key为自定义字符串+粉丝id，value为笔记id，时间戳值，

当粉丝查询数据时，ZREVRANGEBYSCORE KEY MAX MIN WITHSCORE LIMIT OFFSET COUNT;反转根据score查询，范围为指定最大值到最小值，数量为从OFFSET-COUNT

public Result getUpperBlog(@RequestBody Map<String,String> requestMap){
    ...
}
public Result getUpperBlog(Map<String,String> requestMap){
    // 请求数据
    Long lastId = StringUtils.isEmpty(requestMap.get("lastId")) 
        ?System.currentTimeMillis() :Long.valueOf(requestMap.get("lastId"));
    Long offset = Long.valueOf(StringUtils.isEmpty(requestMap.get("offset")) 
                                   ? "0" : requestMap.get("offset"));
    // 从redis中查询数据
    Long userId = UserHolder.getUser().getId();
    String key = FEED_KEY + userId;
    // 使用redis中sortedset保存的数据，根据以时间戳作为score的值进行排序然后查询
    Set<ZSetOperations.TypedTuple<String>> dataFromRedis = stringRedisTemplate
        .opsForZSet()
        .reverseRangeByScoreWithScores(key, 0, lastId, offset, 2);
    if(dataFromRedis == null || dataFromRedis.isEmpty()){
        return Result.ok();
    }
    // 指定List大小，防止空间浪费
    List<Long> blogIds = new ArrayList<>(dataFromRedis.size());
    int count = 1;
    long minTime = 0;
    for (ZSetOperations.TypedTuple<String> item : dataFromRedis) {
        blogIds.add(Long.valueOf(item.getValue()));
        // 最后的时间戳
        long lastTime = item.getScore().longValue();
        if(lastTime == 0){
            count++;
        }else {
            minTime = lastTime;
            count = 1;
        }
    }

    // 查询笔记信息
    String ids = StrUtil.join(",", blogIds);
    List<Blog> blogs = query().in("id", blogIds).last("ORDER BY FIELD(id," + ids + ")").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
        isBlogLiked(blog);
    }

    // 6.封装并返回
    ScrollResult r = new ScrollResult();
    r.setList(blogs);
    r.setOffset(count);
    r.setMinTime(minTime);

    return Result.ok(r);
}

以上就是两个基本功能实现的相关概念和代码片段了，下一张实现附近商户功能咯