怎么利用Redis实现点赞功能

这篇文章主要介绍“怎么利用Redis实现点赞功能”，在日常操作中，相信很多人在怎么利用Redis实现点赞功能问题上存在疑惑，小编查阅了各式资料，整理出简单好用的操作方法，希望对大家解答”怎么利用Redis实现点赞功能”的疑惑有所帮助！接下来，请跟着小编一起来学习吧！

MySQL 和 Redis优缺点

首先我们来说一下两种方法各自的优缺点：我们以 Mysql 和 Redis 为例。

直接写入数据库：

优点：这种方法实现简单，只需完成数据库的增删改查就行；

缺点：数据库读写压力大，如果遇到热门文章在短时间内被大量点赞的情况，直接操作数据库会给数据库带来巨大压力，影响效率。

使用 Redis 缓存：

优点：性能高，读写速度快，缓解数据库读写的压力；

缺点：开发复杂，不能保证数据安全性即 redis 挂掉的时候会丢失数据， 同时不及时同步 redis 中的数据， 可能会在 redis 内存置换的时候被淘汰掉。不过对于点赞数据我们不需要那么精确，丢失一点数据问题不大。

接下来就从以下三个方面对点赞功能做详细的介绍

•Redis 缓存设计

•数据库设计

•开启定时任务持久化存储到数据库

1、Redis 缓存设计及实现

Redis 的整合我们在上一篇文章中已经介绍过了，此处就不再赘述了。我们了解到，我们在做点赞的时候需要记录以下几类数据：一类是某用户被其他用户点赞的详细记录，一类是。考虑到查询与存取方便快捷，我这边采用 Hash 结构进行存储，存储结构如下：

（1）某用户被其他用户点赞的详细记录： MAP_USER_LIKED 为键值， 被点赞用户id::点赞用户id 为 filed， 1或者0 为 value

（2）某用户被点赞的数量统计： MAP_USER_LIKED_COUNT 为键值， 被点赞用户id 为 filed， count 为 value

部分代码如下

@Overridepublic void saveLiked2Redis(String likedUserId, String likedPostId) {    String key = RedisKeyUtils.getLikedKey(likedUserId, likedPostId);    redisTemplate.opsForHash().put(RedisKeyUtils.MAP_KEY_USER_LIKED,key, LikedStatusEnum.LIKE.getCode());}//取消点赞@Overridepublic void unlikeFromRedis(String likedUserId, String likedPostId) {    String key = RedisKeyUtils.getLikedKey(likedUserId, likedPostId);    redisTemplate.opsForHash().put(RedisKeyUtils.MAP_KEY_USER_LIKED,key,LikedStatusEnum.UNLIKE.getCode());}@Overridepublic void incrementLikedCount(String likedUserId) {    redisTemplate.opsForHash().increment(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT,likedUserId,1);}//-1@Overridepublic void decrementLikedCount(String likedUserId) {    redisTemplate.opsForHash().increment(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT, likedUserId, -1);}@Overridepublic List<UserLikeDetail> getLikedDataFromRedis() {    Cursor<Map.Entry<Object,Object>> scan = redisTemplate.opsForHash().scan(RedisKeyUtils.MAP_KEY_USER_LIKED, ScanOptions.NONE);    List<UserLikeDetail> list = new ArrayList<>();    while (scan.hasNext()){        Map.Entry<Object, Object> entry = scan.next();        String key = (String) entry.geTKEy();        String[] split = key.split("::");        String likedUserId = split[0];        String likedPostId = split[1];        Integer value = (Integer) entry.getValue();        //组装成 UserLike 对象        UserLikeDetail userLikeDetail = new UserLikeDetail(likedUserId, likedPostId, value);        list.add(userLikeDetail);        //存到 list 后从 Redis 中删除        redisTemplate.opsForHash().delete(RedisKeyUtils.MAP_KEY_USER_LIKED, key);    }    return list;}@Overridepublic List<UserLikCountDTO> getLikedCountFromRedis() {    Cursor<Map.Entry<Object,Object>> cursor = redisTemplate.opsForHash().scan(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT, ScanOptions.NONE);    List<UserLikCountDTO> list = new ArrayList<>();    while(cursor.hasNext()){        Map.Entry<Object, Object> map = cursor.next();        String key = (String) map.getKey();        Integer value = (Integer) map.getValue();        UserLikCountDTO userLikCountDTO = new UserLikCountDTO(key,value);        list.add(userLikCountDTO);        //存到 list 后从 Redis 中删除        redisTemplate.opsForHash().delete(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT,key);    }    return list;}

Redis 存储结构如图

2、数据库设计

这里我们可以和直接将点赞数据存到数据库一样，设计两张表：

(1)用户被其他用户点赞的详细记录:user_like_detail

DROP TABLE IF EXISTS `user_like_detail`;CREATE TABLE `user_like_detail`  (  `id` int(11) NOT NULL AUTO_INCREMENT,  `liked_user_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '被点赞的用户id',  `liked_post_id` varchar(32) CHARACTER SET utf8 COLLATE utf8_general_ci NOT NULL COMMENT '点赞的用户id',  `status` tinyint(1) NULL DEFAULT 1 COMMENT '点赞状态，0取消，1点赞',  `create_time` timestamp(0) NOT NULL DEFAULT CURRENT_TIMESTAMP(0) COMMENT '创建时间',  `update_time` timestamp(0) NOT NULL DEFAULT CURRENT_TIMESTAMP(0) ON UPDATE CURRENT_TIMESTAMP(0) COMMENT '修改时间',  PRIMARY KEY (`id`) USING BTREE,  INDEX `liked_user_id`(`liked_user_id`) USING BTREE,  INDEX `liked_post_id`(`liked_post_id`) USING BTREE) ENGINE = InnoDB AUTO_INCREMENT = 7 CHARACTER SET = utf8 COLLATE = utf8_general_ci COMMENT = '用户点赞表' ROW_FORMAT = Dynamic;SET FOREIGN_KEY_CHECKS = 1;

(2)用户被点赞的数量统计:user_like_count

DROP TABLE IF EXISTS `user_like_count`;CREATE TABLE `user_like_count`  (  `id` int(11) NOT NULL AUTO_INCREMENT,  `like_num` int(11) NULL DEFAULT 0,  PRIMARY KEY (`id`) USING BTREE) ENGINE = InnoDB AUTO_INCREMENT = 7 CHARACTER SET = utf8 COLLATE = utf8_general_ci ROW_FORMAT = Dynamic;SET FOREIGN_KEY_CHECKS = 1;

3、开启定时任务持久化存储到数据库

我们使用 Quartz 来实现定时任务，将 Redis 中的数据存储到数据库中，为了演示效果，我们可以设置一分钟或者两分钟存储一遍数据，这个视具体业务而定。在同步数据的过程中，我们首先要将 Redis 中的数据在数据库中进行查重，舍弃重复数据，这样我们的数据才会更加准确。

部分代码如下

//同步redis的用户点赞数据到数据库@Override@Transactionalpublic void transLikedFromRedis2DB() {    List<UserLikeDetail> list = redisService.getLikedDataFromRedis();    list.stream().forEach(item->{        //查重        UserLikeDetail userLikeDetail = userLikeDetailMapper.selectOne(new LambdaQueryWrapper<UserLikeDetail>()           .eq(UserLikeDetail::getLikedUserId, item.getLikedUserId())           .eq(UserLikeDetail::getLikedPostId, item.getLikedPostId()));        if (userLikeDetail == null){            userLikeDetail = new UserLikeDetail();            BeanUtils.copyProperties(item, userLikeDetail);            //没有记录，直接存入            userLikeDetail.setCreateTime(LocalDateTime.now());            userLikeDetailMapper.insert(userLikeDetail);        }else{            //有记录，需要更新            userLikeDetail.setStatus(item.getStatus());            userLikeDetail.setUpdateTime(LocalDateTime.now());            userLikeDetailMapper.updateById(item);        }    });}@Override@Transactionalpublic void transLikedCountFromRedis2DB() {    List<UserLikCountDTO> list = redisService.getLikedCountFromRedis();    list.stream().forEach(item->{        UserLikeCount user = userLikeCountMapper.selectById(item.getKey());        //点赞数量属于无关紧要的操作，出错无需抛异常        if (user != null){            Integer likeNum = user.getLikeNum() + item.getValue();            user.setLikeNum(likeNum);            //更新点赞数量            userLikeCountMapper.updateById(user);        }    });}

到此，关于“怎么利用Redis实现点赞功能”的学习就结束了，希望能够解决大家的疑惑。理论与实践的搭配能更好的帮助大家学习，快去试试吧！若想继续学习更多相关知识，请继续关注编程网网站，小编会继续努力为大家带来更多实用的文章！