点赞收藏功能通过缓存、异步处理和分库分表实现高效性，利用Redis缓存热点数据与用户行为，结合消息队列异步更新数据库，保证快速响应与数据最终一致性，并通过item_type支持多内容类型。
点赞、收藏功能的核心在于快速响应、数据一致性和可扩展性。实现高效，意味着我们要在用户体验和系统负载之间找到平衡。
解决方案
-
数据模型设计：
-
点赞表 (Likes):
user_id
,item_id
,item_type
,created_at
。item_type
用于区分文章、评论等不同类型的点赞对象。联合索引(item_id, item_type)
和(user_id, item_id, item_type)
，前者用于统计，后者用于判断用户是否已点赞。 -
收藏表 (Collections):
user_id
,item_id
,item_type
,created_at
。结构与点赞表类似。 -
计数表 (ItemCounts):
item_id
,item_type
,likes_count
,collections_count
。用于存储点赞和收藏的总数，避免频繁的 COUNT 查询。
-
点赞表 (Likes):
-
缓存策略：
-
热点数据缓存： 使用 Redis 等内存数据库缓存
ItemCounts
表中的数据。更新点赞/收藏时，先更新缓存，再异步更新数据库。 -
用户行为缓存： 使用 Redis 的 Set 数据结构存储用户已点赞/收藏的
item_id
。在用户请求点赞/收藏时，先检查缓存，减少数据库查询。
-
热点数据缓存： 使用 Redis 等内存数据库缓存
-
异步处理：
- 消息队列： 使用 Kafka 或 RabbitMQ 等消息队列，将点赞/收藏事件发送到队列中。消费者异步处理数据库更新和缓存同步。这可以避免阻塞主线程，提高响应速度。
-
数据库优化：
- 读写分离： 将数据库分为读写节点，读请求走只读节点，减少写操作对读操作的影响。
-
分库分表： 如果数据量巨大，可以考虑对点赞表和收藏表进行分库分表，提高数据库的并发处理能力。可以按照
user_id
或item_id
进行 Hash 分片。
-
API 设计：
- 幂等性： 点赞/收藏接口需要保证幂等性，防止用户重复点击导致数据错误。可以使用唯一 ID 或版本号机制。
- 批量操作： 提供批量获取点赞/收藏状态的接口，减少网络请求次数。
如何处理高并发场景下的点赞风暴？
点赞风暴是指短时间内大量用户同时点赞某个内容，导致系统负载过高。
限流： 使用令牌桶或漏桶算法限制单位时间内请求的数量，防止系统被瞬间流量冲垮。可以在 Nginx 或 API 网关层进行限流。
熔断： 当某个服务出现故障时，自动熔断该服务，防止雪崩效应。可以使用 Hystrix 或 Resilience4j 等熔断器。
-
降级： 在系统负载过高时，可以采取降级措施，例如：
-
延迟更新计数： 暂停实时更新
ItemCounts
表，改为定时批量更新。 - 只更新缓存： 暂时只更新缓存，不更新数据库，待系统负载降低后再同步数据。
- 关闭点赞功能： 在极端情况下，可以暂时关闭点赞功能，保证系统的稳定性。
-
延迟更新计数： 暂停实时更新
预热： 提前预知可能出现点赞风暴的内容，提前将相关数据加载到缓存中，提高响应速度。
BtoC购物网站源码下载一、源码特点1、采用典型的三层架构技术进行开发，作品非常不错，功能很全面，欢迎下载学习交流二、功能介绍本源码是一个购物网站源码。分为前台用户界面和后台管理员界面，分别实现不同功能。三、菜单功能前台用户功能1、主页：显示主页面2、鞋子：鞋子所有品牌及相关信息3、手机数码：数码品牌及相关信息4、护肤品：所有品牌及相关信息5、新闻资讯：本页资讯；行业资讯6、我的账户；我的收藏；我的购物车；我的评论；退出
如何保证点赞和收藏数据的一致性？
数据一致性是点赞/收藏功能的关键。以下是一些保证数据一致性的方法：
事务： 在更新数据库时，使用事务保证 ACID 特性。如果更新失败，可以回滚事务，保证数据的一致性。
-
最终一致性： 由于缓存和数据库之间存在延迟，因此只能保证最终一致性。可以通过以下方法尽量减少延迟：
- 双写： 先更新数据库，再更新缓存。
- 删除缓存： 先删除缓存，再更新数据库。
- 延迟双删： 先删除缓存，再更新数据库，延迟一段时间后再次删除缓存。
补偿机制： 如果异步更新数据库失败，可以通过补偿机制重试。可以使用消息队列的重试机制或自定义重试逻辑。
点赞和收藏功能如何支持不同的内容类型？
通过
item_type字段来区分不同的内容类型（文章、评论、视频等）。
统一接口： 点赞/收藏接口接收
item_id
和item_type
作为参数，根据item_type
找到对应的数据表进行操作。策略模式： 使用策略模式，根据不同的
item_type
选择不同的处理策略。例如，文章的点赞逻辑和评论的点赞逻辑可能不同。-
元数据： 可以为每种
item_type
定义元数据，例如：- 数据表名
- 点赞/收藏计数字段名
- 权限验证逻辑
通过元数据，可以灵活地支持新的内容类型，而无需修改核心代码。
# 示例代码：使用策略模式处理不同类型的点赞
class LikeStrategy:
def like(self, user_id, item_id):
raise NotImplementedError
class ArticleLikeStrategy(LikeStrategy):
def like(self, user_id, item_id):
# 文章点赞逻辑
print(f"用户 {user_id} 点赞了文章 {item_id}")
class CommentLikeStrategy(LikeStrategy):
def like(self, user_id, item_id):
# 评论点赞逻辑
print(f"用户 {user_id} 点赞了评论 {item_id}")
class LikeContext:
def __init__(self, strategy: LikeStrategy):
self.strategy = strategy
def set_strategy(self, strategy: LikeStrategy):
self.strategy = strategy
def like(self, user_id, item_id):
self.strategy.like(user_id, item_id)
# 使用示例
article_strategy = ArticleLikeStrategy()
comment_strategy = CommentLikeStrategy()
context = LikeContext(article_strategy)
context.like(123, 456) # 用户 123 点赞了文章 456
context.set_strategy(comment_strategy)
context.like(123, 789) # 用户 123 点赞了评论 789 
