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。
1、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。
2、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
白月生产企业订单管理系统GBK2.0 Build 080807
下载
请注意以下说明:1、本程序允许任何人免费使用。2、本程序采用PHP+MYSQL架构编写。并且经过ZEND加密，所以运行环境需要有ZEND引擎支持。3、需要售后服务的，请与本作者联系，联系方式见下方。4、本程序还可以与您的网站想整合，可以实现用户在线服务功能，可以让客户管理自己的信息，可以查询自己的订单状况。以及返点信息等相关客户利益的信息。这个功能可提高客户的向心度。安装方法：1、解压本系统，放在
1、Redis 缓存设计及实现
我们已经在前一篇文章中介绍了如何整合Redis，在这里就不再重复说明了。我们了解到，在进行点赞操作时，需要记录以下几种数据：用户被其他用户点赞的详细记录和点赞操作的记录。为了方便查询和存取，我使用了 Hash 结构进行存储，其存储结构如下：
（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
/**
* 将用户被其他用户点赞的数据存到redis
*/
@Override
public 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
@Override
public void unlikeFromRedis(String likedUserId, String likedPostId) {
String key = RedisKeyUtils.getLikedKey(likedUserId, likedPostId);
redisTemplate.opsForHash().put(RedisKeyUtils.MAP_KEY_USER_LIKED,key,LikedStatusEnum.UNLIKE.getCode());
}
/**
* 将被点赞用户的数量+1
*/
@Override
public void incrementLikedCount(String likedUserId) {
redisTemplate.opsForHash().increment(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT,likedUserId,1);
}
//-1
@Override
public void decrementLikedCount(String likedUserId) {
redisTemplate.opsForHash().increment(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT, likedUserId, -1);
}
/**
* 获取Redis中的用户点赞详情记录
*/
@Override
public List getLikedDataFromRedis() {
Cursor> scan = redisTemplate.opsForHash().scan(RedisKeyUtils.MAP_KEY_USER_LIKED, ScanOptions.NONE);
List list = new ArrayList<>();
while (scan.hasNext()){
Map.Entry 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;
}
/**
* 获取Redis中的用户被点赞数量
*/
@Override
public List getLikedCountFromRedis() {
Cursor> cursor = redisTemplate.opsForHash().scan(RedisKeyUtils.MAP_KEY_USER_LIKED_COUNT, ScanOptions.NONE);
List list = new ArrayList<>();
while(cursor.hasNext()){
Map.Entry 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
@Transactional
public void transLikedFromRedis2DB() {
List list = redisService.getLikedDataFromRedis();
list.stream().forEach(item->{
//查重
UserLikeDetail userLikeDetail = userLikeDetailMapper.selectOne(new LambdaQueryWrapper()
.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
@Transactional
public void transLikedCountFromRedis2DB() {
List 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);
}
});
} 
