【Redis】点赞功能

2024-09-06 22:36
文章标签 功能 redis 点赞

本文主要是介绍【Redis】点赞功能,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

“千山万水总是情,点个关注行不行!”、“各位老铁点点小红心”、“欢迎来到xx直播间,主播带你装逼带你飞,喜欢主播的点亮噢。”各位程序猿们看到这样的话术是不是很熟悉。那么今天,咋们就透过本质看一下点赞功能到底是如何实现的。

在日常开发中,一般点赞功能的实现有两种方式。

第一种方式就是在数据库中建一张点赞表,用户点赞或者取消时,直接落库处理。不过,点赞业务的重要性并不是那么大,所以丢失几条数据也没什么影响,所以采用直接落库可能对服务的性能有一定的影响。

第二种方式就是使用Redis来进行存储,用户点赞或取消时,在Redis中进行处理。如果认为这个业务比较重要的话,那么可以写定时任务进行落库处理;如果并没有那么重要的话,也可以直接存储在Redis中不做其他处理,毕竟Redis也是有持久化的。

两者相比之下,肯定是Redis实现点赞功能的性能要比数据库实现点赞功能的性能高。根据标题也可以看出,今天主要是用Redis来实现点赞功能。

点赞/取消

在实现点赞功能时,选取的是Redis中集合这一数据结构。利用博客id作为key,集合中的内容就是点赞的用户id。

    /*** 点赞功能* @param id 博客id*/public Boolean likeBlog(Long id) {String key = Constants.BLOG_LIKE_KEY + id;// TODO 从ThreadLocal中获取用户idLong userId = UserHolder.getId();if(userId == null) {return false;}// TODO 从Redis中判断该用户对该博客是否进行点赞Boolean isMember = this.stringRedisTemplate.opsForSet().isMember(key, userId.toString());// TODO 判断是否点赞if(isMember == null || !isMember) {// 未点赞// TODO 博客总点赞数加一LambdaUpdateWrapper<Blog> blogLambdaUpdateWrapper = new LambdaUpdateWrapper<>();blogLambdaUpdateWrapper.setSql("liked = liked + 1").eq(Blog::getId, id);boolean add = this.update(blogLambdaUpdateWrapper);// TODO Redis缓存中添加该点赞if(add) {this.stringRedisTemplate.opsForSet().add(key, userId.toString());}} else {// 已经点赞// TODO 博客总点赞数减一LambdaUpdateWrapper<Blog> blogLambdaUpdateWrapper = new LambdaUpdateWrapper<>();blogLambdaUpdateWrapper.setSql("liked = liked - 1").eq(Blog::getId, id);boolean subtract = this.update(blogLambdaUpdateWrapper);// TODO Redis缓存中删除该点赞if(subtract) {this.stringRedisTemplate.opsForSet().remove(key, userId.toString());}}return true;}

查看是否点赞

    /*** 查询是否点赞* @param id 博客id*/public Boolean queryLikeBlog(Long id) {String key = Constants.BLOG_LIKE_KEY + id;// TODO 从ThreadLocal中获取用户idLong userId = UserHolder.getId();if(userId == null) {return false;}// TODO 从Redis中判断是否点赞Boolean isMember = this.stringRedisTemplate.opsForSet().isMember(key + id, userId.toString());// TODO 返回结果if(isMember == null) {isMember = false;}return isMember;}

点赞排行榜

对于博客来说,那些比较水的博客肯定是点赞数比较少,但是一些大V的博客点赞数可能是以万为单位来计算的,自然就不可能将所有的点赞用户都表示出来。所以,我借用了微信的朋友圈点赞,将最开始点赞的N个人进行展示。

由于这个功能要找到最开始点赞的N个人,所以就对点赞时间有了一个顺序之分,这时就不能使用集合来实现这个业务,转而换成有序集合来进行实现。

1. 将上述两个功能的代码进行修改

    /*** 点赞功能* @param id 博客id*/public Boolean likeBlog(Long id) {String key = Constants.BLOG_LIKE_KEY + id;// TODO 从ThreadLocal中获取用户idLong userId = UserHolder.getId();if(userId == null) {return false;}// TODO 从Redis中判断该用户对该博客是否进行点赞Double score = this.stringRedisTemplate.opsForZSet().score(key, userId.toString());// TODO 判断是否点赞if(score == null) {// 未点赞// TODO 博客总点赞数加一LambdaUpdateWrapper<Blog> blogLambdaUpdateWrapper = new LambdaUpdateWrapper<>();blogLambdaUpdateWrapper.setSql("liked = liked + 1").eq(Blog::getId, id);boolean add = this.update(blogLambdaUpdateWrapper);// TODO Redis缓存中添加该点赞if(add) {this.stringRedisTemplate.opsForZSet().add(key, userId.toString(), System.currentTimeMillis());}} else {// 已经点赞// TODO 博客总点赞数减一LambdaUpdateWrapper<Blog> blogLambdaUpdateWrapper = new LambdaUpdateWrapper<>();blogLambdaUpdateWrapper.setSql("liked = liked - 1").eq(Blog::getId, id);boolean subtract = this.update(blogLambdaUpdateWrapper);// TODO Redis缓存中删除该点赞if(subtract) {this.stringRedisTemplate.opsForZSet().remove(key, userId.toString());}}return true;}/*** 查询是否点赞* @param id 博客id*/public Boolean queryLikeBlog(Long id) {String key = Constants.BLOG_LIKE_KEY + id;// TODO 从ThreadLocal中获取用户idLong userId = UserHolder.getId();if(userId == null) {return false;}// TODO 从Redis中判断是否点赞Double score = this.stringRedisTemplate.opsForZSet().score(key, userId.toString());// TODO 返回结果if(score == null) {return false;}return true;}

2. 实现点赞排行榜功能

    /*** 点赞排行榜* 找出点赞的前5个人* @param id 博客id*/public List<User> queryLikeBlogOfUsers(Long id) {String key = Constants.BLOG_LIKE_KEY + id;// TODO 按照业务要求找出前N个人,此处是5个人Set<String> top5 = this.stringRedisTemplate.opsForZSet().range(key, 0, 4);// TODO 判断数据是否为空if(top5 == null || top5.isEmpty()) {return Collections.emptyList();}// TODO 将字符串类型转换为Long类型进行查询用户的详细信息List<Long> userIds = new ArrayList<>();for(String userId : top5) {userIds.add(Long.parseLong(userId));}// TODO 返回结果return this.userService.listByIds(userIds);}

对于点赞业务的讲解就这么多了,其实这里只是简单的实现了一个点赞业务而已。不同的业务自然就会出现不同的代码,即使实现的都是一个功能。所以,对代码的熟悉固然重要,但是对业务的熟悉也是非常重要的。

这篇关于【Redis】点赞功能的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1143314

相关文章

SpringKafka消息发布之KafkaTemplate与事务支持功能

《SpringKafka消息发布之KafkaTemplate与事务支持功能》通过本文介绍的基本用法、序列化选项、事务支持、错误处理和性能优化技术,开发者可以构建高效可靠的Kafka消息发布系统,事务支... 目录引言一、KafkaTemplate基础二、消息序列化三、事务支持机制四、错误处理与重试五、性能优

SpringIntegration消息路由之Router的条件路由与过滤功能

《SpringIntegration消息路由之Router的条件路由与过滤功能》本文详细介绍了Router的基础概念、条件路由实现、基于消息头的路由、动态路由与路由表、消息过滤与选择性路由以及错误处理... 目录引言一、Router基础概念二、条件路由实现三、基于消息头的路由四、动态路由与路由表五、消息过滤

Spring Boot 3.4.3 基于 Spring WebFlux 实现 SSE 功能(代码示例)

《SpringBoot3.4.3基于SpringWebFlux实现SSE功能(代码示例)》SpringBoot3.4.3结合SpringWebFlux实现SSE功能,为实时数据推送提供... 目录1. SSE 简介1.1 什么是 SSE?1.2 SSE 的优点1.3 适用场景2. Spring WebFlu

基于SpringBoot实现文件秒传功能

《基于SpringBoot实现文件秒传功能》在开发Web应用时,文件上传是一个常见需求,然而,当用户需要上传大文件或相同文件多次时,会造成带宽浪费和服务器存储冗余,此时可以使用文件秒传技术通过识别重复... 目录前言文件秒传原理代码实现1. 创建项目基础结构2. 创建上传存储代码3. 创建Result类4.

Python+PyQt5实现多屏幕协同播放功能

《Python+PyQt5实现多屏幕协同播放功能》在现代会议展示、数字广告、展览展示等场景中,多屏幕协同播放已成为刚需,下面我们就来看看如何利用Python和PyQt5开发一套功能强大的跨屏播控系统吧... 目录一、项目概述:突破传统播放限制二、核心技术解析2.1 多屏管理机制2.2 播放引擎设计2.3 专

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML

Redis 中的热点键和数据倾斜示例详解

《Redis中的热点键和数据倾斜示例详解》热点键是指在Redis中被频繁访问的特定键,这些键由于其高访问频率,可能导致Redis服务器的性能问题,尤其是在高并发场景下,本文给大家介绍Redis中的热... 目录Redis 中的热点键和数据倾斜热点键(Hot Key)定义特点应对策略示例数据倾斜(Data S

redis+lua实现分布式限流的示例

《redis+lua实现分布式限流的示例》本文主要介绍了redis+lua实现分布式限流的示例,可以实现复杂的限流逻辑,如滑动窗口限流,并且避免了多步操作导致的并发问题,具有一定的参考价值,感兴趣的可... 目录为什么使用Redis+Lua实现分布式限流使用ZSET也可以实现限流,为什么选择lua的方式实现

使用PyTorch实现手写数字识别功能

《使用PyTorch实现手写数字识别功能》在人工智能的世界里,计算机视觉是最具魅力的领域之一,通过PyTorch这一强大的深度学习框架,我们将在经典的MNIST数据集上,见证一个神经网络从零开始学会识... 目录当计算机学会“看”数字搭建开发环境MNIST数据集解析1. 认识手写数字数据库2. 数据预处理的

Redis中管道操作pipeline的实现

《Redis中管道操作pipeline的实现》RedisPipeline是一种优化客户端与服务器通信的技术,通过批量发送和接收命令减少网络往返次数,提高命令执行效率,本文就来介绍一下Redis中管道操... 目录什么是pipeline场景一:我要向Redis新增大批量的数据分批处理事务( MULTI/EXE