【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

mysql表操作与查询功能详解

《mysql表操作与查询功能详解》本文系统讲解MySQL表操作与查询,涵盖创建、修改、复制表语法,基本查询结构及WHERE、GROUPBY等子句,本文结合实例代码给大家介绍的非常详细,感兴趣的朋友跟随... 目录01.表的操作1.1表操作概览1.2创建表1.3修改表1.4复制表02.基本查询操作2.1 SE

Redis出现中文乱码的问题及解决

《Redis出现中文乱码的问题及解决》:本文主要介绍Redis出现中文乱码的问题及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 问题的产生2China编程. 问题的解决redihttp://www.chinasem.cns数据进制问题的解决中文乱码问题解决总结

Golang如何用gorm实现分页的功能

《Golang如何用gorm实现分页的功能》:本文主要介绍Golang如何用gorm实现分页的功能方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录背景go库下载初始化数据【1】建表【2】插入数据【3】查看数据4、代码示例【1】gorm结构体定义【2】分页结构体

Redis的持久化之RDB和AOF机制详解

《Redis的持久化之RDB和AOF机制详解》:本文主要介绍Redis的持久化之RDB和AOF机制,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录概述RDB(Redis Database)核心原理触发方式手动触发自动触发AOF(Append-Only File)核

Java Web实现类似Excel表格锁定功能实战教程

《JavaWeb实现类似Excel表格锁定功能实战教程》本文将详细介绍通过创建特定div元素并利用CSS布局和JavaScript事件监听来实现类似Excel的锁定行和列效果的方法,感兴趣的朋友跟随... 目录1. 模拟Excel表格锁定功能2. 创建3个div元素实现表格锁定2.1 div元素布局设计2.

Redis分片集群、数据读写规则问题小结

《Redis分片集群、数据读写规则问题小结》本文介绍了Redis分片集群的原理,通过数据分片和哈希槽机制解决单机内存限制与写瓶颈问题,实现分布式存储和高并发处理,但存在通信开销大、维护复杂及对事务支持... 目录一、分片集群解android决的问题二、分片集群图解 分片集群特征如何解决的上述问题?(与哨兵模

SpringBoot连接Redis集群教程

《SpringBoot连接Redis集群教程》:本文主要介绍SpringBoot连接Redis集群教程,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录1. 依赖2. 修改配置文件3. 创建RedisClusterConfig4. 测试总结1. 依赖 <de

SpringBoot+Redis防止接口重复提交问题

《SpringBoot+Redis防止接口重复提交问题》:本文主要介绍SpringBoot+Redis防止接口重复提交问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录前言实现思路代码示例测试总结前言在项目的使用使用过程中,经常会出现某些操作在短时间内频繁提交。例

Redis 配置文件使用建议redis.conf 从入门到实战

《Redis配置文件使用建议redis.conf从入门到实战》Redis配置方式包括配置文件、命令行参数、运行时CONFIG命令,支持动态修改参数及持久化,常用项涉及端口、绑定、内存策略等,版本8... 目录一、Redis.conf 是什么?二、命令行方式传参(适用于测试)三、运行时动态修改配置(不重启服务

浅析如何保证MySQL与Redis数据一致性

《浅析如何保证MySQL与Redis数据一致性》在互联网应用中,MySQL作为持久化存储引擎,Redis作为高性能缓存层,两者的组合能有效提升系统性能,下面我们来看看如何保证两者的数据一致性吧... 目录一、数据不一致性的根源1.1 典型不一致场景1.2 关键矛盾点二、一致性保障策略2.1 基础策略:更新数