巧用redis实现点赞功能，它不比mysql香吗？

「爱情、让人受尽委屈。」 2023-10-02 17:35 39阅读 0赞

提到点赞，大家一想到的是不是就是朋友圈的点赞呀？其实点赞对我们来说并不陌生，我们经常会在手机软件或者网页中看到它，今天就让我们来了解一下它的实现吧。我们常见的设计思路大概分为两种：一种自然是用MySQL等数据库直接落地存储， 另外一种就是将点赞的数据保存到Redis等缓存里，在一定时间后刷回MySQL等数据库。

**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

**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：**

/**
    * 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<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;
    }
    
    /**
    * 获取Redis中的用户被点赞数量
    */
    @Override
    public 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**

![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-eLmhKsDL-1640588099427)(C:\\Users\\20102273\\Desktop\\1.png)\]][img-eLmhKsDL-1640588099427_C_Users_20102273_Desktop_1.png]  
![\[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-4e4pNcpn-1640588099431)(C:\\Users\\20102273\\Desktop\\2.png)\]][img-4e4pNcpn-1640588099431_C_Users_20102273_Desktop_2.png]

**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<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
    @Transactional
    public 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);
            }
        });
    }

至此我们就实现了基于Redis的点赞功能，我们还需要注意一点：查询用户点赞情况时，需要同时查询数据库+缓存中的数据。

以上就是今天的全部知识了，想了解更多，请关注“阿Q说代码”，获取源码请回复关键字“redis点赞”。你也可以后台留言说出你的疑惑，阿Q将会在后期的文章中为你解答。每天学习一点点，每天进步一点点。

[img-eLmhKsDL-1640588099427_C_Users_20102273_Desktop_1.png]: https://img-blog.csdnimg.cn/dcf9218ce660476b886d8cb5375c04f1.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6Zi_UeivtOS7o-eggQ==,size_20,color_FFFFFF,t_70,g_se,x_16
[img-4e4pNcpn-1640588099431_C_Users_20102273_Desktop_2.png]: https://img-blog.csdnimg.cn/f8f1b48825364da99a42de40bac929f6.png?x-oss-process=image/watermark,type_d3F5LXplbmhlaQ,shadow_50,text_Q1NETiBA6Zi_UeivtOS7o-eggQ==,size_20,color_FFFFFF,t_70,g_se,x_16