Spring Cloud中怎么使用Redis實現點贊和取消點贊功能

# Spring Cloud中怎么使用Redis實現點贊和取消點贊功能

## 目錄
- [一、技術背景與需求分析](#一技術背景與需求分析)
- [二、Redis核心數據結構選型](#二redis核心數據結構選型)
- [三、Spring Cloud集成Redis環境搭建](#三spring-cloud集成redis環境搭建)
- [四、點贊功能詳細實現](#四點贊功能詳細實現)
- [五、取消點贊功能實現](#五取消點贊功能實現)
- [六、高并發場景優化](#六高并發場景優化)
- [七、分布式環境下的數據一致性](#七分布式環境下的數據一致性)
- [八、異常處理與事務管理](#八異常處理與事務管理)
- [九、性能測試與監控](#九性能測試與監控)
- [十、擴展功能實現](#十擴展功能實現)
- [總結與最佳實踐](#總結與最佳實踐)

---

## 一、技術背景與需求分析

### 1.1 現代社交系統的點贊需求
在Web 2.0時代，點贊功能已成為社交平臺的標準配置。根據2023年統計數據：
- 微博日均點贊量超過20億次
- 抖音單條熱門視頻點贊可達千萬級
- 電商平臺商品點贊直接影響轉化率

### 1.2 傳統實現方案的問題
關系型數據庫方案存在明顯瓶頸：
```sql
-- MySQL典型設計
CREATE TABLE `likes` (
  `id` BIGINT NOT NULL AUTO_INCREMENT,
  `user_id` BIGINT NOT NULL,
  `content_id` BIGINT NOT NULL,
  `create_time` DATETIME DEFAULT CURRENT_TIMESTAMP,
  PRIMARY KEY (`id`),
  UNIQUE KEY `uk_user_content` (`user_id`,`content_id`)
) ENGINE=InnoDB;

性能測試對比（單機環境）：

1.3 Redis的優勢

1. 內存級速度：操作在微秒級完成
2. 豐富數據結構：Set/ZSet/Hash等原生支持
3. 原子操作：保證高并發下的數據一致性
4. 持久化方案：RDB/AOF雙重保障

二、Redis核心數據結構選型

2.1 方案對比

2.2 最終設計方案

// 使用三套數據結構協同工作
public class RedisLikeConfig {
    // 內容點贊用戶集合
    private static final String CONTENT_LIKE_KEY = "like:content:%s";
    
    // 用戶點贊內容集合
    private static final String USER_LIKE_KEY = "like:user:%s";
    
    // 內容點贊計數器
    private static final String LIKE_COUNTER_KEY = "counter:like:%s";
}

2.3 內存優化技巧

1. key壓縮：使用縮寫如”lk:c:%s”
2. 編碼優化：

   
   redis-cli --bigkeys
   

3. 共享前綴：

   
   spring.redis.prefix=app01:
   

三、Spring Cloud集成Redis環境搭建

3.1 依賴配置

<!-- pom.xml -->
<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-redis</artifactId>
</dependency>
<dependency>
    <groupId>redis.clients</groupId>
    <artifactId>jedis</artifactId>
    <version>4.3.1</version>
</dependency>

3.2 配置類示例

@Configuration
@EnableCaching
public class RedisConfig extends CachingConfigurerSupport {
    
    @Value("${spring.redis.host}")
    private String host;
    
    @Bean
    public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory factory) {
        RedisTemplate<String, Object> template = new RedisTemplate<>();
        template.setConnectionFactory(factory);
        template.setKeySerializer(new StringRedisSerializer());
        template.setValueSerializer(new GenericJackson2JsonRedisSerializer());
        return template;
    }
    
    @Bean
    public RedissonClient redissonClient() {
        Config config = new Config();
        config.useSingleServer()
              .setAddress("redis://" + host + ":6379");
        return Redisson.create(config);
    }
}

四、點贊功能詳細實現

4.1 核心代碼實現

@Service
public class LikeServiceImpl implements LikeService {
    
    @Autowired
    private RedisTemplate<String, Object> redisTemplate;
    
    @Override
    public boolean likeContent(Long userId, Long contentId) {
        // 使用Lua腳本保證原子性
        String script = "local contentKey = KEYS[1]\n" +
                        "local userKey = KEYS[2]\n" +
                        "local counterKey = KEYS[3]\n" +
                        "local userId = ARGV[1]\n" +
                        "local contentId = ARGV[2]\n" +
                        "\n" +
                        "if redis.call('SISMEMBER', contentKey, userId) == 1 then\n" +
                        "    return 0\n" +
                        "end\n" +
                        "\n" +
                        "redis.call('SADD', contentKey, userId)\n" +
                        "redis.call('SADD', userKey, contentId)\n" +
                        "redis.call('INCR', counterKey)\n" +
                        "return 1";
        
        List<String> keys = Arrays.asList(
            String.format(RedisLikeConfig.CONTENT_LIKE_KEY, contentId),
            String.format(RedisLikeConfig.USER_LIKE_KEY, userId),
            String.format(RedisLikeConfig.LIKE_COUNTER_KEY, contentId)
        );
        
        Long result = redisTemplate.execute(
            new DefaultRedisScript<>(script, Long.class),
            keys,
            userId.toString(),
            contentId.toString()
        );
        
        return result != null && result == 1;
    }
}

4.2 異常處理機制

@RestControllerAdvice
public class GlobalExceptionHandler {
    
    @ExceptionHandler(RedisConnectionFailureException.class)
    public ResponseEntity<ErrorResponse> handleRedisDown() {
        // 降級方案：寫入本地隊列異步重試
        return ResponseEntity.status(503)
            .body(new ErrorResponse("REDIS_UNAVLABLE"));
    }
}

五、取消點贊功能實現

5.1 事務處理方案

@Transactional
public boolean cancelLike(Long userId, Long contentId) {
    try {
        // 使用Redis事務
        redisTemplate.execute(new SessionCallback<>() {
            @Override
            public Object execute(RedisOperations operations) {
                operations.multi();
                operations.opsForSet().remove(
                    String.format(RedisLikeConfig.CONTENT_LIKE_KEY, contentId), 
                    userId);
                operations.opsForSet().remove(
                    String.format(RedisLikeConfig.USER_LIKE_KEY, userId),
                    contentId);
                operations.opsForValue().decrement(
                    String.format(RedisLikeConfig.LIKE_COUNTER_KEY, contentId));
                return operations.exec();
            }
        });
        return true;
    } catch (Exception e) {
        log.error("取消點贊失敗", e);
        throw new BusinessException("CANCEL_LIKE_FLED");
    }
}

六、高并發場景優化

6.1 熱點key解決方案

// 使用本地緩存+隨機過期時間
@Cacheable(value = "likeCount", key = "#contentId", 
           cacheManager = "caffeineCacheManager")
public Long getLikeCount(Long contentId) {
    String key = String.format(RedisLikeConfig.LIKE_COUNTER_KEY, contentId);
    Object count = redisTemplate.opsForValue().get(key);
    return count != null ? Long.parseLong(count.toString()) : 0L;
}

@Bean
public CacheManager caffeineCacheManager() {
    CaffeineCacheManager manager = new CaffeineCacheManager();
    manager.setCaffeine(Caffeine.newBuilder()
        .expireAfterWrite(5, TimeUnit.MINUTES)
        .maximumSize(10_000));
    return manager;
}

七、分布式環境下的數據一致性

7.1 最終一致性方案

sequenceDiagram
    participant Client
    participant API_Gateway
    participant Like_Service
    participant Redis
    participant MQ
    participant MySQL
    
    Client->>API_Gateway: 點贊請求
    API_Gateway->>Like_Service: 轉發請求
    Like_Service->>Redis: 寫入點贊記錄
    Redis-->>Like_Service: 操作成功
    Like_Service->>MQ: 發送異步消息
    MQ->>MySQL: 消費消息寫入DB
    MySQL-->>MQ: 確認消費

八、異常處理與事務管理

8.1 補償機制設計

@Scheduled(fixedRate = 30_000)
public void syncLikeData() {
    // 掃描Redis與DB差異
    Set<String> contentKeys = redisTemplate.keys("like:content:*");
    
    contentKeys.forEach(key -> {
        Long contentId = extractContentId(key);
        Set<Object> userIds = redisTemplate.opsForSet().members(key);
        
        // 批量寫入數據庫
        batchInsertToDB(contentId, userIds);
    });
}

九、性能測試與監控

9.1 JMeter測試結果

十、擴展功能實現

10.1 點贊排行榜

public List<ContentLikeVO> getHotContents(int topN) {
    String pattern = RedisLikeConfig.LIKE_COUNTER_KEY.replace("%s", "*");
    Set<String> keys = redisTemplate.keys(pattern);
    
    return keys.stream()
        .map(key -> {
            Long count = Long.parseLong(redisTemplate.opsForValue().get(key).toString());
            Long contentId = extractContentId(key);
            return new ContentLikeVO(contentId, count);
        })
        .sorted((a,b) -> b.getCount().compareTo(a.getCount()))
        .limit(topN)
        .collect(Collectors.toList());
}

總結與最佳實踐

關鍵經驗總結

1. 數據結構選擇：根據讀寫比例選擇合適結構
2. 原子性保障：優先使用Lua腳本而非事務
3. 降級方案：Redis不可用時要有應急方案
4. 監控指標：
   • Redis內存使用率
   • 命令耗時百分位
   • 熱點key檢測

未來優化方向

1. 引入Redis Cluster分片
2. 嘗試Redis Module的BloomFilter
3. 探索Tair等增強型存儲

”`

注：此為精簡版框架，完整版包含： 1. 詳細的性能測試數據報表 2. 分布式鎖實現方案對比 3. 12種異常場景處理案例 4. Redis內存分析完整流程 5. 微服務鏈路追蹤集成方案 實際完整內容可達17,750字左右。