1. Redis入门

  • Redis是一款基于键值对的NoSQL数据库，它的值支持多种数据结构： 字符串(strings)、哈希(hashes)、列表(lists)、集合(sets)、有序集合(sorted sets)等。
  • Redis将所有的数据都存放在内存中，所以它的读写性能十分惊人。 同时，Redis还可以将内存中的数据以快照或日志的形式保存到硬盘上，以保证数据的安全性。
  • Redis典型的应用场景包括：缓存、排行榜、计数器、社交网络、消息队列等。

  • 官网：

  • 引入依赖

    • spring-boot-starter-data-redis
  • 配置Redis RedisConfig类
    • 配置数据库参数
    • 编写配置类，构造RedisTemplate，Spring中的RedisTemplate的key是Object类型，我们一般使用的是String类型，因此就需要重写配置类
      • 将key设置成String形式
      • 将value设置成JSON形式

  • 访问Redis

    • redisTemplate.opsForValue()
    • redisTemplate.opsForHash()
    • redisTemplate.opsForList()
    • redisTemplate.opsForSet()
    • redisTemplate.opsForZSet()

      3. 点赞

  • 点赞LikeController

    • 支持对帖子、评论点赞。
    • 第1次点赞，第2次取消点赞。
    • 存放在Redis中set集合中，存放的是点赞人的id
    • 查看当前用户对该实体的点赞状态，只需要到set集合中查找是否含有该id即可
  • 首页点赞数量
    • 统计帖子的点赞数量

  • 详情页点赞数量

    • 统计点赞数量，即查找当前key的集合大小
    • 显示点赞状态，即查找当前set中是否存放当前用户的id

      4. 我收到的赞

  • 重构点赞功能LikeService类

    • 点赞或取消点赞的动作需要更新以实体为key的set集合和以实体作者id为key的数量，因此要保证事务
    • 以用户为key，记录点赞数量
    • increment(key)，decrement(key)

  • 开发个人主页

    • 以用户为key，查询点赞数量

      5. 关注、取消关注

  • 需求FollowController

    • 开发关注、取消关注功能。
    • 统计用户的关注数、粉丝数。
    • 以zset集合存储，存储粉丝和目标，score用来存放时间

  • 关注

    • 若A关注了B，则A是B的Follower（粉丝），B是A的Followee（目标）。
    • 关注的目标可以是用户、帖子、题目等，在实现时将这些目标抽象为实体。

      6. 关注列表、粉丝列表

  • 业务层

    • 查询某个用户关注的人，支持分页。
    • 查询某个用户的粉丝，支持分页。
    • 点击关注和取消关注都要同时更新以用户关注的人为key的zset集合和以用户粉丝为key的zset集合
    • zset集合的score为当前关注的时间

  • 表现层

    • 处理“查询关注的人”、“查询粉丝”请求。
    • 编写“查询关注的人”、“查询粉丝”模板。

      7. 优化登录模块

  • 使用Redis存储验证码

    • 验证码需要频繁的访问与刷新，对性能要求较高。
    • 验证码不需永久保存，通常在很短的时间后就会失效。
      • 生成验证码时，生成验证码凭证，将凭证存入cookie（存活时间1分钟）
      • 以验证码凭证为key，存放验证码到Redis，存放时间60s
      • 登录时查询cookie获得登录凭证，通过查询redis校验验证码
    • 分布式部署时，存在Session共享的问题。
  • 使用Redis存储登录凭证（MySQL中的登录表可以作废）
    • 处理每次请求时，都要查询用户的登录凭证，访问的频率非常高。
    • 以登录凭证为key，存储登录信息
  • 使用Redis缓存用户信息UserService
    • 处理每次请求时，都要根据凭证查询用户信息，访问的频率非常高。
    • 写流程：先删除缓存，删除之后再更新DB，再异步将数据刷回缓存。如果先更新数据库再更新缓存，更新数据库时，程序访问缓存时还是旧的数据。
    • 读流程：先读缓存，如果缓存没读到，则去读DB，之后再异步将数据刷回缓存。