非常全面的Java SpringBoot点赞功能实现

网友投稿 405 2022-09-01


非常全面的Java SpringBoot点赞功能实现

目录前言解决方案青铜版白银版黄金版源码总结

前言

最近公司在做一个NFT商城的项目,大致就是一个只买卖数字产品的平台,项目中有个需http://求是用户可以给商品点赞,还需要获取商品的点赞总数,类似下图

起初感觉这功能很好实现,无非就是加个点赞表嘛,后来发现事情并没有这么简单。

一开始的设计是这样的,一共有三张表:商品表、用户表、点赞表,用户点赞的时候把用户id和商品id加到点赞表中,并给对应的商品点赞数+1。看起来没什么问题,逻辑也比较简单,但是测试的时候缺发现了奇怪的bug,点赞数量有时候会不正确,结果会比预期的大。

下面贴下关键代码(项目使用了Mybatis-Plus):

public boolean like(Integer userId, Integer productId) {

// 查询是否有记录,如果有记录直接返回

Like like = getOne(new QueryWrapper().lambda()

.eq(Like::getUserId, userId)

.eq(Like::getProductId, productId));

if(like != null) {

return true;

}

// 保存并商品点赞数加1

save(Like.builder()

.userId(userIUAhhyrZvBod)

.productId(productId)

.build());

return productService.update(new UpdateWrapper().lambda()

.setSql("like_count = like_count + 1")

.eq(Product::getId, productId));

}

看上去没什么问题,但是测试后数据却不正确,为什么呢?

实际上这是一个并发问题,只要在并发的情况下就会出现问题,我们知道Spring Mvc是基于servlet的,servlet在接收到用户请求后会从线程池中拿一个线程分配给它,每个请求都是一个单独的线程。试想一下,如果A线程在执行完查询操作后,发现没有记录,随后由于CPU调度,把控制权让了出去,然后B线程执行查询,也发现没有记录,这时候A和B线程都会执行保存并商品点赞数加1这个操作,导致数据不正确。

CPU操作顺序:A线程查询 -> B线程查询 -> A线程保存 -> B线程保存

下面

使用JMeter模拟一下并发的情况,模拟用户在1秒内对商品执行100次点赞请求,结果应该是1,但得到的结果却是28(实际结果不一定是28,可能是任何数字)。

解决方案

青铜版

使用synchronized关键字锁住读写操作,操作完成后释放锁

public boolean like(Integer userId, Integer productId) {

String lock = buildLock(userId, productId);

synchronized (lock) {

// 查询是否有记录,如果有记录直接返回

Like like = getOne(new QueryWrapper().lambda()

.eq(Like::getUserId, userId)

.eq(Like::getProductId, productId), false);

if(like != null) {

return true;

}

// 保存并商品点赞数加1

save(Like.builder()

.userId(userId)

.productId(productId)

.build());

return productService.update(new UpdateWrapper().lambda()

.setSql("like_count = like_count + 1")

.eq(Product::getId, productId));

}

}

private String buildLock(Integer userId, Integer productId) {

StringBuilder sb = new StringBuilder();

sb.append(userId);

sb.append("::");

sb.append(productId);

String lock = sb.toString().intern();

return lock;

}

这里要注意一点,使用String作为锁时一定要调用intern()方法,intern()会先从常量池中查找有没有相同的String,如果有就直接返回,没有的话会把当前String加入常量池,然后再返回。如果不调用这个方法锁会失效。

JMeter性能数据

优点:

保证了正确性

缺点:

性能太差,并发低的情况下还可以应付,并发高时用户体验极差

白银版

点赞表user_id和product_id加上联合索引,并使用try catch捕获异常,防止报错。由于使用了联合索引,所以不需要在新增前查询了,mysql会帮我们做这件事。

public boolean like(Integer userId, Integer productId) {

try {

// 保存并商品点赞数加1

save(Like.builder()

.userId(userId)

.productId(productId)

.build());

return productService.update(new UpdateWrapper().lambda()

.setSql("like_count = like_count + 1")

.eq(Product::getId, productId));

}catch (DuplicateKeyException exception) {

}

return true;

}

JMeter性能数据

优点:

性能比上一个方案好

缺点:

中规中矩,没什么大的缺点

黄金版

使用Redis缓存点赞数据(点赞操作使用lua脚本实现,保证操作的原子性),然后定时同步到mysql。

注意:Redis需要开启持久化,最好aof和rdb都开启,不然重启数据就丢失了

public boolean like(Integer userId, Integer productId) {

List keys = new ArrayList<>();

keys.add(buildUserRedisKey(userId));

keys.add(buildProductRedisKey(productId));

int value1 = 1;

redisUtil.execute("lua-script/like.lua", keys, value1);

return true;

}

private String buildUserRedisKey(Integer userId) {

return "userId_" + userId;

}

private String buildProductRedisKey(Integer productId) {

return "productId_" + productId;

}

lua脚本

local userId = KEYS[1]

local productId = KEYS[2]

local flag = ARGV[1] -- 1:点赞 0:取消点赞

if flag == '1' then

-- 用户set添加商品并商品点赞数加1

if redis.call('SISMEMBER', userId, productId) == 0 then

redis.call('SADD', userId, productId)

redis.call('INCR', productId)

end

else

-- 用户set删除商品并商品点赞数减1

redis.call('SREM', userId, productId)

local oldValue = tonumber(redis.call('GET', productId))

if oldValue and oldValue > 0 then

redis.call('DECR', productId)

end

end

return 1

JMeter性能数据

优点:

性能非常好

缺点:

数据量多了内存占用较高总结

如果对性能没有要求,可以使用白银版的实现方式,如果有要求,就使用黄金版的方式,内存占用大的问题也可以通过一些手段来解决,比如可以根据业务需求定期删除一些不常用的缓存数据,但是相对应的,查询的时候就需要在查询失败时再去查数据库。

源码

源码地址:https://github.com/huajiayi/like-demo

源码里有一些功能没有实现,比如定时同步功能,需要根据业务需求自行实现

总结


版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:【智能优化算法】基于人工兔群优化算法求解单目标优化问题附matlab代码
下一篇:【智能优化算法】基于自适应灰狼优化算法求解单目标优化问题附matlab代码
相关文章

 发表评论

暂时没有评论,来抢沙发吧~