【Redis】签到点赞和UV统计

Redis签到点赞和UV统计

点赞功能分析

需求：

同一个用户只能点赞一次，再次点击则取消点赞
如果当前用户已经点赞，则点赞按钮高亮显示（前端判断字段isLike属性）

实现步骤：

利用Redis的set集合判断是否点赞过，将用户id保存到set中
判断当前登录用户是否点赞过，赋值给isLike字段
通过Redis的set集合中Scard命令获取成员个数，即点赞次数

业务实现

LikedDTO

@Data
@AllArgsConstructor
@NoArgsConstructor
public class LikedDTO {/*** 点赞数量*/long likedSum;/*** 用户是否点过赞*/Boolean isLiked;
}

点赞操作

// 点赞操作
@Override
public String doLike() {String key = "RedisSessionDemo:liked";String phone = UserHolder.getUser().getPhone();// 查询是否点赞过Boolean isLiked = redisTemplate.opsForSet().isMember(key, phone);if (BooleanUtil.isTrue(isLiked)) {// 点赞过 -> 取消点赞redisTemplate.opsForSet().remove(key, phone);return "取消点赞成功";}// 没点赞过 -> 点赞redisTemplate.opsForSet().add(key, phone);return "点赞成功";
}

获取点赞数据

// 获取点赞数据
@Override
public LikedDTO getLiked() {String key = "RedisSessionDemo:liked";Long likedNum = redisTemplate.opsForSet().size(key);if (likedNum == null) {likedNum = 0L;}UserDTO user = UserHolder.getUser();Boolean isLiked = false;if (user != null) {isLiked = redisTemplate.opsForSet().isMember(key, user.getPhone());}return new LikedDTO(likedNum, isLiked);
}

点赞排行

功能分析

点赞排行：类似朋友圈的点赞列表，按照点赞的先后顺序展示头像等信息。

使用 sorted set 结构，将点赞的时间戳作为分数值记录。

功能实现

修改点赞函数

// 获取点赞数据
@Override
public LikedDTO getLiked2() {String key = "RedisSessionDemo:liked";Long likedNum = redisTemplate.opsForZSet().size(key);if (likedNum == null) {likedNum = 0L;}UserDTO user = UserHolder.getUser();boolean isLiked = false;if (user != null) {Double score = redisTemplate.opsForZSet().score(key, user.getPhone());isLiked = (score != null && score > 0);}return new LikedDTO(likedNum, isLiked);
}// 点赞操作
@Override
public String doLike2() {String key = "RedisSessionDemo:liked";String phone = UserHolder.getUser().getPhone();// 查询是否点赞过Double isLiked = redisTemplate.opsForZSet().score(key, phone);if (isLiked != null && isLiked > 0) {// 点赞过 -> 取消点赞redisTemplate.opsForZSet().remove(key, phone);return "取消点赞成功";}// 没点赞过 -> 点赞redisTemplate.opsForZSet().add(key, phone, System.currentTimeMillis());return "点赞成功";
}

获取点赞列表

// 获取点赞列表
@Override
public List<String> getLikedList() {String key = "RedisSessionDemo:liked";// 获取所有元素Set<String> set = redisTemplate.opsForZSet().range(key, 0, -1);if (set != null) {return new ArrayList<>(set);}return Collections.emptyList();
}

用户签到

BitMap用法

我们按月来统计用户签到信息，签到记录为1，未签到则记录为0。

把每一个bit位对应当月的每一天，形成了映射关系。用0和1标示业务状态，这种思路就称为位图（BitMap）。

Redis中是利用string类型数据结构实现BitMap，因此最大上限是512M，转换为bit则是 $2^{32}$ 个bit位。

BitMap的操作命令有：

SETBIT：向指定位置（offset）存入一个0或1
GETBIT ：获取指定位置（offset）的bit值
BITCOUNT ：统计BitMap中值为1的bit位的数量
BITFIELD ：操作（查询、修改、自增）BitMap中bit数组中的指定位置（offset）的值
BITFIELD_RO ：获取BitMap中bit数组，并以十进制形式返回
BITOP ：将多个BitMap的结果做位运算（与、或、异或）
BITPOS ：查找bit数组中指定范围内第一个0或1出现的位置

实现签到功能

因为BitMap底层是基于String数据结构，因此其操作也都封装在字符串相关操作中了。

public Boolean sign() {String phone = UserHolder.getUser().getPhone();Date date = new Date();String yearAndMonth = new SimpleDateFormat("yyyy:MM").format(date);String key = "RedisSessionDemo:user:sign:" + phone + ":" + yearAndMonth;int day = Integer.parseInt(new SimpleDateFormat("DD").format(date));// 实现签到redisTemplate.opsForValue().setBit(key, day, true);return true;
}

签到统计

连续签到：从最后一次签到开始向前统计，直到遇到第一次未签到为止的签到次数

封装SignData类

@Data
@AllArgsConstructor
@NoArgsConstructor
public class SignData {// 月签到次数Integer MonthTimes;// 月连续签到次数Integer ContinuousTimes;
}

业务实现

@Override
public SignData signdata() {// 获取 bitmapString phone = UserHolder.getUser().getPhone();Date date = new Date();String yearAndMonth = new SimpleDateFormat("yyyy:MM").format(date);String key = "RedisSessionDemo:user:sign:" + phone + ":" + yearAndMonth;int day = Integer.parseInt(new SimpleDateFormat("DD").format(date));List<Long> list = redisTemplate.opsForValue().bitField(key, BitFieldSubCommands.create().get(BitFieldSubCommands.BitFieldType.unsigned(day + 1)).valueAt(0));if (list == null || list.isEmpty()) {return new SignData(0, 0);}Long sign = list.get(0);if (sign == null) {return new SignData(0, 0);}// 统计计算int MonthTimes = 0;int ContinuousTimes = 0;boolean isContinuous = true;while (sign != 0) {// 连续签到if (isContinuous) {if ((sign & 1) == 1) {ContinuousTimes++;} else {isContinuous = false;}}// 月签到次数if ((sign & 1) == 1) {MonthTimes++;}sign = sign >> 1;}return new SignData(MonthTimes, ContinuousTimes);
}

UV统计

HyperLogLog

UV：全称Unique Visitor，也叫独立访客量，是指通过互联网访问、浏览这个网页的自然人。1天内同一个用户多次访问该网站，只记录1次。
PV：全称Page View，也叫页面访问量或点击量，用户每访问网站的一个页面，记录1次PV，用户多次打开页面，则记录多次PV。往往用来衡量网站的流量。

UV统计在服务端做会比较麻烦，因为要判断该用户是否已经统计过了，需要将统计过的用户信息保存。但是如果每个访问的用户都保存到Redis中，数据量会非常恐怖。

Hyperloglog(HLL)是从Loglog算法派生的概率算法，用于确定非常大的集合的基数，而不需要存储其所有值。相关算法

Redis中的HLL是基于string结构实现的，单个HLL的内存永远小于16kb，内存占用低的令人发指！

作为代价，其测量结果是概率性的，有小于0.81％的误差。不过对于UV统计来说，这完全可以忽略。

作用：做海量数据的统计工作
优点：内存占用极低、性能非常好
缺点：有一定的误差

业务实现

@Test
void hyperlogTest() {for (int i = 0; i < 100; i++) {stringRedisTemplate.opsForHyperLogLog().add("hyperlogTest", "user-" + i);}Long size = stringRedisTemplate.opsForHyperLogLog().size("hyperlogTest");System.out.println(size);
}