使用redis构建文章投票系统

最新推荐文章于 2023-05-30 16:54:13 发布

程序员小董

最新推荐文章于 2023-05-30 16:54:13 发布

阅读量4.9k

点赞数 3

分类专栏： Redis Redis技术相关文章标签： redis 投票系统

本文链接：https://blog.csdn.net/dlf123321/article/details/52846757

版权

Redis 同时被 2 个专栏收录

12 篇文章 2 订阅

订阅专栏

Redis技术相关

12 篇文章 8 订阅

订阅专栏

首先,我得说明这篇博客基本上就是<<redis in action>>第一章内容的读书笔记。

需求

首先,说明一下,我们的需求
用户可以发表文章,发表时,自己就默认的给自己的文章投了一票。

用户在查看网站的文章时,文章当然是按顺序排列的(这个顺序怎么计算呢?我们把文章发表的时间求出来,这个时间就是离1970年的那个秒数,同时,文章每被投票一次,再那个时间的基础上加上一个常量。最后按照所有文章的总得分来排序)。

当然,我也可以就按照发表时间排序。
一篇文章发表后,七天内可以投票,七天过后就不能再投票了。
某个人只能给一篇文章投一次票。
一个文章可以属于很多个组,我们还应该可以在组内排序。

redis的介绍,以及基础操作

http://doc.redisfans.com/

设计方案

首先我们肯定有几个数据域
第一个域,这是zset(有序集合)----score:
member是文章的id,score是文章的得分(发表时间+得票数*一个常量)
第二个域,也是zset(有序集合)----time:
member是文章的id,score是文章的发表时间
第三个域,是hash(散列)-------article:id
key就是文章标题,文章的作者,发表时间,获得的投票数等等
第四个域,是set(无序集合)-----voted:articleId
里面存储的是给这篇文章投过票的所有用户的id号
第五个域,是string------article:
这个域用来获得最新发表的文章的id号
第六个域,是set------group:groupname
里面存储的属于这个组的所有文章的id

发表文章

private static final int ONE_WEEK_IN_SECONDS = 7 * 86400;
 public String postArticle(Jedis conn, String user, String title, String link) {
	//获得最新的id
        String articleId = String.valueOf(conn.incr("article:"));


        String voted = "voted:" + articleId;
	//自己给自己的文章投票
        conn.sadd(voted, user);
	//一篇文章只有在发布七天内才能投票
        conn.expire(voted, ONE_WEEK_IN_SECONDS);


	//保存文章到散列表
        long now = System.currentTimeMillis() / 1000;
        String article = "article:" + articleId;
        HashMap<String,String> articleData = new HashMap<String,String>();
        articleData.put("title", title);
        articleData.put("link", link);
        articleData.put("user", user);
        articleData.put("now", String.valueOf(now));
        articleData.put("votes", "1");  //自己投的第一票
        conn.hmset(article, articleData);
        
        
        //加了一个数据域 key是score:  member是文章   score是文章的得分 
        //发布的时候 默认作者本人为文章投票
        conn.zadd("score:", now + VOTE_SCORE, article);
        
        
        //加了一个数据域 key是time: member是文章 score是文章的发布时间
        conn.zadd("time:", now, article);


        return articleId;
    }

给文章投票

  //每一票对应的常量
    private static final int VOTE_SCORE = 432;
    public void articleVote(Jedis conn, String user, String article) {
    	
        long cutoff = (System.currentTimeMillis() / 1000) - ONE_WEEK_IN_SECONDS;
        
        //cutoff之前的发布的文章 就不能再投票了
        if (conn.zscore("time:", article) < cutoff){
            return;
        }


        String articleId = article.substring(article.indexOf(':') + 1);
        
        //查看user是否给这篇文章投过票
        //set里面的key是唯一的 如果 sadd返回0 表示set里已经有数据了 
	//如果返回1表示还没有这个数据
        if (conn.sadd("voted:" + articleId, user) == 1) {
            conn.zincrby("score:", VOTE_SCORE, article);
            conn.hincrBy(article, "votes", 1l);
        }
    }

一篇文章可以分为多个组

    public void addGroups(Jedis conn, String articleId, String[] toAdd) {
        String article = "article:" + articleId;
        for (String group : toAdd) {
            conn.sadd("group:" + group, article);
        }
    }

按照顺序,获得文章(所有组的文章统一排序)

page是分页查询,order可以分两种,score和time,前者还考虑到了投票,后者就完全按照时间排序

  public List<Map<String,String>> getArticles(Jedis conn, int page, String order) {
        int start = (page - 1) * ARTICLES_PER_PAGE;
        int end = start + ARTICLES_PER_PAGE - 1;


        Set<String> ids = conn.zrevrange(order, start, end);
        List<Map<String,String>> articles = new ArrayList<Map<String,String>>();
        for (String id : ids){
            Map<String,String> articleData = conn.hgetAll(id);
            articleData.put("id", id);
            articles.add(articleData);
        }


        return articles;
    }

按照顺序,获得某一组内的文章

    public List<Map<String,String>> getGroupArticles(Jedis conn, String group, int page, String order) {
        String key = order + group;
        if (!conn.exists(key)) {  //先查看缓存中有没有
            ZParams params = new ZParams().aggregate(ZParams.Aggregate.MAX);
            conn.zinterstore(key, params, "group:" + group, order);
            conn.expire(key, 60); //放进缓存 60s后过期
        }
        return getArticles(conn, page, key);
    }

这里现在出现问题了
ZParams params = new ZParams().aggregate(ZParams.Aggregate.MAX);
conn.zinterstore(key, params, "group:" + group, order);
这是什么鬼?
OK,我们知道,我们之前设计了五个域
我们可以很容易获得某个组内所有文章
也能很方便的知道全局范围内某种顺序(score或者time)下前n个文章

问题是,我们现在没有设计某个组范围内的某个顺序下的文章呀

zinterstore简单的说就是关系型数据库里面的关联表操作

左边的"表"存放的是programing这个组下的文章信息
中间这个"表"里面存放的是系统内每篇文章的得分
这是zinterstore方法的声明:
Open Declaration Long redis.clients.jedis.Jedis.zinterstore(String dstkey, ZParams params, String... sets)
我们要联立的是score和group:programing这个两个表
group:programing这个是一个无序set,没有score这个项呀?redis就默认它等于1
params使用的聚合是max这个型
那么score:programing这个有序set"表"的项,就是score和groups:programing这个两个表的交集
同时score:programing这个有序表的score列就是取group:programing表与score:表的最大值。group:programing的缺省值是1,那么也就是说score:programing的score就是score:表的score
好绕口呀
那么params还有什么型呢?

public class ZParams {
  public enum Aggregate {
    SUM, MIN, MAX;   //猜一下sum是什么意思

    public final byte[] raw;

    Aggregate() {
      raw = SafeEncoder.encode(name());
    }
  }
 // .....
}

反对票

对了,如果要设置投反对票的功能,一个人只能反对一篇文章一次,怎么做,那简单呀
在建立一个set域,key就是oppose:atrticleId
里面存放的就是反对这篇文章的用户的信息

    //每一票对应的常量
    private static final int VOTE_SCORE = 432;
    public void articleOppose(Jedis conn, String user, String article) {
    	
        long cutoff = (System.currentTimeMillis() / 1000) - ONE_WEEK_IN_SECONDS;
        
        //cutoff之前的发布的文章 就不能再投票了
        if (conn.zscore("time:", article) < cutoff){
            return;
        }


        String articleId = article.substring(article.indexOf(':') + 1);
        
        //查看user是否给这篇文章投过票
        //set里面的key是唯一的 如果 sadd返回0 表示set里已经有数据了 
	//如果返回1表示还没有这个数据
        if (conn.sadd("oppose:" + articleId, user) == 1) {
            conn.zincrby("score:", -VOTE_SCORE, article);
            conn.hincrBy(article, "votes", -1l);
        }
    }

搞定!

/
以下为2016-10-19日更新

我们查看getArticles的代码,分析一下,
第一次交互和redis交互,获得了id名
后面还有25次交互获得了文章的详细信息
一共交互了26次
那么有没有更好的方法呢?

public List<Map<String,String>> getArticles(Jedis conn, int page, String order) {
        int start = (page - 1) * ARTICLES_PER_PAGE;
        int end = start + ARTICLES_PER_PAGE - 1;
        Set<String> ids =  conn.zrevrange(order, start, end);


        Map<String,Response<Map<String, String>>> map=uesPipeline(conn,ids);
        
        List<Map<String,String>> articles = new ArrayList<Map<String,String>>();
        for (Entry<String, Response<Map<String, String>>> entry : map.entrySet()){
        	String id=entry.getKey();
        	Map<String, String> article=entry.getValue().get();
        	article.put("id", id);
        	articles.add(article);
        }


        return articles;
    }
    
	private Map<String,Response<Map<String, String>>>  uesPipeline(Jedis conn, Set<String> ids) {
        Pipeline p=conn.pipelined();
        Map<String,Response<Map<String, String>>> map =

new HashMap<String, Response<Map<String, String>>>();
        for (String id : ids){
        	Response<Map<String, String>> articleData= p.hgetAll(id);
        	map.put(id, articleData);
        }
        p.sync();
		return map;
	}

本来我们是发送一条请求,redis就处理一条,然后给我们返回结果
使用了管道后,在调用管道的sync方法前所有的请求都先储存在本地,调用了sync后,再一并发送到redis服务端,从原来的26次交互变成了2次交互,效率自然就提高了#
以上为2016-10-19日更新
/

所有代码

package redisinaction;
import redis.clients.jedis.Jedis;
import redis.clients.jedis.ZParams;


import java.util.*;


public class Chapter01 {
    private static final int ONE_WEEK_IN_SECONDS = 7 * 86400;
    private static final int VOTE_SCORE = 432;
    private static final int ARTICLES_PER_PAGE = 25;


    public String postArticle(Jedis conn, String user, String title, String link) {
        String articleId = String.valueOf(conn.incr("article:"));


        String voted = "voted:" + articleId;
        conn.sadd(voted, user);
        conn.expire(voted, ONE_WEEK_IN_SECONDS);


        long now = System.currentTimeMillis() / 1000;
        String article = "article:" + articleId;
        HashMap<String,String> articleData = new HashMap<String,String>();
        articleData.put("title", title);
        articleData.put("link", link);
        articleData.put("user", user);
        articleData.put("now", String.valueOf(now));
        articleData.put("votes", "1");
        conn.hmset(article, articleData);
        conn.zadd("score:", now + VOTE_SCORE, article);
        conn.zadd("time:", now, article);


        return articleId;
    }


    public void articleVote(Jedis conn, String user, String article) {
        long cutoff = (System.currentTimeMillis() / 1000) - ONE_WEEK_IN_SECONDS;
        if (conn.zscore("time:", article) < cutoff){
            return;
        }


        String articleId = article.substring(article.indexOf(':') + 1);
        if (conn.sadd("voted:" + articleId, user) == 1) {
            conn.zincrby("score:", VOTE_SCORE, article);
            conn.hincrBy(article, "votes", 1l);
        }
    }




    public List<Map<String,String>> getArticles(Jedis conn, int page) {
        return getArticles(conn, page, "score:");
    }


    public List<Map<String,String>> getArticles(Jedis conn, int page, String order) {
        int start = (page - 1) * ARTICLES_PER_PAGE;
        int end = start + ARTICLES_PER_PAGE - 1;


        Set<String> ids = conn.zrevrange(order, start, end);
        List<Map<String,String>> articles = new ArrayList<Map<String,String>>();
        for (String id : ids){
            Map<String,String> articleData = conn.hgetAll(id);
            articleData.put("id", id);
            articles.add(articleData);
        }


        return articles;
    }


    public void addGroups(Jedis conn, String articleId, String[] toAdd) {
        String article = "article:" + articleId;
        for (String group : toAdd) {
            conn.sadd("group:" + group, article);
        }
    }


    public List<Map<String,String>> getGroupArticles(Jedis conn, String group, int page) {
        return getGroupArticles(conn, group, page, "score:");
    }


    public List<Map<String,String>> getGroupArticles(Jedis conn, String group, int page, String order) {
        String key = order + group;
        if (!conn.exists(key)) {
            ZParams params = new ZParams().aggregate(ZParams.Aggregate.MAX);
            conn.zinterstore(key, params, "group:" + group, order);
            conn.expire(key, 60);
        }
        return getArticles(conn, page, key);
    }

}

测试代码

package redisinaction;

import java.text.SimpleDateFormat;
import java.util.Date;
import java.util.Iterator;
import java.util.List;
import java.util.Map;
import java.util.Map.Entry;

import org.junit.BeforeClass;
import org.junit.Test;

import redis.clients.jedis.Jedis;

/**   
 * This class is used for ...   
 * @author  dlf(460795365@qq.com)
 * @version 1.0, 2016年10月17日 下午10:15:58   
 */
public class Chapter01Test {
	Jedis conn = null;
	
	@BeforeClass
	public void initConn(){
		System.out.println("test before");
		conn = new Jedis("10.150.0.80");
        conn.auth("dlf123123");
	}
	
	
	//@Test
	public void  testPostArticle(){
		    Chapter01 c= new Chapter01();
	        Date date = new Date();  
	        SimpleDateFormat sdf = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");  
	        String date2=sdf.format(date);
	       
	        String articleId = c.postArticle(conn, "dlf", "A title"+date2, "http://www.google.com");
	        System.out.println(articleId);
	}
	
	@Test
	public void testGetAllArticles(){
		List<Map<String,String>> result= new Chapter01().getArticles(conn, 1);
		for(Map<String, String> map:result){
			Iterator<Entry<String, String>> iterator= map.entrySet().iterator();
			while(iterator.hasNext()){
				Entry<String, String> entry= iterator.next();
				System.out.print(entry.getKey()+":"+entry.getValue()+"  ");
			}
			System.out.println("");
			
		}
	}
	
	

}