计数服务怎么设计？

1.计数的特点？

● 请求量特别大：无论是作品维度的，点赞数，评论数，收藏数，还是用户维度的关注数，粉丝数都有较大的访问量，所以要尽量支持高并发的读取
● 写请求量大：点赞，点踩，评论，收藏，用户参与的成本很低所有会有较高的并发量
● 非产品的绝对强依赖：与用户钱包账户余额不同，在极端情况下允许部分数据丢失
● 对数据的精确性要求与数值的增加成反比：999->1000,10000->20000，不在显示个位数了

2.关系型数据库困境？

Mysql
存储引擎
InnoDB
ACID，一致性，
count(1) 扫描，太笨重
MyISAM
总行数保留到磁盘
不可取，不仅不支持事务，而且最小的锁粒度是表锁

3.是否使用关系型数据库？

通常来说，
关系型数据库无法面对写压力，可以使用异步的情况进行更新，先更新缓存，再使用消息队列异步通知关系型数据库进行异步的数据更新；
如果无法应对读的压力呢，可以使用缓存对外提供服务；
但是呢？计数的读写量大几乎每时每刻都在与缓存系统直接交互，这样看来在维护关系型数据库有点多次一举，在我看来直接将Redis当做数据的存储系统也是不错的方案，天然满足了高并发的能力要求，而且减少了非必要的数据存储；

4.内存使用优化

一开始是count_{content_id}_comment -> hash存储方式
hash在key:value较少的时候节约内存，在filed小于512个时，且大小不超过64个字节时，Redis底层会使用压缩列表的编码格式来实现hash对象
hash对象的filed不会超过512个，计数的value也大多是int64类型，所以使用这种结构刚刚好；

5.冷热数据分离

为了避免资源和用户活跃度此消彼长的状态呢，可以使用LRU，LFU算法将最近少用的，最近低频的数据进行迁移，
如何区分冷热数据呢？不同的业务场景区分是比较大的，用户维度的计数，可以认为有较多粉丝，较为活跃的用户是热数据，对于作品维度呢，可以认为一年内的作品都是热数据，发布时间较久的数据为冷数据，

6.如何应对过热数据？

在某热点事件发生的时候，计数系统会特别繁忙，可能会导致请求大量请求同时打到同一个Redis节点上，为了避免出现意外呢，异步写，写聚合：
先把请求放入消息队列中直接成功返回，接下来创建消费者，读取队列中的一定数量的请求，然后呢，将这些请求中指向同一个Redis key 的请求聚合成一个Redis的命令，使用lua脚本，将多个请求聚合为一个请求写入

7.不同场景不同选型

如果是和金额相关的场景呢，就可以踏踏实实的使用关系型数据库，对精确性不那么严格的场景就可以使用基于内存来做：