day04

4-1 你们项目是如何使用XXL-JOB的

1.部署调度中心：创建定时任务或分布式任务，并设置任务的执行方式、参数、调度策略等。

2.加注解：在要执行的方法上加上@XxlJob注解，并给方法起一个名称。

3.加配置：在配置文件中添加调度中心的配置项，包括注册中心地址、执行器名称等。

4.配置执行器：在调度中心中配置一个执行器，与微服务建立连接。通常，一个执行器与一个微服务配对使用。

5.配置任务：在执行器下配置任务，即定义任务的执行时间策略。一个执行器下可以配置多个任务。

6.查看任务执行结果：配置完成后，可以执行或启动任务。随后，在调度日志中可以查看任务的执行记录、日志和报警信息，及时处理任务执行过程中的异常和错误。

4-2 说一说你的评论点赞功能是如何完成(reids版本)

评论点赞功能在我的项目中是一个独立的通用的微服务。

首先，先判断是点赞还是取消点赞。

如果是点赞，就用向redis（set类型）中保存业务id（key）和用户id（value），返回的结果是redis中数据变更的数量，如果数量为null或0，就说明给用户点过了，不能再点了，结束流程，大于0，说明没点过，点赞成功。

如果是取消点赞，直接根据业务id和用户id删除即可。返回的结果是redis中数据变更的数量，如果数量为null或0，删除失败，结束流程。大于0则删除成功。

然后，根据业务id获取redis中点赞的数量，如果这个数量是null就设置成0，然后把业务类型做key，业务id做value，数量为score向redis（zset）中保存。

最后通过XXL-JOB定时任务，向MQ投递消息（业务id，点赞数量）。哪个微服务需要用到，就用程序监听MQ，消费消息。
 

4-3 项目过程有没有难题(业绩)

起初，我们的评论点赞数据存储在MySQL中。每次前端发送点赞请求时，需要对数据库读写操作。由于点赞存在高并发的情况，且访问时间过长，性能更差，导致数据库压力过大的问题。因此，我们考虑添加Redis缓存来优化这个过程，具体操作如下：

将点赞记录和点赞统计信息保存在Redis缓存中。

将同步写改为异步写，并合并写请求。这意味着，当多个用户同时发送点赞请求时，这些请求会被合并成一个写请求，然后异步地写入MySQL数据库。

设置定期任务，定期将Redis中的点赞数量统计通过MQ更新到MySQL数据库中。

通过以上步骤，我们成功地利用Redis缓存来优化了评论点赞数据的存储和查询，从而更好地应对了高并发场景下的性能问题。