黑马点评关键业务流程梳理二

最新推荐文章于 2024-05-07 16:34:28 发布
最新推荐文章于 2024-05-07 16:34:28 发布
阅读量597 收藏 3
点赞数
分类专栏： Redis实战-黑马点评 文章标签： 数据库 java redis
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sfklyqh/article/details/126044382
版权

一、博客点赞

  • 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（前端已实现，判断字段 Blog 类的isLike属性）

实现步骤：

  1. 给Blog类中添加一个isLike字段，标示是否被当前用户点赞
  2. 修改点赞功能，利用Redis的set集合判断是否点赞过，未点赞过则点赞数 +1，已点赞过则点赞数 -1
  3. 修改根据id查询Blog的业务，判断当前登录用户是否点赞过，赋值给isLike字段
  4. 修改分页查询Blog业务，判断当前登录用户是否点赞过，赋值给isLike字段

1.1 查询博客是否被当前用户点赞

private void isBlogLiked(Blog blog) {
    // 1.获取登录用户
    UserDTO user = UserHolder.getUser();
    if (user == null) {
        // 用户未登录，无需查询是否点赞
        return;
    }
    Long userId = user.getId();
    // 2.判断当前登录用户是否已经点赞
    String key = "blog:liked:" + blog.getId();
    Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());
    blog.setIsLike(score != null);
}

public Result queryBlogById(Long id) {
    // 1.查询blog
    Blog blog = getById(id);
    if (blog == null) {
        return Result.fail("笔记不存在！");
    }
    // 2.查询blog有关的用户
    queryBlogUser(blog);
    // 3.查询blog是否被点赞
    isBlogLiked(blog);
    return Result.ok(blog);
}

1.2 点赞功能

public Result likeBlog(Long id) {
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        // 2.判断当前登录用户是否已经点赞
        String key = BLOG_LIKED_KEY + id;
        Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());
        if (score == null) {
            // 3.如果未点赞，可以点赞
            // 3.1.数据库点赞数 + 1
            boolean isSuccess = update().setSql("liked = liked + 1").eq("id", id).update();
            // 3.2.保存用户到Redis的set集合  zadd key value score
            if (isSuccess) {
                stringRedisTemplate.opsForZSet().add(key, userId.toString(), System.currentTimeMillis());
            }
        } else {
            // 4.如果已点赞，取消点赞
            // 4.1.数据库点赞数 -1
            boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();
            // 4.2.把用户从Redis的set集合移除
            if (isSuccess) {
                stringRedisTemplate.opsForZSet().remove(key, userId.toString());
            }
        }
        return Result.ok();
    }

1.3 点赞排行

使用 SortedSet 存储每个博客的点赞用户信息，按照点赞时间排序，返回Top5的用户

public Result queryBlogLikes(Long id) {
        String key = BLOG_LIKED_KEY + id;
        // 1.查询top5的点赞用户 zrange key 0 4
        Set<String> top5 = stringRedisTemplate.opsForZSet().range(key, 0, 4);
        if (top5 == null || top5.isEmpty()) {
            return Result.ok(Collections.emptyList());
        }
        // 2.解析出其中的用户id
        List<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());
        String idStr = StrUtil.join(",", ids);
        // 3.根据用户id查询用户 WHERE id IN ( 5 , 1 ) ORDER BY FIELD(id, 5, 1)
        List<UserDTO> userDTOS = userService.query()
                .in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list()
                .stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());
        // 4.返回
        return Result.ok(userDTOS);
    }

二、好友关注、推送

关注是User之间的关系，是博主与粉丝的关系，数据库中有一张 tb_follow 表来标示

 2.1 关注和取关

使用 set 存储用户的关注者

    public Result follow(Long followUserId, Boolean isFollow) {
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        String key = "follows:" + userId;
        // 1.判断到底是关注还是取关
        if (isFollow) {
            // 2.关注，新增数据
            Follow follow = new Follow();
            follow.setUserId(userId);
            follow.setFollowUserId(followUserId);
            boolean isSuccess = save(follow);
            if (isSuccess) {
                // 把关注用户的id，放入redis的set集合 sadd userId followerUserId
                stringRedisTemplate.opsForSet().add(key, followUserId.toString());
            }
        } else {
            // 3.取关，删除 delete from tb_follow where user_id = ? and follow_user_id = ?
            boolean isSuccess = remove(new QueryWrapper<Follow>()
                    .eq("user_id", userId).eq("follow_user_id", followUserId));
            if (isSuccess) {
                // 把关注用户的id从Redis集合中移除
                stringRedisTemplate.opsForSet().remove(key, followUserId.toString());
            }
        }
        return Result.ok();
    }

    @Override
    public Result isFollow(Long followUserId) {
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        // 2.查询是否关注 select count(*) from tb_follow where user_id = ? and follow_user_id = ?
        Integer count = query().eq("user_id", userId).eq("follow_user_id", followUserId).count();
        // 3.判断
        return Result.ok(count > 0);
    }

2.2 共同关注

利用 redis 的 set 集合求交集

@Override
    public Result followCommons(Long id) {
        // 1.获取当前用户
        Long userId = UserHolder.getUser().getId();
        String key = "follows:" + userId;
        // 2.求交集
        String key2 = "follows:" + id;
        Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key, key2);
        if (intersect == null || intersect.isEmpty()) {
            // 无交集
            return Result.ok(Collections.emptyList());
        }
        // 3.解析id集合
        List<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
        // 4.查询用户
        List<UserDTO> users = userService.listByIds(ids)
                .stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());
        return Result.ok(users);
    }
}

2.3 关注推送

Feed流的两种模式：

  • Timeline：不做内容筛选，简单的按照内容发布时间排序，常用于好友或关注。例如朋友圈
    • 优点：信息全面，不会有缺失。并且实现也相对简单
    • 缺点：信息噪音较多，用户不一定感兴趣，内容获取效率低
  • 智能排序：利用智能算法屏蔽掉违规的、用户不感兴趣的内容。推送用户感兴趣信息来吸引用户
    • 优点：投喂用户感兴趣信息，用户粘度很高，容易沉迷
    • 缺点：如果算法不精准，可能起到反作用 本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。该模式的实现方案有

本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。TImeline又有三种模式：拉模式、推模式、推拉结合

2.3.1 拉模式 

2.3.2 推模式

 2.3.3 推拉结合

 2.3.4 基于推模式实现关注推送功能

  1. 修改新增探店笔记的业务，在保存blog到数据库的同时，推送到粉丝的收件箱。
  2. 收件箱满足可以根据时间戳排序，必须用Redis的数据结构实现。
  3. 查询收件箱数据时，可以实现分页查询。

新增笔记时：将发布的博客ID加入到每个粉丝的收件箱（SortedSet）中

public Result saveBlog(Blog blog) {
        // 1.获取登录用户
        UserDTO user = UserHolder.getUser();
        blog.setUserId(user.getId());
        // 2.保存探店笔记
        boolean isSuccess = save(blog);
        if(!isSuccess){
            return Result.fail("新增笔记失败!");
        }
        // 3.查询笔记作者的所有粉丝 select * from tb_follow where follow_user_id = ?
        List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();
        // 4.推送笔记id给所有粉丝
        for (Follow follow : follows) {
            // 4.1.获取粉丝id
            Long userId = follow.getUserId();
            // 4.2.推送
            String key = FEED_KEY + userId;
            stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
        }
        // 5.返回id
        return Result.ok(blog.getId());
    }

关乎者查看关注的人博客时

请求参数：

  • max：上一次查询的最小时间戳，作为下一次查询的起始时间戳，初始为当前时间
  • offset：上一次查询中与最小时间戳相同的个数，初始为0

返回值：

  • List<Blog> ：小于指定时间戳的博客集合
  • minTime：本次查询博客结果中的最小的时间戳
  • offset：偏移量
 public Result queryBlogOfFollow(Long max, Integer offset) {
        // 1.获取当前用户
        Long userId = UserHolder.getUser().getId();
        // 2.查询收件箱 ZREVRANGEBYSCORE key Max Min LIMIT offset count
        String key = FEED_KEY + userId;
        Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
                .reverseRangeByScoreWithScores(key, 0, max, offset, 2);
        // 3.非空判断
        if (typedTuples == null || typedTuples.isEmpty()) {
            return Result.ok();
        }
        // 4.解析数据：blogId、minTime（时间戳）、offset
        List<Long> ids = new ArrayList<>(typedTuples.size());
        long minTime = 0; // 2
        int os = 1; // 下一次的offset
        for (ZSetOperations.TypedTuple<String> tuple : typedTuples) { // 5 4 4 2 2
            // 4.1.获取id
            ids.add(Long.valueOf(tuple.getValue()));
            // 4.2.获取分数(时间戳）
            long time = tuple.getScore().longValue();
            if(time == minTime){
                os++;
            }else{
                minTime = time;
                os = 1;
            }
        }

        // 5.根据id查询blog
        String idStr = StrUtil.join(",", ids);
        List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();

        for (Blog blog : blogs) {
            // 5.1.查询blog有关的用户
            queryBlogUser(blog);
            // 5.2.查询blog是否被点赞
            isBlogLiked(blog);
        }

        // 6.封装并返回
        ScrollResult r = new ScrollResult();
        r.setList(blogs);
        r.setOffset(os);
        r.setMinTime(minTime);

        return Result.ok(r);
    }

三、商户距离排行

按照商户类型做分组，类型相同的商户作为同一组，以typeId为key存入同一个GEO集合中即可

请求参数：

  • typeId：商铺类型
  • current：页码，滚动查询
  • x：经度
  • y：纬度
public Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {
        // 1.判断是否需要根据坐标查询
        if (x == null || y == null) {
            // 不需要坐标查询，按数据库查询
            Page<Shop> page = query()
                    .eq("type_id", typeId)
                    .page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));
            // 返回数据
            return Result.ok(page.getRecords());
        }

        // 2.计算分页参数
        int from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;
        int end = current * SystemConstants.DEFAULT_PAGE_SIZE;

        // 3.查询redis、按照距离排序、分页。结果：shopId、distance
        String key = SHOP_GEO_KEY + typeId;
        GeoResults<RedisGeoCommands.GeoLocation<String>> results = stringRedisTemplate.opsForGeo() // GEOSEARCH key BYLONLAT x y BYRADIUS 10 WITHDISTANCE
                .search(
                        key,
                        GeoReference.fromCoordinate(x, y),
                        new Distance(5000),
                        RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(end)
                );
        // 4.解析出id
        if (results == null) {
            return Result.ok(Collections.emptyList());
        }
        List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();
        if (list.size() <= from) {
            // 没有下一页了，结束
            return Result.ok(Collections.emptyList());
        }
        // 4.1.截取 from ~ end的部分
        List<Long> ids = new ArrayList<>(list.size());
        Map<String, Distance> distanceMap = new HashMap<>(list.size());
        list.stream().skip(from).forEach(result -> {
            // 4.2.获取店铺id
            String shopIdStr = result.getContent().getName();
            ids.add(Long.valueOf(shopIdStr));
            // 4.3.获取距离
            Distance distance = result.getDistance();
            distanceMap.put(shopIdStr, distance);
        });
        // 5.根据id查询Shop
        String idStr = StrUtil.join(",", ids);
        List<Shop> shops = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
        for (Shop shop : shops) {
            shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());
        }
        // 6.返回
        return Result.ok(shops);
    }

丁真的小马
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Mysql把查询到的结果集按指定顺寻进行排序
m0_61820867的博客
07-25 1641
Mysql把查询到的结果集按指定顺寻进行排序
黑马点评详细总结（问题 + 踩坑点 + 解决思路）
06-15
在"黑马点评详细总结"这个项目中，我们关注的是一个类似大众点评的平台，它大量使用了Redis这一内存数据存储系统。项目的主要功能包括短信登录和注册，以及相关的用户验证流程。以下是对这些关键知识点的详细说明： ...
黑马点评（达人探店）
qq_47155894的博客
07-05 503
发布探店笔记功能是项目本身就完成了的功能，他会把图片存在本地，有兴趣可以去看源码，在UploadCOntroller类下。
黑马点评项目-优惠券秒杀
dingd1234的博客
04-26 5576
一、全局唯一ID 1.1 知识点介绍 每个店铺都可以发布优惠券，而每张优惠券都是唯一的。当用户抢购时，就会生成订单并保存到 tb_voucher_order 这张表中，而订单表如果使用数据库自增 ID 就存在一些问题： id 的规律太明显。如果 id 规律太明显，用户就能够根据 id 猜测出一些信息。比方说，某用户第一天下了一单，此时 id 为 10，第二天同一时刻，该用户又下了一单，此时 id 为 100，那么用户就能够推断出昨天一天店家卖出了 90 单，这就将一些信息暴露给用户。 受单表数据量的限制。
《黑马点评》项目学习3：自媒体素材与文章管理
kukuyt的博客
05-07 274
前端部分：使用nginx反向代理服务器，具体的html文件直接使用资料中的文件server {#填写自己的地址# 不改变源请求头的值#开启获取请求体#开启获取请求头# 记录真实发出请求的客户端IP#记录代理信息后端部分：需要在项目中添加文章数据库及实体类、文章微服务、文章网关，并对每个模块添加对应的配置文件，主要包括nacos配置中心中的与数据库连接的配置、路由到自媒体的微服务网关。
黑马点评项目-短信登录功能
dingd1234的博客
04-16 7315
一、导入黑马点评项目 1、代码下载 视频资源链接：P25 实战篇-02.短信登录-导入黑马点评项目 代码可以直接去黑马微信公众号上搜索，或者从下面的网盘链接中下载：链接: https://pan.baidu.com/s/1aWhWVn2Ai7AeuDm0KftSqw 提取码: snuw 2、SQL 脚本执行 上面的链接中有一个 hmdp.sql 文件，注意在执行该 SQL 脚本的时候不要批量执行，会报错，最好是一条一条执行。 3、前端 Nginx 搭建 3.1 Mac OS 安装 Nginx 我自己用的是
Java8 集合类型转换和对象属性映射总结
qq_38611834的博客
11-03 837
1.List的类型转换：List<String> list= new ArrayList(); 1.1谷歌的 List<Long> userId = Lists.transform(list, new com.google.common.base.Function<String, Long>() { @Override public Long apply(String input) { ...
基于Java的黑马点评项目设计源码
05-23
黑马点评是一个基于Java开发的点评项目，包含83个文件，其中包括74个Java源文件、4个XML文件、1个Git忽略文件、1个Markdown文件、1个YAML文件、1个SQL文件和1个Lua文件。该项目基于b站黑马点评项目，额外添加了一些...
基于Java的黑马点评系统设计源码
最新发布
06-07
本项目为“基于Java的黑马点评系统设计源码”，包含81个文件，其中包括73个Java源文件、2个XML配置文件、2个Lua脚本文件、1个Gitignore忽略配置文件、1个YAML配置文件、1个SQL数据库文件以及1个Markdown文档。...
黑马点评-完整代码资源
12-15
【标题】"黑马点评-完整代码资源"是一个与编程学习相关的资源集合，特别是针对黑马程序员这一知名教育机构的课程内容。这个压缩包可能包含了学员在学习过程中使用的各种代码示例和项目实践，旨在帮助初学者深入理解...
基于Java的黑马点评练手项目设计源码
05-26
本项目是基于Java的黑马点评练手项目设计源码，包含73个文件，其中包括67个Java源文件、3个XML文件、1个gitignore文件、1个YAML文件和1个SQL文件。该项目是一个练手项目，旨在帮助开发者通过实际项目实践，提升Java...
redis项目-黑马点评 项目笔记
qq_48617775的博客
10-24 2737
项目为黑马点评，有短信登录，商铺缓存，优惠券秒杀，达人探店，好友关注，附近商户，用户签到，uv统计八个功能
黑马点评--达人探店
weixin_53050118的博客
11-26 531
查看探店笔记： 点赞功能：需求：实现步骤：给Blog类中添加一个isLike字段，标示是否被当前用户点赞 修改点赞功能，利用Redis的set集合判断是否点赞过，未点赞过则点赞数+1，已点赞过则点赞数-1 修改根据id查询Blog的业务，判断当前登录用户是否点赞过，赋值isLike字段 修改分页查询Blog业务，判断当前登录用户是否点赞过，赋值给isLike字段 判断该blog用户是否点赞 点赞排行榜需求1：把笔记点赞的人显示出来，比如最早点赞的TOP5，形成点赞排行榜不同集合比较:由于set集
黑马点评项目学习笔记--（4）分布式锁
weixin_51299539的博客
06-05 312
满足集群模式或者分布式系统下，多进程可见并且互斥的锁。原理：利用 setnx 的互斥性；利用 ex 避免死锁；释放锁时判断线程标识防止释放别人的锁缺陷：不可重入、无法重试、锁超时失效。
《黑马点评》Redis高并发项目实战笔记【完结】P1~P72
RuanFun的博客
04-10 5744
《黑马点评》Redis高并发项目实战笔记（上）涉及秒杀场景、MQ异步、缓存雪崩穿透击穿等内容。
开发中的零零碎碎的Java基础知识
nurture_的博客
03-12 126
零碎的东西，在开发中有时候忘记，再百度搜素比较浪费时间，不如自己记录，同一个问题不再查第二次百度
【Redis | 黑马点评 + 思维导图】秒杀优化、Redis消息队列、达人探店
十八岁讨厌编程的博客
03-27 864
本文涉及秒杀优化、Redis消息队列、达人探店等内容
黑马点评笔记（自用）
qq_39456200的博客
03-26 855
111
【Redis | 黑马点评 + 思维导图】商户查询缓存以及热门生产问题解决
十八岁讨厌编程的博客
01-30 1072
本文涉及缓存概述、添加商户缓存的实现、缓存更新策略、缓存穿透问题及解决思路、缓存雪崩问题及解决思路、缓存击穿问题及解决思路、封装redis工具类等内容。
黑马点评postman
09-05
黑马点评是一个项目，可以通过登录系统来使用。首先，您需要启动黑马点评项目，并登录系统。登录后，您可以按F12键，然后选择Network选项，再选择Header选项，这样就可以看到authorization字段。 在代码改进中，...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值