你们项目是如何是XXL-JOB的
XXL-JOB是一个轻量级分布式任务调度平台,主要功能和特点如下:
- 任务调度:安排任务的执行时间和执行频率,确保任务在规定的时间内完成。
- 任务分发:任务分发到不同的执行器(Executor),实现分布式处理任务,提高效率和可靠性。
- 任务结果存储:将任务执行结果存储在数据库中,随时查看任务执行情况和执行结果。
- 任务失败重试:当任务执行失败时自动重试。配置重试次数和重试间隔来保证任务的成功执行。
- 任务日志查看:查看任务的执行日志,了解任务执行过程中的详细信息和异常处理。
- 执行器管理:方便地添加、删除和修改执行器,实现动态扩展任务处理能力。
一般来说,使用xxl-job的过程大致如下:
- 集成xxl-job:将xxl-job的jar包引入项目中,并进行相应的配置。
- 定义任务:编写需要定时执行的任务代码,并使用xxl-job提供的注解或配置进行标识。
- 注册任务:将定义的任务注册到xxl-job的任务管理中心。
- 启动任务:启动xxl-job的执行器,执行器会定时去任务管理中心拉取任务并执行。
在项目中的点赞功能就用到的了xxl-job来实现定期更新点赞数量到mysql数据中。
说一说你的评论点赞功能是如何完成(reids版本)
在项目中的点赞功能涉及到两个微服务,分别是点赞微服务和学习微服务,同时使用到了redis中的Zset集合作为缓存类型。当然对于点赞数量来说是保证了最终一致。
-
首先当用户进行点赞或取消点赞操作时,会先判断用户的行为。
-
如果是点赞操作,先判断这条评论是否存在点赞记录,如果没有,则会新增点赞记录,会先将用户ID和业务ID缓存到点赞记录的缓存中,不设置score分数,之后根据业务id统计点赞数量缓存到统计的缓存中,数量做为score分数,并返回缓存变更后的数量,否则在这条缓存记录的基础上进行,并返回缓存变更后的数量。
-
如果是取消点赞,则根据业务ID和用户ID从缓存中删除相应的记录。并修改统计缓存中的score分数,返回变更后的数量。
-
如果用户仅仅是查看,直接返回缓存结果即可。
-
最后,通过XXL-JOB定时向MQ投递消息(包括业务ID和点赞数量)到学习微服务,学习微服务将数据同步到数据库中。
这种设计方案考虑了点赞功能的各个方面,包括点赞操作、取消点赞操作、点赞数量的记录和更新,以及消息通知等。通过这样的设计,能够满足高并发环境下的需求,同时也保证了系统的稳定性和一致性。
项目过程有没有难题(业绩)
- 点赞模块前期用的是mysql存储实现,点赞操作波动较大,有可能会在短时间内访问量激增,对数据库造成巨大压力,合理提议之后改用redis实现。
- 对于登录用户信息传递,是基于JWT实现登录的,获取当前登录用户,解析其中的token即可。但每个微服务都可能需要登录用户信息,因此把token解析的动作放到了网关中,然后网关把用户信息放入请求头,传递给下游微服务,再给每个微服务定义了一个HandlerInterceptor,拦截进入微服务的请求微服务从请求头拿出用户信息,存入UserContext(线程局部变量)。通过这种的方式解决了登录用户信息的传递问题。