redis应用场景真多 - 3 redis 应用场景和数据类型

有关Redis的应用场景介绍终于来到第三篇了，下面继续贡献其它场景的使用介绍。

一。商品和用户维度计数

1.1，说起电商，肯定离不开商品，而附带商品有各种计数（喜欢数，评论数，鉴定数，浏览数,etc）
Redis的命令都是原子性的，你可以轻松地利用INCR，DECR等命令来计数。不过，使用hash 结构也是不错的选择。

为product定义个key product:，为每种数值定义hashkey, 譬如喜欢数like_num。

$redis->hSet('product:123', 'like_num ', 5); // 添加 id为123的商品 like_num 为5

$redis->hIncrBy('product:123', 'like_num ', 1); // 添加 id为123的商品like_num +1

$redis->hGetAll('product:123'); // 获取id为123的商品相关信息

1.2，对用户动态数、关注数、粉丝数、喜欢商品数、发帖数等计数
用户维度计数同商品维度计数都采用 Hash. 为User定义个key 为 user:
为每种数值定义hashkey, 譬如关注数follow

$redis->hSet('user:100000', 'follow ', 5); // 添加uid为10000的用户follow 为5

$redis->hIncrBy('user:100000', 'follow ', 1); // 更新uid为10000的用户follow +1

$redis->hGetAll('user:100000'); // 获取uid为10000的用户

二。存储社交关系
譬如将用戶的好友/粉丝/关注，上一篇的最后也初步介绍了利用集合进行社交关系的存储，这次介绍利用有序集合sorted set来存，score可以是 timestamp 。
默认集合按照score递增排序
这样求两个人的共同好友的操作，可能就只需要用求交集命令即可。

$redis->zAdd('user:1000:follow', 1463557212, '1001');

#uid为1000用户关注uid为1001 , score值设定时间戳1463557212

$redis->zAdd('user:1000:follow', 1463557333, '1002');

$redis->zAdd('user:2000:follow', 1463577568, '1001');

$redis->zAdd('user:2000:follow', 1463896964, '1003');

#uid为2000用户关注1001和1003用户 , score值设定时间戳

$redis->zInter('com_fllow:1000:2000', array('user:1000:follow', 'user:2000:follow'));

#对集合'user:1000:follow'和'user:2000:follow'取交集'com_fllow:1000:2000'

#获得共同关注的uid
$redis->zRange('com_fllow:1000:2000',0,-1); // 获取全部集合元素

三。反spam系统
应用系统评论、发布商品、论坛发贴的spam控制，作为一个电商网站被各种spam攻击是少不免（垃圾评论、发布垃圾商品、广告、刷自家商品排名等），针对这些spam制定一系列anti-spam规则，其中有些规则可以利用redis做实时分析。
譬如：1分钟评论不得超过2次、5分钟评论少于5次等（更多机制/规则需要结合drools ）；
常规sorted set将最近一天用户操作记录起来。

#获取5秒内操作记录
$res = $redis->zRangeByScore('user:1000:comment', time() - 5, time());

#判断5秒内不能评论
if (!$res) {
$redis->zAdd('user:1000:comment', time(), '评论内容');
} else {
echo '5秒之内不能评论';
}

#5秒内评论不得超过2次
if($redis->zRangeByScore('user:1000:comment',time()-5 ,time())==1)
echo '5秒之内不能评论2次';

#5秒内评论不得少于2次
if(count($redis->zRangeByScore('user:1000:comment',time()-5 ,time()))<2)
echo '5秒之内不能评论2次';

四。最新列表&排行榜列表版
用于记录用户刚刚喜欢的商品最新列表or排行榜 等业务场景.
商品最新列表-sorted set结构呈现
$redis->zAdd('user:1000:product:like', time(), '3002');

$redis->zAdd('user:1000:product:like', time(), '3001');

$redis->zAdd('user:1000:product:like', time(), '3004');

$redis->zAdd('user:1000:product:like', time(), '3003');

$redis->zRange('user:1000:product:like', 0, -1,true);
#默认喜欢时间升序序排列
#
Array(
[3002] => 1463565179
[3001] => 1463565189
[3004] => 1463565199
[3003] => 1463565209
)
$redis->zRevRange('user:1000:product:like', 0, -1,true);
#以喜欢时间降序排列
#

Array
(
[3003] => 1463565424
[3004] => 1463565414
[3001] => 1463565404
[3002] => 1463565394
)

排行榜-list数据结构呈现
$redis->lPush('user:1000:product:like', '3002');

$redis->lPush('user:1000:product:like', '3001');

$redis->lPush('user:1000:product:like', '3004');

$redis->lPush('user:1000:product:like', '3003');

$redis->lRange('user:1000:product:like', 0, -1);
#Array
(
[0] => 3003
[1] => 3004
[2] => 3001
[3] => 3002
)

五。消息通知
采用Hash结构对消息通知业务场景计数
$redis->hSet('user:1000:message:notice', 'system', 1);
#设置1条未读系统消息

$redis->hIncrBy('user:1000:message:notice', 'system', 1);
#未读系统消息+1

$redis->hSet('user:1000:message:notice', 'comment', 1);
#设置1条未读评论

$redis->hIncrBy('user:1000:message:notice', 'comment', 1);
#未读评论+1

$redis->hGetAll('user:1000:message:notice');
#查看所有消息通知数量
Array
(
[system] => 2
[comment] => 2
)
六。微博底下显示最新的评论
像微博这些一个热门帖子就有其他的消息量，所以使用redis来进行数据的浏览和操作是很好的选择
存储模型设计
redis中存储数据的模型主要是list和hash,list用于有序地将评论id存储，hash则是根据id来存储评论内容。
数据id的设计
所有的评论都存储于MySQL的一张表中
对于存储评论id的list来说，因为需要指定是哪一条微博，所以key的名称应该要有该条微博的id -> weibo:66:comments，而这个key对应的值是每条评论的id -> $commentId ；
而对于存储评论内容的hash结构，因为是存储着每条评论的具体内容，所以每个键值对就是 id -> 内容的形式，key需要指定是这条微博 -> weibo:66 :comments:content
value的值则是按照评论id和评论内容来存储 $commentId – $commentContent

当用户评论之后
存入Mysql数据库，获取到的评论id
评论id通过push进redis的list中，并且将评论内容转成json的格式存放进redis的hash中
删除该条微博5000条之后的评论(完整的评论数据存在于MySQL数据库中)
伪代码:
public void addComment(Comment comment){
Long commentId = commentMappper.insert(comment);
String listKey = "weibo:"+comment.getWeiboId+"comments";
String hashKey = "weibo:"+comment.getWeiboId+":comment:content";
jedis.lpush(listKey,commentId.toString());
jedis.hset(hashKey,commentId.toString,comment.getConent());
//只要最新的5000条数据存在redis中
List ids = jedis.lrange(listKey,5000,-1);
for(String id : ids){
jedis.hdel(hashKey,id);
}
jedis.ltrim(listKey,0,5000);
}

当有用户查看时
按照分页数据从list中取出对应的评论id
如果没有查到数据(用户需要5000条之后的数据)，或者需要查询的数据较小，则从mysql中查出，否则从redis中查询
伪代码:
public List queryComments(Long weiboId,QueryObject qo){
String listKey = "weibo:"+weiboId+"comments";
String hashKey = "weibo:"+weiboId+":comment:content";
Long start = (qo.getCurrentPage - 1) * qo.getPageSize;
Long end = start + qo.getPageSize - 1; // qo.getCurrentSize()*qo.getPageSize()-1;
List ids = jedis.lrange(listkey,start,end);
List result = new ArrayList<>();
if(ids.size commentMapper.queryForPage(qo);//SELECT * from comment ORDER BY time DESCLIMIT #{startIndex},{pageSize}
} else{
for(String id : ids){
String conent = jedis.hget(hashKey,id);
result.add(conent);
}
}
return result;
}
当有用户删除评论时
将评论id获取，删除redis的数据，list和hash都要
删除mysql中的数据
伪代码:
public void delete(Long weiboId,Long commentId){
String listKey = "weibo:"+weiboId+"comments";
tring hashKey = "weibo:"+weiboId+":comment:content";
jedis.lrem(listKey,commentId,1);
jedis.hdel(hashKey,commentId);
commentMapper.delete(Long commentId);
}

七。最近浏览功能
当一个需求是获取最近的浏览功能的时候，其实这个数据模型就应该马上出来，起码是有序对的存储，所以使用redis的list和zset都可以实现，使用list的时候只需要简单地保存就可以了，但是需要注意如果相近的两天浏览了相同商品，那么这个商品的浏览记录应该是最近的，也就是我们要删除之前的。同时，我们还需要设置(因为redis的过期删除是删除整个key，所以这里的有效时间是整个浏览历史的有效时间)，而且浏览记录需要设置一个数量
存储模型设计
主要存储商品的id和所对应的用户的信息即可，商品的具体内容可以从mysql数据库中查出来。
数据id的设计
每一个key对应一个用户的浏览记录key -> MemeberRecentGoods:66 ,所存储的值就是商品的id即可
存储用户浏览的商品
避免重复，先删除之前关于这条商品id的浏览记录(如果是用zset来做，就不需要，因为zset会自己去重，所以设置最新的时间大小即可)
存入对应的list
只保留最近的60个
重新给这个key设置时间
伪代码:
public void addMemeberRecentGoods(Long memberId,Long templateId){
String key = "MemeberRecentGoods:"+memberId;
jedis.lrem(key,1,templateId.toString());
jedis.lpush(key,templated);
jedis.ltrim(key,0,59);
jedis.expire(key,60*60*24*30);
}
读取用户最近浏览的商品
根据用户的id，分页信息取出商品id
将总页数，商品信息等数据封装进map保存
伪代码:
public Map queryMemberRecentGoods(Long memberId, QueryObject qo){
String key = "MemeberRecentGoods:"+memberId;
Long start = (qo.getCurrentPage - 1) * qo.getPageSize;
Long end = start + qo.getPageSize - 1; // qo.getCurrentSize()*qo.getPageSize()-1;
//获取总共条数，算出有多少页用于前台显示
Long totalCount = jedis.llen(key);
Integer totalPage = totalCount/pageSize == 0 ? totalCount/pageSize : totalCount/pageSize + 1;
List ids = jedis.lrange(key,start,end);
//查询出商品的信息(可以保存在数据库，也可以保存在redis)
List goods = recentGoodsService.get(ids);
Map map = new HashMap<>();
map.put("goods",goods);
map.put("totalCount",totalCount);
return map;
}

八。实现日排行、周排行
很多应用都有排行榜的功能，排行榜有两个特点，其一是按积分排名，其二就是需要有时间约束，排行榜是有时效性的，如果排行榜没有时效，那始终都是老用户在榜首，这对新用户并不公平，使用redis可以很高效地实现这个功能。
存储模型设计
因为需要用到积分排行，其实就是按照内容进行排行，使用ZSet可以做到,在这个应用中，每天都有一个排行榜。
数据id设计
zset所对应的key需要指定日期，而用户id作为成员 key -> rank:20190115 member ->
key所对应的值就是数字

增加积分
伪代码:
public void addScore(String nowDate, Long userId, Integer score){
String key = "rank:"+nowDate;
jedis.zincrby(key,score,userId);
}
获取每日排行
选出前10名展示出来
伪代码:
public List getDailyRankings(String nowDate){
String key = "rank:"+nowDate;
return jedis.zrevreange(key,0,9);
}
获取每周排行
利用zset的并集实现一周的日排行相加，从而选出周排行
伪代码:
public List getWeeklyRankings(String[] keys){
String weeklyRankings = "weeklyRankings";
jedis.zunionstore(weeklyRankings,2,keys[0],keys[1],keys[2],keys[3],keys[4],keys[5],keys[6],"weights",1,1,1,1,1,1,1);
return jedis.zrevrange(weeklyRankings,0,9);
}

九。实现文章按点击量排名
文章点击量的排行，其实主要是利用了redis的单线程自加来实现的。

存储模型设计
一个用来存储文章，一个用来存储该文章的点赞数，利用hash来存储文章内容，使用一个zset存储文章的点击量。
数据id设计
需要指定到某一个人的文章，所以对于文章的存储，使用hash来存储某个用户的哪篇文章，需要用户id以及文章id，
而构造一个zset的存储空间来存储每篇文章的点赞数，并且利用zset来进行点赞后的加一操作。
存储文章
HSET user:00001 “article:000001” “文章”
HSET user:00002 “article:000001” “文章”
文章排序
ZADD article:score 0 user:00001:artical:0000001
ZADD article:score 0 user:00002:artical:0000001
用户点赞
ZINCRBY article:score 1 user:00001:artical:0000001
ZINCRBY article:score 1 user:00002:artical:0000001

根据点击量获取文章列表

ZREVRANGEWITHSCORES article:score 0 -1

十。上亿用户登录统计数据

存储模型设计

因为有上亿的用户量，所以可以将每个用户按照每个位来存入,每一天都有一个bitmap，每个bitmap的每一位对应着一个用户的当天的登录状态值

数据id设计

每天的bitmap的key设置成当天日期,比如login_20181206，而用户的id就和位数对应，比如王五的id为8，则bitset login_20181206 8 1

需求:获取最近三天都登录的用户
bitop and login_last_3_day login_20181206 login_20181205 login_20181204
(其实就是取三天的二进制位进行与运算)

需求:获取最近7天曾经登录的用户:(最近7天有一天登录即可)
bitop or login_last_7_day login_20181206 login_20181205 login_20181204 login_20181203 login_20181204 login_20181205 login_20181206

需求:获取最近7天都没有登录的用户
bitop not nerver_login_last_7_day login_last_7_day

需求：统计某一用户当前月的登录天数
方法一:
使用bitmap存储所有用户的当天的登录情况，在java代码中循环30次取得每一天某一个用户的状态，并统计
方法二:
使用bitmap存储某一个用户的这个月的登录情况，1号是第0位，2号是第1位，以此类推，只需要8个字节就能解决某一个用户一个月的登录情况，取出来的时候只需要使用bitcount来查询即可。

十一。知乎回答的踩赞功能
存储模型设计
利用String或者hash来存储回答的内容，利用zset来存储每一个回答的分数，每条回答都有相对应的2个bitmap，一个用来当做用户的赞表，一个用来当做用户的踩表。
数据id设计
回答的id需要设计到回答者的id以及对应评论的id还有自己的id;
在zset中，以article:00001:answer:score作为key，需要绑定对应的文章id,回答的id作为member来存储每个回答的分数;
bitMap中需要知道当前回答的id，里面存储的是每个用户对这条回答的行为，1表示点了赞或者是点了踩，0表示没有操作

实现
当李四看到某个回答，要显示他是否支持或者反对(假设李四id为6)
第一次进来肯定还没有支持或反对. =====>结果为0，说明没有点赞.接着判断是否反对
getbit answer:166:user:oppose 6 =====>结果为0，说明没有反对.
此时李四对这个答案点赞.
先根据权重算出分数：1*2 = 2
zincrby answer:score 2 166
此时id=166号的答案就增加了两分.同时要标记李四已经对这个答案点赞了.
第二次进来，已经点赞了
getbit answer:166:user:goods 6 =====>结果为1，说明对这个答案是点赞了，返回前台，显示支持效果。(已经知道点赞就没有去查询是否点反对了)
不小心点了支持，完成了上面的动作，这时候我需要点反对。
我们需要做的动作是:
判断是否点赞了(防止前台绕过)
getbit answer:166:user:goods 6 ===>结果为1，说明点赞了，继续后面操作.
在 answer:166:user:goods把该用户对于的位修改成0，表示没有点赞.
setbit answer:166:user:goods 6 0
id=166的答案要先减去之前点赞所加的分数.
Id=166的答案要减去该用户点赞需要扣的分数.（分数可以一起统计后再扣除）
score = 12 + 0.52 = 3
zincrby answer:score -3 166
第三次进来，此时点击了反对

getbit answer:166:user:goods 6 =====>结果为0，说明没有点赞.接着判断是否反对
getbit answer:166:user:oppose 6 =====>结果为1，说明点了反对,返回前台，显示反对的效果.
按照分数对答案进行排序:

zrevrange answer:score 0 -1
点击id=166的答案显示该答案的点赞数:

bitcount answer:166:user:goods

其它场景待续。。。