当前位置： 首页 > wzjs >正文

首页2免费空间seo 网站优化推广排名教程

wzjs 2025/7/30 10:08:08
首页2免费空间,seo 网站优化推广排名教程,wordpress ftp 设置,网站底部连接怎么做第一版 获取视频信息使用旁路缓存 当视频信息存在缓存中时（命中），直接从缓存中获取。不存在缓存中时，先从数据库中查出对应的信息，写入缓存后再放回数据。 //获取视频详细信息RequestMapping("/getVideoInfo&q…

第一版

获取视频信息使用旁路缓存

  • 当视频信息存在缓存中时（命中），直接从缓存中获取。
  • 不存在缓存中时，先从数据库中查出对应的信息，写入缓存后再放回数据。
//获取视频详细信息@RequestMapping("/getVideoInfo")public ResponseVO getVideoInfo(@NotEmpty String videoId) {//旁路缓存模式，先从缓存中拿VideoInfo videoInfo = redisComponent.getVideoInfoDetail(videoId);if(videoInfo == null){//缓存中不存在就从数据库中取videoInfo = videoInfoService.getVideoInfoByVideoId(videoId);}if(videoInfo==null){throw new BusinessException(ResponseCodeEnum.CODE_404);}//将视频信息保存到缓存中redisComponent.saveVideoInfoDeTail(videoInfo);//获取当前用户对应的点赞和投币信息TokenUserInfoDto userInfoDto = getTokenUserInfoDto();List<UserAction> userActionList = new ArrayList<>();if(userInfoDto!=null){UserActionQuery actionQuery = new UserActionQuery();actionQuery.setVideoId(videoId);actionQuery.setUserId(userInfoDto.getUserId());//查询视频对应用户的点赞投币收藏信息actionQuery.setActionTypeArray(new Integer[]{UserActionTypeEnum.VIDEO_LIKE.getType(),UserActionTypeEnum.VIDEO_COLLECT.getType(),UserActionTypeEnum.VIDEO_COIN.getType(),});userActionList = userActionService.findListByParam(actionQuery);}VideoInfoResultVo resultVo = new VideoInfoResultVo();//设置用户的点赞投币收藏信息resultVo.setUserActionList(userActionList);resultVo.setVideoInfo(CopyTools.copy(videoInfo, VideoInfoVo.class));return getSuccessResponseVO(resultVo);}

用户点赞、收藏使用异步缓存写入

在进行更新视频点赞、收藏数量等信息时，并非直接修改数据库，而是先修改缓存中的数据，再利用消息队列，或定时任务等方式，将缓存中的数据更新到数据库

@Override@Transactional(rollbackFor = Exception.class)public void saveAction(UserAction bean) {//旁路缓存模式，想从缓存中拿VideoInfo videoInfo = redisComponent.getVideoInfoDetail(bean.getVideoId());if(videoInfo == null){//缓存中不存在就从数据库中取videoInfo = videoInfoMapper.selectByVideoId(bean.getVideoId());}if(videoInfo==null){throw new BusinessException(ResponseCodeEnum.CODE_404);}//设置视频对应的用户idbean.setVideoUserId(videoInfo.getUserId());//获得对应的用户行为（点赞，收藏，投币，评论点赞)UserActionTypeEnum actionTypeEnum = UserActionTypeEnum.getByType(bean.getActionType());if(actionTypeEnum==null){throw new BusinessException(ResponseCodeEnum.CODE_600);}//从数据库中根据视频id，评论id（若为评论点赞的话），行为类型，和用户行为来查询对应的行为记录UserAction dbAction = userActionMapper.selectByVideoIdAndCommentIdAndActionTypeAndUserId(bean.getVideoId(),bean.getCommentId(), bean.getActionType(), bean.getUserId());bean.setActionTime(new Date());switch (actionTypeEnum){//点赞和收藏case VIDEO_LIKE:case VIDEO_COLLECT://若存在点赞和收藏的记录，则取消点赞或收藏if(dbAction!=null){userActionMapper.deleteByActionId(dbAction.getActionId());}else{//添加对应的行为记录userActionMapper.insert(bean);}//若之前点过赞或收藏过则改变数量为-1，否则为1Integer changeCount = dbAction == null? Constants.ONE:-Constants.ONE;//更新视频对应的点赞或收藏信息if (actionTypeEnum.getType() == 2){Integer likeCount = videoInfo.getLikeCount();likeCount += changeCount;videoInfo.setLikeCount(likeCount);}else{Integer collectCount = videoInfo.getCollectCount();collectCount += changeCount;videoInfo.setCollectCount(collectCount);}//videoInfoMapper.updateCountInfo(bean.getVideoId(),actionTypeEnum.getField(),changeCount);if(actionTypeEnum == UserActionTypeEnum.VIDEO_COLLECT){//更新es的收藏数量esSearchComponent.updateDocCount(videoInfo.getVideoId(), SearchOrderTypeEnum.VIDEO_COLLECT.getField(), changeCount);}break;//投币case VIDEO_COIN:if (videoInfo.getUserId().equals(bean.getUserId())) {throw new BusinessException("UP主不能给自己投币");}if (dbAction != null) {throw new BusinessException("对本稿件的投币枚数已用完");}//更新当前用户的硬币数量, 返回的整数即为成功更新的行数Integer updateCoinCountInfo = userInfoMapper.updateCoinCountInfo(bean.getUserId(), -bean.getActionCount());//未成功更新说明硬币数量不够if(updateCoinCountInfo == 0){throw new BusinessException("硬币数量不足");}updateCoinCountInfo = userInfoMapper.updateCoinCountInfo(bean.getVideoUserId(), bean.getActionCount());//并发操作，数据库行上锁if(updateCoinCountInfo == 0){throw new BusinessException("投币失败");}//添加对应的行为记录userActionMapper.insert(bean);//更新视频对应的点赞或收藏信息//videoInfoMapper.updateCountInfo(bean.getVideoId(),actionTypeEnum.getField(), bean.getActionCount());break;}//将视频信息保存到缓存中redisComponent.saveVideoInfoDeTail(videoInfo);}
使用定时任务同步缓存与数据库
@Scheduled(cron = "0 0/5 * * * ?") // 每5分钟执行一次public void updateCachePeriodically() {try {// 从Redis中批量获取视频信息Map<String, VideoInfo> videoInfoBatch = redisComponent.getVideoInfoBatch();if (videoInfoBatch == null || videoInfoBatch.isEmpty()) {log.info("No video info found in Redis cache.");return;}// 提取视频信息列表List<VideoInfo> videoInfoList = new ArrayList<>(videoInfoBatch.values());// 批量更新数据库videoInfoService.addOrUpdateBatch(videoInfoList);log.info("Successfully updated {} video infos in the database.", videoInfoList.size());} catch (Exception e) {log.error("Error occurred during periodic cache update", e);}}

在你的第一版实现中，已经很好地结合了旁路缓存（视频基本信息）和异步写入缓存（点赞、收藏、播放量等高频修改信息）。以下是对你现有实现的分析和进一步优化的建议，以确保数据一致性和系统的高效性。

现有实现的优点

  1. 旁路缓存模式：

    • 视频基本信息通过旁路缓存模式实现，减少了数据库的读取压力。
    • 缓存未命中时，从数据库加载数据并更新缓存，保证了数据的最终一致性。

  2. 异步写入缓存：

    • 点赞、收藏等高频修改信息直接更新缓存，然后通过定时任务批量同步到数据库，减少了数据库的写入压力。
    • 使用消息队列或定时任务确保数据最终一致性。

  3. 定时任务同步：

    • 定时任务定期从缓存中获取数据并同步到数据库，避免了实时同步带来的性能开销。

潜在问题和优化建议

1. 缓存穿透问题

在旁路缓存模式下，如果视频信息不存在，每次请求都会直接查询数据库，可能导致数据库压力过大。

优化建议：

  • 在缓存中存储一个空对象或特殊标记（如 null 或 empty），表示该 videoId 对应的视频信息不存在。
  • 示例：
    if (videoInfo == null) {videoInfo = videoInfoService.getVideoInfoByVideoId(videoId);if (videoInfo == null) {redisComponent.saveVideoInfoDetail(new VideoInfo(videoId, "empty"), 5, TimeUnit.MINUTES); // 存储空对象，设置较短的过期时间throw new BusinessException(ResponseCodeEnum.CODE_404);}
}
2. 缓存更新冲突

在多线程环境下，多个请求可能同时从数据库加载数据并更新缓存，导致缓存写入冲突。

优化建议：

  • 使用分布式锁（如 Redisson）控制缓存的写入操作。
  • 示例：
    if (videoInfo == null) {redisComponent.lockVideoInfo(videoId); // 加锁videoInfo = videoInfoService.getVideoInfoByVideoId(videoId);if (videoInfo == null) {throw new BusinessException(ResponseCodeEnum.CODE_404);}redisComponent.saveVideoInfoDetail(videoInfo);redisComponent.unlockVideoInfo(videoId); // 解锁
}
3. 数据一致性问题

在异步写入缓存模式下，缓存数据可能因为服务故障而丢失，导致数据不一致。

优化建议：

  • 消息队列：将每次用户行为（如点赞、收藏）记录到消息队列中，后台消费者定期从队列中读取行为记录并更新缓存和数据库。
  • 持久化更新日志：在更新缓存时，将更新操作记录到持久化存储（如日志文件或数据库），以便在缓存服务故障时恢复数据。
  • 示例：
    // 发送消息到队列
messageQueue.send(new VideoActionMessage(bean.getVideoId(), actionTypeEnum, changeCount));
4. 定时任务的优化

定时任务每次同步所有缓存数据，可能导致性能问题，尤其是在缓存数据量较大时。

优化建议：

  • 增量更新：只同步缓存中发生变化的数据，而不是全量同步。
  • 设置缓存过期时间：为缓存中的高频修改信息设置较短的过期时间（如 5 分钟），确保数据不会长时间不一致。
  • 示例：
    @Scheduled(cron = "0 0/5 * * * ?")
public void updateCachePeriodically() {List<VideoMetrics> changedMetrics = redisComponent.getChangedMetrics();if (changedMetrics == null || changedMetrics.isEmpty()) {log.info("No changed video metrics found in Redis cache.");return;}videoInfoService.updateMetricsBatch(changedMetrics);log.info("Successfully updated {} video metrics in the database.", changedMetrics.size());
}
5. 数据库更新的原子性

在更新数据库时，可能存在并发问题，导致数据不一致。

优化建议：

  • 使用数据库事务（@Transactional）确保更新操作的原子性。
  • 在更新数据库时，使用乐观锁或悲观锁，避免并发冲突。

优化后的代码示例

获取视频信息
@RequestMapping("/getVideoInfo")
public ResponseVO getVideoInfo(@NotEmpty String videoId) {VideoInfo videoInfo = redisComponent.getVideoInfoDetail(videoId);if (videoInfo == null) {redisComponent.lockVideoInfo(videoId); // 加锁videoInfo = videoInfoService.getVideoInfoByVideoId(videoId);if (videoInfo == null) {redisComponent.saveVideoInfoDetail(new VideoInfo(videoId, "empty"), 5, TimeUnit.MINUTES); // 存储空对象redisComponent.unlockVideoInfo(videoId); // 解锁throw new BusinessException(ResponseCodeEnum.CODE_404);}redisComponent.saveVideoInfoDetail(videoInfo);redisComponent.unlockVideoInfo(videoId); // 解锁}// 获取用户行为信息TokenUserInfoDto userInfoDto = getTokenUserInfoDto();List<UserAction> userActionList = new ArrayList<>();if (userInfoDto != null) {UserActionQuery actionQuery = new UserActionQuery();actionQuery.setVideoId(videoId);actionQuery.setUserId(userInfoDto.getUserId());actionQuery.setActionTypeArray(new Integer[]{UserActionTypeEnum.VIDEO_LIKE.getType(),UserActionTypeEnum.VIDEO_COLLECT.getType(),UserActionTypeEnum.VIDEO_COIN.getType()});userActionList = userActionService.findListByParam(actionQuery);}VideoInfoResultVo resultVo = new VideoInfoResultVo();resultVo.setUserActionList(userActionList);resultVo.setVideoInfo(CopyTools.copy(videoInfo, VideoInfoVo.class));return getSuccessResponseVO(resultVo);
}
用户行为处理
@Override
@Transactional(rollbackFor = Exception.class)
public void saveAction(UserAction bean) {VideoInfo videoInfo = redisComponent.getVideoInfoDetail(bean.getVideoId());if (videoInfo == null) {videoInfo = videoInfoMapper.selectByVideoId(bean.getVideoId());if (videoInfo == null) {throw new BusinessException(ResponseCodeEnum.CODE_404);}}bean.setVideoUserId(videoInfo.getUserId());UserActionTypeEnum actionTypeEnum = UserActionTypeEnum.getByType(bean.getActionType());if (actionTypeEnum == null) {throw new BusinessException(ResponseCodeEnum.CODE_600);}UserAction dbAction = userActionMapper.selectByVideoIdAndCommentIdAndActionTypeAndUserId(bean.getVideoId(), bean.getCommentId(), bean.getActionType(), bean.getUserId());bean.setActionTime(new Date());switch (actionTypeEnum) {case VIDEO_LIKE:case VIDEO_COLLECT:if (dbAction != null) {userActionMapper.deleteByActionId(dbAction.getActionId());} else {userActionMapper.insert(bean);}Integer changeCount = dbAction == null ? Constants.ONE : -Constants.ONE;updateVideoMetrics(bean.getVideoId(), actionTypeEnum, changeCount);break;case VIDEO_COIN:// 投币逻辑break;}redisComponent.saveVideoInfoDetail(videoInfo); // 更新缓存messageQueue.send(new VideoActionMessage(bean.getVideoId(), actionTypeEnum, changeCount)); // 发送消息到队列
}
更新视频指标
private void updateVideoMetrics(String videoId, UserActionTypeEnum actionType, Integer changeCount) {VideoMetrics metrics = redisComponent.getVideoMetrics(videoId);if (metrics == null) {metrics = new VideoMetrics(videoId);}switch (actionType) {case VIDEO_LIKE:metrics.setLikeCount(metrics.getLikeCount() + changeCount);break;case VIDEO_COLLECT:metrics.setCollectCount(metrics.getCollectCount() + changeCount);break;}redisComponent.saveVideoMetrics(metrics);
}
定时任务同步
@Scheduled(cron = "0 0/5 * * * ?")
public void updateCachePeriodically() {List<VideoMetrics> changedMetrics = redisComponent.getChangedMetrics();if (changedMetrics == null || changedMetrics.isEmpty()) {log.info("No changed video metrics found in Redis cache.");return;}videoInfoService.updateMetricsBatch(changedMetrics);log.info("Successfully updated {} video metrics in the database.", changedMetrics.size());
}

总结

通过上述优化，你的实现能够更好地解决以下问题：

  1. 缓存穿透：通过存储空对象避免无效的数据库查询。
  2. 缓存更新冲突：使用分布式锁确保缓存更新的线程安全。
  3. 数据一致性：结合消息队列和定时任务确保缓存与数据库的最终一致性。
  4. 性能优化：通过增量更新和缓存过期时间减少定时任务的压力。

这种设计既保证了系统的高性能，又确保了数据的一致性。

第二版：使用 Redis Hash 和 Set 实现视频缓存和用户行为管理

  • 将视频的播放量，点赞，收藏信息独立出来，使用Hash进行缓存。
  • 定时任务只更新有变动的视频数据
  • 实现用户点赞高亮信息从SET中获取
1. 视频信息的缓存和数据库同步

获取视频信息

@RequestMapping("/getVideoInfo")
public ResponseVO getVideoInfo(@NotEmpty String videoId) {// 从缓存中获取视频基本信息VideoInfo videoInfo = redisComponent.getVideoInfoDetail(videoId);if (videoInfo == null) {// 缓存中不存在，从数据库中获取videoInfo = videoInfoService.getVideoInfoByVideoId(videoId);if (videoInfo == null) {throw new BusinessException(ResponseCodeEnum.CODE_404);}// 将视频信息保存到缓存中redisComponent.saveVideoInfoDetail(videoInfo);}// 获取当前用户对应的点赞和投币信息TokenUserInfoDto userInfoDto = getTokenUserInfoDto();List<UserAction> userActionList = new ArrayList<>();if (userInfoDto != null) {UserActionQuery actionQuery = new UserActionQuery();actionQuery.setVideoId(videoId);actionQuery.setUserId(userInfoDto.getUserId());actionQuery.setActionTypeArray(new Integer[]{UserActionTypeEnum.VIDEO_LIKE.getType(),UserActionTypeEnum.VIDEO_COLLECT.getType(),UserActionTypeEnum.VIDEO_COIN.getType()});userActionList = userActionService.findListByParam(actionQuery);}// 构建返回结果VideoInfoResultVo resultVo = new VideoInfoResultVo();resultVo.setUserActionList(userActionList);resultVo.setVideoInfo(CopyTools.copy(videoInfo, VideoInfoVo.class));return getSuccessResponseVO(resultVo);
}

Set 的使用：

  • 用户点赞信息：使用 Redis 的 Set 数据结构存储每个视频的点赞用户 ID。Set 的特点是无序且唯一，非常适合存储点赞用户信息，因为每个用户只能点赞一次。
  • 点赞操作：通过 redisComponent.likeVideo(videoId, userId) 将用户 ID 添加到 Set 中。
  • 取消点赞操作：通过 redisComponent.unlikeVideo(videoId, userId) 从 Set 中移除用户 ID。
  • 检查是否点赞：通过 redisComponent.hasUserLiked(videoId, userId) 检查用户 ID 是否在 Set 中。

Hash 的使用：

  • 视频指标信息：使用 Redis 的 Hash 数据结构存储视频的播放量、点赞数、收藏数等信息。Hash 的特点是键值对存储，非常适合存储多个字段。
  • 更新视频指标：通过 redisComponent.updateVideoMetrics(videoId, type, num) 更新视频的某个指标。
2. 用户行为处理

保存用户行为

@Override
@Transactional(rollbackFor = Exception.class)
public void saveAction(UserAction bean) {// 获取视频基本信息VideoInfo videoInfo = videoInfoMapper.selectByVideoId(bean.getVideoId());if (videoInfo == null) {throw new BusinessException(ResponseCodeEnum.CODE_404);}// 设置视频对应的用户IDbean.setVideoUserId(videoInfo.getUserId());// 获取用户行为类型UserActionTypeEnum actionTypeEnum = UserActionTypeEnum.getByType(bean.getActionType());if (actionTypeEnum == null) {throw new BusinessException(ResponseCodeEnum.CODE_600);}// 查询数据库中对应的行为记录UserAction dbAction = userActionMapper.selectByVideoIdAndCommentIdAndActionTypeAndUserId(bean.getVideoId(),bean.getCommentId(),bean.getActionType(),bean.getUserId());bean.setActionTime(new Date());switch (actionTypeEnum) {case VIDEO_LIKE:handleLikeAction(videoInfo, bean, dbAction);break;case VIDEO_COLLECT:handleCollectAction(videoInfo, bean, dbAction);break;case VIDEO_COIN:handleCoinAction(videoInfo, bean, dbAction);break;}
}

处理点赞行为

private void handleLikeAction(VideoInfo videoInfo, UserAction bean, UserAction dbAction) {String videoId = bean.getVideoId();String userId = bean.getUserId();boolean hasLiked = redisComponent.hasUserLiked(videoId, userId);if (hasLiked) {// 取消点赞redisComponent.unlikeVideo(videoId, userId);updateVideoMetrics(videoId, Constants.VIDEO_LIKE_NUM, -1);} else {// 点赞redisComponent.likeVideo(videoId, userId);updateVideoMetrics(videoId, Constants.VIDEO_LIKE_NUM, 1);}
}

处理收藏行为

private void handleCollectAction(VideoInfo videoInfo, UserAction bean, UserAction dbAction) {String videoId = bean.getVideoId();if (dbAction != null) {userActionMapper.deleteByActionId(dbAction.getActionId());updateVideoMetrics(videoId, Constants.VIDEO_COLLECT_NUM, -1);} else {userActionMapper.insert(bean);updateVideoMetrics(videoId, Constants.VIDEO_COLLECT_NUM, 1);}
}

处理投币行为

private void handleCoinAction(VideoInfo videoInfo, UserAction bean, UserAction dbAction) {String videoId = bean.getVideoId();String userId = bean.getUserId();if (videoInfo.getUserId().equals(userId)) {throw new BusinessException("UP主不能给自己投币");}if (dbAction != null) {throw new BusinessException("对本稿件的投币枚数已用完");}Integer updateCoinCountInfo = userInfoMapper.updateCoinCountInfo(userId, -bean.getActionCount());if (updateCoinCountInfo == 0) {throw new BusinessException("硬币数量不足");}updateCoinCountInfo = userInfoMapper.updateCoinCountInfo(videoInfo.getUserId(), bean.getActionCount());if (updateCoinCountInfo == 0) {throw new BusinessException("投币失败");}userActionMapper.insert(bean);updateVideoMetrics(videoId, Constants.VIDEO_COIN_NUM, bean.getActionCount());
}
3. 定时任务同步缓存到数据库
@Scheduled(cron = "0 0/5 * * * ?") // 每5分钟执行一次
public void updateCachePeriodically() {Set<String> keySet = redisUtils.getByKeyPrefix(Constants.VIDEO_METRICS_KEY);List<String> keyList = new ArrayList<>(keySet);if (keyList.isEmpty()) {return;}for (String key : keyList) {// 获取缓存中的视频指标信息Map<String, Integer> videoMetrics = redisComponent.getAllVideoMetrics(key);String videoId = key.substring(key.lastIndexOf(":") + 1);// 更新数据库VideoInfo videoInfo = new VideoInfo();videoInfo.setVideoId(videoId);videoInfo.setLikeCount(videoMetrics.getOrDefault(Constants.VIDEO_LIKE_NUM, 0));videoInfo.setCollectCount(videoMetrics.getOrDefault(Constants.VIDEO_COLLECT_NUM, 0));videoInfo.setCoinCount(videoMetrics.getOrDefault(Constants.VIDEO_COIN_NUM, 0));videoInfoService.updateVideoMetrics(videoInfo);// 删除旧的缓存redisComponent.deleteAllVideoMetrics(videoId);redisComponent.deleteVideoInfoDeTail(videoId);log.info("数据更新成功");}
}

Set 的使用：

  • 用户点赞信息：通过 redisComponent.hasUserLiked(videoId, userId) 检查用户是否点赞，通过 redisComponent.likeVideo(videoId, userId) 添加点赞信息，通过 redisComponent.unlikeVideo(videoId, userId) 删除点赞信息。

Hash 的使用：

  • 视频指标信息：通过 redisComponent.updateVideoMetrics(videoId, type, num) 更新视频的某个指标，通过 redisComponent.getAllVideoMetrics(key) 获取视频的所有指标信息。
4. RedisComponent 实现
@Component
public class RedisComponent {@Autowiredprivate RedisUtils redisUtils;// 获取视频详细信息public VideoInfo getVideoInfoDetail(String videoId) {return (VideoInfo) redisUtils.get(Constants.VIDEO_DETAIL_KEY + videoId);}// 保存视频详细信息public void saveVideoInfoDeTail(VideoInfo videoInfo) {redisUtils.setex(Constants.VIDEO_DETAIL_KEY + videoInfo.getVideoId(), videoInfo, Constants.TIME_SECONDS_DAY);}// 删除视频详细信息public void deleteVideoInfoDeTail(String videoId) {redisUtils.delete(Constants.VIDEO_DETAIL_KEY + videoId);}// 批量获取视频信息public Map<String, VideoInfo> getVideoInfoBatch() {Map<String, VideoInfo> batch = redisUtils.getBatch(Constants.VIDEO_DETAIL_KEY);return batch;}// 用户点赞操作public void likeVideo(String videoId, String userId) {String key = Constants.VIDEO_LIKEUSERS_KEY + videoId;redisUtils.addSet(key, userId);}// 用户取消点赞操作public void unlikeVideo(String videoId, String userId) {String key = Constants.VIDEO_LIKEUSERS_KEY + videoId;redisUtils.removeSet(key, userId);}// 检查用户是否点赞public boolean hasUserLiked(String videoId, String userId) {String key = Constants.VIDEO_LIKEUSERS_KEY + videoId;return redisUtils.hasMemberSet(key, userId);}// 更新视频相关数量信息public void updateVideoMetrics(String videoId, String type, Integer num) {String key = Constants.VIDEO_METRICS_KEY + videoId;redisUtils.putHash(key, type, num);}// 获取缓存中的视频的所有信息public Map<String, Integer> getAllVideoMetrics(String key) {return redisUtils.getAllHash(key);}// 删除缓存中的视频的所有信息public void deleteAllVideoMetrics(String videoId) {redisUtils.delete(Constants.VIDEO_METRICS_KEY + videoId);}
}

Set 的使用：

  • 用户点赞信息：使用 Redis 的 Set 数据结构存储每个视频的点赞用户 ID。Set 的特点是无序且唯一，非常适合存储点赞用户信息，因为每个用户只能点赞一次。
  • 点赞操作：通过 redisUtils.addSet(key, userId) 将用户 ID 添加到 Set 中。
  • 取消点赞操作：通过 redisUtils.removeSet(key, userId) 从 Set 中移除用户 ID。
  • 检查是否点赞：通过 redisUtils.hasMemberSet(key, userId) 检查用户 ID 是否在 Set 中。

Hash 的使用：

  • 视频指标信息：使用 Redis 的 Hash 数据结构存储视频的播放量、点赞数、收藏数等信息。Hash 的特点是键值对存储，非常适合存储多个字段。
  • 更新视频指标：通过 redisUtils.putHash(key, type, num) 更新视频的某个指标。
  • 获取视频指标：通过 redisUtils.getAllHash(key) 获取视频的所有指标信息。
5. Constants 类
public class Constants {// Redis Key 前缀public static final String VIDEO_DETAIL_KEY = "video:info:";public static final String VIDEO_METRICS_KEY = "video:metrics:";public static final String VIDEO_LIKEUSERS_KEY = "video:likes:";// 视频相关字段public static final String VIDEO_LIKE_NUM = "likeNum";public static final String VIDEO_COLLECT_NUM = "collectNum";public static final String VIDEO_COIN_NUM = "coinNum";// 时间常量public static final long TIME_SECONDS_DAY = 86400; // 一天的秒数
}
6. 优点
  1. 封装性强：所有 Redis 操作封装在 RedisComponent 和 RedisUtils 中，代码更简洁，易于维护。
  2. 通用性：支持任意类型的键和值，适用于多种场景。
  3. 扩展性：可以轻松扩展到其他 Redis 数据结构的操作。
  4. 性能优化：通过定时任务只同步有变动的视频数据，减少数据库压力。

过程具体描述

1. 视频信息的缓存和数据库同步

流程描述：

  1. 获取视频信息：

    • 用户请求获取视频详细信息。
    • 系统首先从 Redis 缓存中查找视频信息。
    • 如果缓存中存在视频信息，直接返回给用户。
    • 如果缓存中不存在视频信息，系统从数据库中获取视频信息。
    • 将获取到的视频信息保存到 Redis 缓存中，以便后续请求可以直接从缓存中获取。
    • 返回视频信息给用户。

  2. 用户行为处理：

    • 用户进行点赞、收藏或投币操作。
    • 系统根据用户操作类型，调用相应的处理方法。
    • 对于点赞操作，系统检查用户是否已经点赞。如果已经点赞，则取消点赞；如果没有点赞，则添加点赞。
    • 对于收藏操作，系统检查用户是否已经收藏。如果已经收藏，则取消收藏；如果没有收藏，则添加收藏。
    • 对于投币操作，系统检查用户是否有足够的硬币。如果有足够的硬币，则进行投币操作；如果没有足够的硬币，则返回错误信息。
    • 更新视频的相应指标（点赞数、收藏数、投币数）。

  3. 定时任务同步缓存到数据库：

    • 定时任务每5分钟执行一次。
    • 系统从 Redis 缓存中获取所有视频的指标信息。
    • 对于每个视频，系统更新数据库中的相应指标。
    • 删除旧的缓存信息，确保缓存的及时性和准确性。
2. 流程图

获取视频信息流程图：

+----------------+       +----------------+       +----------------+
| 用户请求视频    |  -->  | 从Redis缓存中  |  -->  | 返回视频信息   |
| 详细信息        |       | 查找视频信息  |       | 给用户         |
+----------------+       +----------------+       +----------------+^||  缓存中不存在v+----------------+| 从数据库中      || 获取视频信息    |+----------------+^||  保存到Redisv+----------------+| 将视频信息      || 保存到缓存      |+----------------+

用户行为处理流程图：

+----------------+       +----------------+       +----------------+
| 用户进行点赞、  |  -->  | 系统调用相应   |  -->  | 更新视频指标    |
| 收藏或投币操作 |       | 的处理方法      |       | （点赞数、收藏数  |
|                |       |                 |       | 、投币数）        |
+----------------+       +----------------+       +----------------+^||  点赞操作v+----------------+| 检查用户是否    || 已经点赞        |+----------------+^||  已点赞v+----------------+| 取消点赞        |+----------------+^||  未点赞v+----------------+| 添加点赞        |+----------------+

定时任务同步缓存到数据库流程图：

+----------------+       +----------------+       +----------------+
| 定时任务每5    |  -->  | 从Redis缓存中  |  -->  | 更新数据库中的  |
| 分钟执行一次    |       | 获取所有视频    |       | 相应指标        |
+----------------+       +----------------+       +----------------+^||  删除旧的v+----------------+| 删除旧的缓存    || 信息            |+----------------+
3. 详细描述

获取视频信息：

  1. 用户请求获取视频详细信息。
  2. 系统首先从 Redis 缓存中查找视频信息。
  3. 如果缓存中存在视频信息，直接返回给用户。
  4. 如果缓存中不存在视频信息，系统从数据库中获取视频信息。
  5. 将获取到的视频信息保存到 Redis 缓存中，以便后续请求可以直接从缓存中获取。
  6. 返回视频信息给用户。

用户行为处理：

  1. 用户进行点赞、收藏或投币操作。
  2. 系统根据用户操作类型，调用相应的处理方法。
  3. 对于点赞操作，系统检查用户是否已经点赞。如果已经点赞，则取消点赞；如果没有点赞，则添加点赞。
  4. 对于收藏操作，系统检查用户是否已经收藏。如果已经收藏，则取消收藏；如果没有收藏，则添加收藏。
  5. 对于投币操作，系统检查用户是否有足够的硬币。如果有足够的硬币，则进行投币操作；如果没有足够的硬币，则返回错误信息。
  6. 更新视频的相应指标（点赞数、收藏数、投币数）。

定时任务同步缓存到数据库：

  1. 定时任务每5分钟执行一次。
  2. 系统从 Redis 缓存中获取所有视频的指标信息。
  3. 对于每个视频，系统更新数据库中的相应指标。
  4. 删除旧的缓存信息，确保缓存的及时性和准确性。
http://www.dtcms.com/wzjs/150362.html

相关文章：

  • 秦皇岛酒店网站设计百度软件下载
  • wordpress 网络图片不显示seo推广计划
  • 网站关键字标签多地优化完善疫情防控措施
  • 手机上那个网站做农产品推广比较好网站页面优化内容包括哪些
  • 如何查看网站开发语言产品推广方式及推广计划
  • 阳谷网站建设公司seo长沙
  • 游戏代理怎么找平台seo自动推广工具
  • 百度关键词优化软件网站专业营销团队公司
  • 建筑模型设计网站建设网站排名优化软件有哪些
  • h5商城网站怎么建设宁波seo网站推广
  • 网站优化关键词页面seo是什么意思
  • 常用网站设置关键词分词工具
  • 找人做企业网站 注意什么重庆seo排名优化
  • wordpress用户分组seo技术交流
  • wordpress 电影模版百度官方优化软件
  • 郑州区块链数字钱包网站开发公司免费站推广网站2022
  • 本机快速做网站营销策略的重要性
  • 不禁网址的浏览器seo关键词库
  • 工业网站建设品牌营销服务
  • 电商之家官网揭阳新站seo方案
  • 制作网络图的app网站优化方案
  • 企业网站的开发与应用创建站点的步骤
  • 最靠谱的网站win10最强性能优化设置
  • 外贸营销网站推广seo入口
  • 营销型网站建设 代理百度认证营销推广师
  • 惠州专业网站制作公司培训机构网站设计
  • 上海做网站培训班搜索引擎优化seo名词解释
  • 金融网站如何做设计直销怎么做才最快成功
  • eclipse sdk做网站网络营销10大平台
  • 免费做问卷的网站好合肥seo优化外包公司