黑马点评（Redis）

CharmingDaiDai2024/4/8大约 199 分钟

Redis

键值对数据库
NoSql数据库

NoSQL 非关系型数据库

SQL	NoSQL
数据结构	结构化(Structured)	非结构化
数据关联	关联的(Relational)	无关联的
查询方式	SQL查询	非SQL
事务特性	ACID	BASE
存储方式	磁盘	内存
扩展性	垂直	水平
使用场景	1）数据结构固定 2)对一致性、安全性要求不高	1)数据结构不固定 2)相关业务对数据安全性、一致性要求较高 3）对性能要求

Redis

特征：

键值(Key-Value)型，Value支持多种不同的数据结构，功能丰富
单线程，每个命令具有原子性
低延迟，速度快(基于内存、IO多路复用、良好的编码)
支持数据持久化
支持主从集群、分片集群
支持多语言客户端

作者：Antirez

Redis官网：Redis

命令行客户端

redis-cli [options] [commonds]

其中常见的options有：

-h 127.0.0.1：指定要连接的redis节点的IP地址，默认是127.0.0.1
-p 6379：指定要连接的redis节点的端口，默认是6379
-a 123321：指定redis的访问密码

其中的commonds就是Redis的操作命令，例如：

ping：与redis服务端做心跳测试，服务端正常会返回`pong

图形化界面

安装包：https://github.com/lework/RedisDesktopManager-Windows/releases

Redis默认有16个仓库，编号从0至15. 通过配置文件可以设置仓库数量，但是不超过16，并且不能自定义仓库名称。

如果是基于redis-cli连接Redis服务，可以通过select命令来选择数据库：

## 选择0号数据库
select 0

通用命令

常用的通用命令有以下几个

命令	描述
KEYs pattern	查找所有符合给定模式(pattern)的key
EXISTs key	检查给定key是否存在
TYPE key	返回key所储存的值的类型
TTL key	返回给定key的剩余生存时间(TTL, time to live)，以秒为单位
DEL key	该命令用于在key存在是删除key

KEYS：查看符合模板的所有key
- 不建议在生产环境设备上使用，因为Redis是单线程的，执行查询的时候会阻塞其他命令，当数据量很大的时候，使用KEYS进行模糊查询，效率很差
DEL：删除一个指定的key
- 也可以删除多个key，DEL name age，会将name和age都删掉
EXISTS：判断key是否存在
- EXISTS name，如果存在返回1，不存在返回0
EXPIRE：给一个key设置有效期，有效期到期时该key会被自动删除
- EXPIRE name 20，给name设置20秒有效期，到期自动删除
TTL：查看一个key的剩余有效期(Time-To-Live)
- TTL name，查看name的剩余有效期，如果未设置有效期，则返回-1

String类型

String类型，也就是字符串类型，是Redis中最简单的存储类型
其value是字符串，不过根据字符串的格式不同，又可以分为3类

string：普通字符串
int：整数类型，可以做自增、自减操作
float：浮点类型，可以做自增、自减操作
不管是哪种格式，底层都是字节数组形式存储，只不过是编码方式不同，字符串类型的最大空间不能超过512M

String的常用命令有

命令	描述
SET	添加或者修改一个已经存在的String类型的键值对
GET	根据key获取String类型的value
MEST	批量添加多个String类型的键值对
MGET	根据多个key获取多个String类型的value
INCR	让一个整形的key自增1
INCRBY	让一个整形的key自增并指定步长值，例如：incrby num 2，让num值自增2
INCRBYFLOAT	让一个浮点类型的数字自增并指定步长值
SETNX	添加一个String类型的键值对，前提是这个key不存在，否则不执行，可以理解为真正的新增
SETEX	添加一个String类型的键值对，并指定有效期

Key类型

可以通过给key添加前缀加以区分，不过这个前缀不是随便加的，有一定的规范

Redis的key允许有多个单词形成层级结构，多个单词之间用:隔开，格式如下（不固定）

项目名:业务名:类型:id

例如我们的项目名叫reggie，有user和dish两种不同类型的数据，我们可以这样定义key
- user相关的key：reggie:user:1
- dish相关的key：reggie:dish:1
如果value是一个Java对象，例如一个User对象，则可以将对象序列化为JSON字符串后存储

KEY	VALUE
reggie:user:1
reggie:dish:1

在Redis的桌面客户端中，也会以相同前缀作为层次结构，让数据看起来层次分明，关系清晰

Hash类型

value是一个无序字典，类似于Java中的HashMap结构

Hash结构可以将对象中的每个字段独立存储，可以针对单个字段做CRUD

Hash的常用命令有

命令	描述
HSET key field value	添加或者修改hash类型key的field的值
HGET key field	获取一个hash类型key的field的值
HMSET	批量添加多个hash类型key的field的值
HMGET	批量获取多个hash类型key的field的值
HGETALL	获取一个hash类型的key中的所有的field和value
HKEYS	获取一个hash类型的key中的所有的field
HINCRBY	让一个hash类型key的字段值自增并指定步长
HSETNX	添加一个hash类型的key的field值，前提是这个field不存在，否则不执行

List类型

Redis中的List类型与Java中的LinkedList类似，可以看做是一个双向链表结构。既可以支持正向检索和也可以支持反向检索。
特征也与LinkedList类似：
- 有序
- 元素可以重复
- 插入和删除快
- 查询速度一般
常用来存储一个有序数据，例如：朋友圈点赞列表，评论列表等。
List的常见命令有：

命令	描述
LPUSH key element …	向列表左侧插入一个或多个元素
LPOP key	移除并返回列表左侧的第一个元素，没有则返回nil
RPUSH key element …	向列表右侧插入一个或多个元素
RPOP key	移除并返回列表右侧的第一个元素
LRANGE key star end	返回一段角标范围内的所有元素
BLPOP和BRPOP	与LPOP和RPOP类似，只不过在没有元素时等待指定时间，而不是直接返回nil

Set类型

Redis的Set结构与Java中的HashSet类似，可以看做是一个value为null的HashMap。因为也是一个hash表，因此具备与HashSet类似的特征：
- 无序
- 元素不可重复
- 查找快
- 支持交集、并集、差集等功能
Set的常见命令有：

命令	描述
SADD key member …	向set中添加一个或多个元素
SREM key member …	移除set中的指定元素
SCARD key	返回set中元素的个数
SISMEMBER key member	判断一个元素是否存在于set中
SMEMBERS	获取set中的所有元素
SINTER key1 key2 …	求key1与key2的交集
SUNION key1 key2 …	求key1与key2的并集
SDIFF key1 key2 …	求key1与key2的差集

SortedSet类型

Redis的SortedSet是一个可排序的set集合，与Java中的TreeSet有些类似，但底层数据结构却差别很大。SortedSet中的每一个元素都带有一个score属性，可以基于score属性对元素排序，底层的实现是一个跳表（SkipList）加 hash表。
SortedSet具备下列特性：
- 可排序
- 元素不重复
- 查询速度快
因为SortedSet的可排序特性，经常被用来实现排行榜这样的功能。
SortedSet的常见命令有：

命令	描述
ZADD key score member	添加一个或多个元素到sorted set ，如果已经存在则更新其score值
ZREM key member	删除sorted set中的一个指定元素
ZSCORE key member	获取sorted set中的指定元素的score值
ZRANK key member	获取sorted set 中的指定元素的排名
ZCARD key	获取sorted set中的元素个数
ZCOUNT key min max	统计score值在给定范围内的所有元素的个数
ZINCRBY key increment member	让sorted set中的指定元素自增，步长为指定的increment值
ZRANGE key min max	按照score排序后，获取指定排名范围内的元素
ZRANGEBYSCORE key min max	按照score排序后，获取指定score范围内的元素
ZDIFF、ZINTER、ZUNION	求差集、交集、并集

注意：所有的排名默认都是升序，如果要降序则在命令的Z后面添加REV即可，例如：

升序获取sorted set 中的指定元素的排名：ZRANK key member
降序获取sorted set 中的指定元素的排名：ZREVRANK key memeber

Java客户端

目前主流的Redis的Java客户端有三种
- Jedis和Lettuce：这两个主要是提供了Redis命令对应的API，方便我们操作Redis，而SpringDataRedis又对这两种做了抽象和封装，因此我们后期会直接以SpringDataRedis来学习。
  - Redisson：是在Redis基础上实现了分布式的可伸缩的java数据结构，例如Map、Queue等，而且支持跨进程的同步机制：Lock、Semaphore等待，比较适合用来实现特殊的功能需求。

Jedis客户端

导入坐标

  <!--jedis-->
  <dependency>
      <groupId>redis.clients</groupId>
      <artifactId>jedis</artifactId>
      <version>3.7.0</version>
  </dependency>
  <!--单元测试-->
  <dependency>
      <groupId>org.junit.jupiter</groupId>
      <artifactId>junit-jupiter</artifactId>
      <version>5.7.0</version>
      <scope>test</scope>
  </dependency>

测试类

  import org.junit.jupiter.api.BeforeEach;
  import redis.clients.jedis.Jedis;
  
  public class JedisTest {
      private Jedis jedis;
  
      @BeforeEach
      void setUp() {
          //1. 建立连接
          jedis = new Jedis("localhost", 6379);
          //2. 设置密码
          jedis.auth("1");
          //3. 选择库
          jedis.select(0);
      }
  }

测试

  import org.junit.jupiter.api.AfterEach;
  import org.junit.jupiter.api.BeforeEach;
  import org.junit.jupiter.api.Test;
  import redis.clients.jedis.Jedis;
  
  import java.util.Map;
  
  public class JedisTest {
      private Jedis jedis;
  
      @BeforeEach
      void setUp() {
          //1. 建立连接
          jedis = new Jedis("localhost", 6379);
          //2. 设置密码
          jedis.auth("1");
          //3. 选择库
          jedis.select(0);
      }
  
      @Test
      void testString(){
          jedis.set("name","Kyle");
          String name = jedis.get("name");
          System.out.println("name = " + name);
      }
  
      @Test
      void testHash(){
          jedis.hset("reggie:user:1","name","Jack");
          jedis.hset("reggie:user:2","name","Rose");
          jedis.hset("reggie:user:1","age","21");
          jedis.hset("reggie:user:2","age","18");
          Map<String, String> map = jedis.hgetAll("reggie:user:1");
          System.out.println(map);
      }
  
      @AfterEach
      void tearDown(){
          if (jedis != null){
              jedis.close();
          }
      }
  }

  SLF4J: Failed to load class "org.slf4j.impl.StaticLoggerBinder".
  SLF4J: Defaulting to no-operation (NOP) logger implementation
  SLF4J: See http://www.slf4j.org/codes.html#StaticLoggerBinder for further details.
  {name=Jack, age=21}
  name = Kyle

连接池

Jedis本身是线程不安全的，并且频繁的创建和销毁连接会有性能损耗，因此我们推荐大家使用Jedis连接池代替Jedis的直连方式。
新建一个com.blog.util，用于存放我们编写的工具类
但后面我们使用SpringDataRedis的时候，可以直接在yml配置文件里配置这些内容
JedisConnectionFactory

  import redis.clients.jedis.Jedis;
  import redis.clients.jedis.JedisPool;
  import redis.clients.jedis.JedisPoolConfig;
  
  public class JedisConnectionFactory {
  
      private static JedisPool jedisPool;
  
      static {
          // 配置连接池
          JedisPoolConfig poolConfig = new JedisPoolConfig();
          poolConfig.setMaxTotal(8);
          poolConfig.setMaxIdle(8);
          poolConfig.setMinIdle(0);
          poolConfig.setMaxWaitMillis(1000);
          // 创建连接池对象，参数：连接池配置、服务端ip、服务端端口、超时时间、密码
          jedisPool = new JedisPool(poolConfig, "localhost", 6379, 1000, "1");
      }
  
      public static Jedis getJedis(){
          return jedisPool.getResource();
      }
  }

测试类

  import org.junit.jupiter.api.AfterEach;
  import org.junit.jupiter.api.BeforeEach;
  import org.junit.jupiter.api.Test;
  import redis.clients.jedis.Jedis;
  
  import java.util.Map;
  
  public class JedisTest {
      private Jedis jedis;
  
      @BeforeEach
      void setUp() {
          //1. 建立连接
          jedis = JedisConnectionFactory.getJedis();
          //2. 设置密码
          jedis.auth("1");
          //3. 选择库
          jedis.select(0);
      }
  
      @Test
      void testString(){
          jedis.set("name","Kyle");
          String name = jedis.get("name");
          System.out.println("name = " + name);
      }
  
      @Test
      void testHash(){
          jedis.hset("reggie:user:1","name","Jack");
          jedis.hset("reggie:user:2","name","Rose");
          jedis.hset("reggie:user:1","age","21");
          jedis.hset("reggie:user:2","age","18");
          Map<String, String> map = jedis.hgetAll("reggie:user:1");
          System.out.println(map);
      }
  
      @AfterEach
      void tearDown(){
          if (jedis != null){
              jedis.close();
          }
      }
  }

SpringDataRedis客户端

SpringData是Spring中数据操作的模块，包含对各种数据库的集成，其中对Redis的集成模块就叫做SpringDataRedis
官网地址：https://spring.io/projects/spring-data-redis
- 提供了对不同Redis客户端的整合（Lettuce和Jedis）
- 提供了RedisTemplate统一API来操作Redis
- 支持Redis的发布订阅模型
- 支持Redis哨兵和Redis集群
- 支持基于Lettuce的响应式编程
- 支持基于JDK、JSON、字符串、Spring对象的数据序列化及反序列化
- 支持基于Redis的JDKCollection实现
SpringDataRedis中提供了RedisTemplate工具类，其中封装了各种对Redis的操作。并且将不同数据类型的操作API封装到了不同的类型中：

API	返回值类型	说明
redisTemplate.opsForValue()	ValueOperations	操作String类型数据
redisTemplate.opsForHash()	HashOperations	操作Hash类型数据
redisTemplate.opsForList()	ListOperations	操作List类型数据
redisTemplate.opsForSet()	SetOperations	操作Set类型数据
redisTemplate.opsForzSet()	ZSetOperations	操作SortedSet类型数据
redisTemplate		通用的命令

入门：

导入依赖坐标

  <?xml version="1.0" encoding="UTF-8"?>
  <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
      xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
      <modelVersion>4.0.0</modelVersion>
      <groupId>com.mtmn</groupId>
      <artifactId>LearnRedis</artifactId>
      <version>0.0.1-SNAPSHOT</version>
      <name>LearnRedis</name>
      <description>LearnRedis</description>
      <properties>
          <java.version>1.8</java.version>
          <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
          <project.reporting.outputEncoding>UTF-8</project.reporting.outputEncoding>
          <spring-boot.version>2.6.13</spring-boot.version>
      </properties>
      <dependencies>
          <dependency>
              <groupId>org.springframework.boot</groupId>
              <artifactId>spring-boot-starter-data-redis</artifactId>
          </dependency>
          <dependency>
              <groupId>org.springframework.boot</groupId>
              <artifactId>spring-boot-starter-web</artifactId>
          </dependency>
  
          <dependency>
              <groupId>org.projectlombok</groupId>
              <artifactId>lombok</artifactId>
              <optional>true</optional>
          </dependency>
          <dependency>
              <groupId>org.springframework.boot</groupId>
              <artifactId>spring-boot-starter-test</artifactId>
              <scope>test</scope>
          </dependency>
      </dependencies>
      <dependencyManagement>
          <dependencies>
              <dependency>
                  <groupId>org.springframework.boot</groupId>
                  <artifactId>spring-boot-dependencies</artifactId>
                  <version>${spring-boot.version}</version>
                  <type>pom</type>
                  <scope>import</scope>
              </dependency>
          </dependencies>
      </dependencyManagement>
  
      <build>
          <plugins>
              <plugin>
                  <groupId>org.apache.maven.plugins</groupId>
                  <artifactId>maven-compiler-plugin</artifactId>
                  <version>3.8.1</version>
                  <configuration>
                      <source>1.8</source>
                      <target>1.8</target>
                      <encoding>UTF-8</encoding>
                  </configuration>
              </plugin>
              <plugin>
                  <groupId>org.springframework.boot</groupId>
                  <artifactId>spring-boot-maven-plugin</artifactId>
                  <version>${spring-boot.version}</version>
                  <configuration>
                      <mainClass>com.mtmn.LearnRedisApplication</mainClass>
                      <skip>true</skip>
                  </configuration>
                  <executions>
                      <execution>
                          <id>repackage</id>
                          <goals>
                              <goal>repackage</goal>
                          </goals>
                      </execution>
                  </executions>
              </plugin>
          </plugins>
      </build>
  
  </project>

配置文件

  spring:
    redis:
      host: localhost
      port: 6379
      password: 1
      lettuce:
        pool:
          max-active: 8
          max-idle: 8
          min-idle: 0
          max-wait: 100ms

测试类

  package com.mtmn;
  
  import org.junit.jupiter.api.Test;
  import org.springframework.beans.factory.annotation.Autowired;
  import org.springframework.boot.test.context.SpringBootTest;
  import org.springframework.data.redis.core.RedisTemplate;
  
  @SpringBootTest
  class LearnRedisApplicationTests {
  
      @Autowired
      private RedisTemplate<String, String> redisTemplate;
  
      @Test
      void stringTest(){
          redisTemplate.opsForValue().set("username","David");
          String username = redisTemplate.opsForValue().get("username");
          System.out.println(username);
      }
  }

ℹ️@SpringBootTest

@SpringBootTest 是一个 Spring Boot 提供的注解，用于在测试中加载整个 Spring 应用程序上下文。它的作用是模拟启动应用程序并加载所有的 Bean，使得在测试中能够像在实际运行时一样使用 Spring 容器。

在你提供的示例中，@SpringBootTest 注解标记在测试类 LearnRedisApplicationTests 上，表示在运行这个测试时，Spring Boot 将加载整个应用程序上下文，包括配置和 bean。

这样一来，你可以通过 @Autowired 来注入 RedisTemplate 对象，并在测试方法中使用它，就像在实际应用程序中一样。这样可以确保你的测试与实际应用程序的行为一致，同时也方便进行集成测试。

自定义序列化

RedisTemplate可以接收任意Object作为值写入Redis
只不过写入前会把Object序列化为字节形式，默认是采用JDK序列化，得到的结果是这样的

\xAC\xED\x00\x05t\x00\x06\xE5\xBC\xA0\xE4\xB8\x89

缺点：
- 可读性差
- 内存占用较大
我们可以自定义RedisTemplate的序列化方式，代码如下
com.mtmn.config

  package com.mtmn.config;
  
  import org.springframework.context.annotation.Bean;
  import org.springframework.context.annotation.Configuration;
  import org.springframework.data.redis.connection.RedisConnectionFactory;
  import org.springframework.data.redis.core.RedisTemplate;
  import org.springframework.data.redis.serializer.GenericJackson2JsonRedisSerializer;
  import org.springframework.data.redis.serializer.RedisSerializer;
  
  @Configuration
  public class RedisConfig {
  
      @Bean
      public RedisTemplate<String, Object> redisTemplate(RedisConnectionFactory connectionFactory) {
          // 创建RedisTemplate对象
          RedisTemplate<String, Object> template = new RedisTemplate<>();
          // 设置连接工厂
          template.setConnectionFactory(connectionFactory);
          // 创建JSON序列化工具
          GenericJackson2JsonRedisSerializer jsonRedisSerializer =
                  new GenericJackson2JsonRedisSerializer();
          // 设置Key的序列化
          template.setKeySerializer(RedisSerializer.string());
          template.setHashKeySerializer(RedisSerializer.string());
          // 设置Value的序列化
          template.setValueSerializer(jsonRedisSerializer);
          template.setHashValueSerializer(jsonRedisSerializer);
          // 返回
          return template;
      }
  }

domain.User

  @Data
  @AllArgsConstructor
  @NoArgsConstructor
  public class User {
      private String name;
      private Integer age;
  }

测试

  @Test
  void stringTest2(){
      redisTemplate.opsForValue().set("userdata",new User("张三",18));
  }

```
  127.0.0.1:6379> get userdata
```

  "{\"@class\":\"com.mtmn.domain.User\",\"name\":\"\xe5\xbc\xa0\xe4\xb8\x89\",\"age\":18}"
  
  {
    "@class": "com.mtmn.domain.User",
    "name": "张三",
    "age": 18
  }

整体可读性有了很大提升，并且能将Java对象自动的序列化为JSON字符串，并且查询时能自动把JSON反序列化为Java对象。不过，其中记录了序列化时对应的class名称，目的是为了查询时实现自动反序列化。这会带来额外的内存开销。

StringRedisTemplate

为了节省内存空间，我们可以不使用JSON序列化器来处理value，而是统一使用String序列化器，要求只能存储String类型的key和value。当需要存储Java对象时，手动完成对象的序列化和反序列化。
因为存入和读取时的序列化及反序列化都是我们自己实现的，SpringDataRedis就不会将class信息写入Redis了
这种用法比较普遍，因此SpringDataRedis就提供了RedisTemplate的子类：StringRedisTemplate，它的key和value的序列化方式默认就是String方式。源码如下

package com.mtmn.config;

import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.data.redis.serializer.RedisSerializer;

public class StringRedisTemplate extends RedisTemplate<String, String> {
    public StringRedisTemplate() {
        this.setKeySerializer(RedisSerializer.string());
        this.setValueSerializer(RedisSerializer.string());
        this.setHashKeySerializer(RedisSerializer.string());
        this.setHashValueSerializer(RedisSerializer.string());
    }
}

省去了我们自定义RedisTemplate的序列化方式的步骤（可以将之前配置的RedisConfig删除掉），而是直接使用：

package com.mtmn;

import com.fasterxml.jackson.core.JsonProcessingException;
import com.fasterxml.jackson.databind.ObjectMapper;
import com.mtmn.domain.User;
import org.junit.jupiter.api.Test;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.boot.test.context.SpringBootTest;
import org.springframework.data.redis.core.StringRedisTemplate;

import java.util.Map;

@SpringBootTest
class LearnRedisApplicationTests {

    @Autowired
    private StringRedisTemplate stringRedisTemplate;

    // json 工具
    public static final ObjectMapper mapper = new ObjectMapper();

    @Test
    void stringTest() throws JsonProcessingException {
        //创建对象
        User user = new User("张三", 18);
        //手动序列化
        String json = mapper.writeValueAsString(user);
        //写入数据
        stringRedisTemplate.opsForValue().set("userdata", json);
        //获取数据
        String userdata = stringRedisTemplate.opsForValue().get("userdata");
        //手动反序列化
        User readValue = mapper.readValue(userdata, User.class);
        System.out.println(readValue);
    }

    @Test
    void hashTest()
    {
        stringRedisTemplate.opsForHash().put(
                "user:1", "name", "wjm"
        );
        stringRedisTemplate.opsForHash().put(
                "user:1", "age", "24"
        );

        Map<Object, Object> entries = stringRedisTemplate.opsForHash().entries("user:1");

        System.out.println(entries);
    }
}

内容概述

短信登录
- 这部分会使用Redis共享session来实现
商户查询缓存
- 这部分要理解缓存击穿，缓存穿透，缓存雪崩等问题，对于这些概念的理解不仅仅是停留在概念上，更是能在代码中看到对应的内容
优惠券秒杀
- 这部分我们可以学会Redis的计数器功能，结合Lua(之前一直想学Lua然后写饥荒mod)完成高性能的Redis操作，同时学会Redis分布式锁的原理，包括Redis的三种消息队列
附近的商户
- 利用Redis的GEOHash(新数据结构，前面没有应用场景就没介绍)来完成对于地理坐标的操作
UV统计
- 主要是使用Redis来完成统计功能
用户签到
- 使用Redis的BitMap数据统计功能
好友关注
- 基于Set集合的关注、取消关注，共同关注等等功能，这部分在上篇的练习题中出现过，这次我们在项目中来使用一下
达人探店
- 基于List来完成点赞列表的操作，同时基于SortedSet来完成点赞的排行榜功能

短信登录

表	说明
tb_user	用户表
tb_user_info	用户详情表
tb_shop	商户信息表
tb_shop_type	商户类型表
tb_blog	用户日记表（达人探店日记)
tb_follow	用户关注表
tb_voucher	优惠券表
tb_voucher_order	优惠券的订单表

该项目采用的是前后端分离开发模式
手机或者app端发起请求，请求我们的Nginx服务器，Nginx基于七层模型走的是HTTP协议，可以实现基于Lua直接绕开Tomcat访问Redis，也可以作为静态资源服务器，轻松扛下上万并发，负载均衡到下游Tomcat服务器，打散流量，我们都知道一台4核8G的Tomcat，在优化和处理简单业务的加持下，大不了就处理1000左右的并发，经过Nginx的负载均衡分流后，利用集群支撑起整个项目，同时Nginx在部署了前端项目后，更是可以做到动静分离，进一步降低Tomcat服务的压力，这些功能都得靠Nginx起作用，所以Nginx是整个项目中重要的一环。
在Tomcat支撑起并发流量后，我们如果让Tomcat直接去访问Mysql，根据经验Mysql企业级服务器只要上点并发，一般是16或32 核心cpu，32 或64G内存，像企业级mysql加上固态硬盘能够支撑的并发，大概就是4000起~7000左右，上万并发，瞬间就会让Mysql服务器的cpu，硬盘全部打满，容易崩溃，所以我们在高并发场景下，会选择使用mysql集群，同时为了进一步降低Mysql的压力，同时增加访问的性能，我们也会加入Redis，同时使用Redis集群使得Redis对外提供更好的服务。

基于Session实现登录流程

发送验证码
用户在提交手机号后，会校验手机号是否合法，如果不合法，则要求用户重新输入手机号
如果手机号合法，后台此时生成对应的验证码，同时将验证码进行保存，然后再通过短信的方式将验证码发送给用户
短信验证码登录、注册
用户将验证码和手机号进行输入，后台从session中拿到当前验证码，然后和用户输入的验证码进行校验，如果不一致，则无法通过校验，如果一致，则后台根据手机号查询用户，如果用户不存在，则为用户创建账号信息，保存到数据库，无论是否存在，都会将用户信息保存到session中，方便后续获得当前登录信息
校验登录状态
用户在请求的时候，会从cookie中携带sessionId到后台，后台通过sessionId从session中拿到用户信息，如果没有session信息，则进行拦截，如果有session信息，则将用户信息保存到threadLocal中，并放行

实现发送短信验证码功能

UserController

  /**
   * 发送手机验证码
   */
  @PostMapping("code")
  public Result sendCode(@RequestParam("phone") String phone, HttpSession session) {
      return userService.sendCode(phone, session);
  }

ℹ️@RequestParam

在这段代码中，@RequestParam是Spring框架中的注解，用于从HTTP请求中获取参数的值。在这里，@RequestParam("phone")注解指示Spring从HTTP请求中获取名为"phone"的参数的值，并将其赋给sendCode方法的phone参数。

接口IUserService

  package com.hmdp.service;
  
  import com.baomidou.mybatisplus.extension.service.IService;
  import com.hmdp.dto.Result;
  import com.hmdp.entity.User;
  
  import javax.servlet.http.HttpSession;
  
  
  /**
   * @author CharmingDaiDai
   * @date 2024/4/9 16:09 
   **/
  public interface IUserService extends IService<User> {
  
      Result sendCode(String phone, HttpSession session);
  }

实现类UserServiceImpl

  package com.hmdp.service.impl;
  
  import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
  import com.hmdp.dto.Result;
  import com.hmdp.entity.User;
  import com.hmdp.mapper.UserMapper;
  import com.hmdp.service.IUserService;
  import com.hmdp.utils.RegexUtils;
  import lombok.extern.slf4j.Slf4j;
  import org.springframework.stereotype.Service;
  
  import javax.servlet.http.HttpSession;
  import java.util.Random;
  
  /**
   * @author CharmingDaiDai
   * @date 2024/4/9 16:13
   **/
  @Slf4j
  @Service
  public class UserServiceImpl extends ServiceImpl<UserMapper, User> implements IUserService {
  
      public static String generateVerificationCode() {
          // 验证码字符集合，这里使用0-9的数字
          String digits = "0123456789";
  
          // 随机数生成器
          Random random = new Random();
  
          // 用于存储生成的验证码
          StringBuilder sb = new StringBuilder();
  
          // 生成4位验证码
          for (int i = 0; i < 4; i++) {
              // 从验证码字符集合中随机选择一个字符并添加到验证码中
              int index = random.nextInt(digits.length());
              sb.append(digits.charAt(index));
          }
  
          return sb.toString();
      }
  
      /**
       * 发送验证码到指定的手机号。
       *
       * @param phone 接收验证码的手机号，必须符合有效的手机号格式。
       * @param session 当前用户的HttpSession，用于存储验证码。
       * @return Result对象，包含操作结果和相关信息。
       */
      @Override
      public Result sendCode(String phone, HttpSession session) { // 方法sendCode，接收手机号phone和HttpSession对象session作为参数
          // 验证手机号是否有效，如果无效则返回错误结果
          if (RegexUtils.isPhoneInvalid(phone)) { // 调用RegexUtils工具类的isPhoneInvalid方法检查手机号phone是否无效
              return Result.fail("请输入正确的手机号"); // 如果手机号无效，创建并返回一个失败的Result对象
          }
  
          // 生成验证码
          String verifyCode = generateVerificationCode(); // 调用generateVerificationCode方法生成验证码
          // 将验证码存入session中，以便后续验证使用
          session.setAttribute("verifyCode", verifyCode);
  
          // 记录验证码到日志，这里使用debug级别，通常仅在开发或测试环境中启用
          log.debug("验证码:{}", verifyCode);
  
          // 如果手机号有效且验证码生成成功，返回成功的Result对象
          return Result.ok(); // 创建并返回一个表示操作成功的Result对象
      }
  }

ℹ️正则表达式

手机号正则 ^1([38][0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|9[89])\\d{8}$

^1：手机号码的开头必须是数字 1。
([38][0-9]|4[579]|5[0-3,5-9]|6[6]|7[0135678]|9[89])：表示手机号码的第二位数字的范围，包括以下几种情况：
[38][0-9]：以 3 或 8 开头的数字，即 3 开头的号码和 8 开头的号码。
4[579]：以 4 开头的号码，且第三位数字是 5、7 或 9。
5[0-3,5-9]：以 5 开头的号码，且第三位数字是 0 到 3 或者 5 到 9。
6[6]：以 6 开头的号码，且第三位数字是 6。
7[0135678]：以 7 开头的号码，且第三位数字是 0、1、3、5、6、7 或 8。
9[89]：以 9 开头的号码，且第三位数字是 8 或 9。
\\d{8}：表示手机号码后面的 8 位数字。

邮箱 ^[a-zA-Z0-9_-]+@[a-zA-Z0-9_-]+(\\.[a-zA-Z0-9_-]+)+$

^：匹配输入字符串的开始位置。
[a-zA-Z0-9_-]+：匹配邮箱地址中的用户名部分，其中包括字母（大小写）、数字、下划线和连字符，且至少包含一个字符。
@：匹配邮箱地址中的 "@" 符号。
[a-zA-Z0-9_-]+：匹配邮箱地址中的域名部分，同样包括字母（大小写）、数字、下划线和连字符，且至少包含一个字符。
(\\.[a-zA-Z0-9_-]+)+：匹配邮箱地址中的域名后缀部分，其中包括一个或多个点号和字母（大小写）、数字、下划线和连字符组成的字符串。
$：匹配输入字符串的结尾位置。

验证码 ^[a-zA-Z\\d]{6}$

^：匹配输入字符串的开始位置。
[a-zA-Z\\d]：匹配包含字母（大小写）和数字的字符。
{6}：限定匹配的字符数量为6个。
$：匹配输入字符串的结尾位置。

短信验证码登录和注册

UserController

  /**
       * 登录功能
       * @param loginForm 登录参数，包含手机号、验证码；或者手机号、密码
       */
  @PostMapping("/login")
  public Result login(@RequestBody LoginFormDTO loginForm, HttpSession session){
      return userService.login(loginForm, session);
  }

IUserService接口

  package com.hmdp.service;
  
  import com.baomidou.mybatisplus.extension.service.IService;
  import com.hmdp.dto.LoginFormDTO;
  import com.hmdp.dto.Result;
  import com.hmdp.entity.User;
  
  import javax.servlet.http.HttpSession;
  
  
  /**
   * @author CharmingDaiDai
   * @date 2024/4/9 16:09
   **/
  public interface IUserService extends IService<User> {
  
      Result sendCode(String phone, HttpSession session);
  
      Result login(LoginFormDTO loginForm, HttpSession session);
  }

UserServiceImpl实现类

  package com.hmdp.service.impl;
  
  import cn.hutool.core.util.RandomUtil;
  import com.baomidou.mybatisplus.extension.conditions.query.QueryChainWrapper;
  import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
  import com.hmdp.dto.LoginFormDTO;
  import com.hmdp.dto.Result;
  import com.hmdp.dto.UserDTO;
  import com.hmdp.entity.User;
  import com.hmdp.mapper.UserMapper;
  import com.hmdp.service.IUserService;
  import com.hmdp.utils.RegexUtils;
  import lombok.extern.slf4j.Slf4j;
  import org.springframework.stereotype.Service;
  
  import javax.servlet.http.HttpSession;
  import java.util.Random;
  
  import static com.hmdp.utils.SystemConstants.USER_NICK_NAME_PREFIX;
  
  /**
   * 用户服务的实现类。
   * 实现了用户相关操作的功能。
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 16:13
   **/
  @Slf4j
  @Service
  public class UserServiceImpl extends ServiceImpl<UserMapper, User> implements IUserService {
  
      /**
       * 生成一个随机的4位验证码。
       *
       * @return 随机生成的4位验证码
       */
      public static String generateVerificationCode() {
          // 验证码字符集合，这里使用0-9的数字
          String digits = "0123456789";
  
          // 随机数生成器
          Random random = new Random();
  
          // 用于存储生成的验证码
          StringBuilder sb = new StringBuilder();
  
          // 生成4位验证码
          for (int i = 0; i < 4; i++) {
              // 从验证码字符集合中随机选择一个字符并添加到验证码中
              int index = random.nextInt(digits.length());
              sb.append(digits.charAt(index));
          }
  
          return sb.toString();
      }
  
      /**
       * 发送验证码到指定的手机号。
       *
       * @param phone   接收验证码的手机号，必须符合有效的手机号格式。
       * @param session 当前用户的HttpSession，用于存储验证码。
       * @return Result对象，包含操作结果和相关信息。
       */
      @Override
      public Result sendCode(String phone, HttpSession session) { // 方法sendCode，接收手机号phone和HttpSession对象session作为参数
          // 验证手机号是否有效，如果无效则返回错误结果
          if (RegexUtils.isPhoneInvalid(phone)) { // 调用RegexUtils工具类的isPhoneInvalid方法检查手机号phone是否无效
              return Result.fail("请输入正确的手机号"); // 如果手机号无效，创建并返回一个失败的Result对象
          }
  
          // 生成验证码
          String verifyCode = generateVerificationCode(); // 调用generateVerificationCode方法生成验证码
          // 将验证码存入session中，以便后续验证使用
          session.setAttribute("verifyCode", verifyCode);
  
          // 记录验证码到日志，这里使用debug级别，通常仅在开发或测试环境中启用
          log.debug("发送验证码成功，验证码:{}", verifyCode);
  
          // 如果手机号有效且验证码生成成功，返回成功的Result对象
          return Result.ok(); // 创建并返回一个表示操作成功的Result对象
      }
  
      /**
       * 用户登录操作。
       *
       * @param loginForm 登录表单DTO，包含手机号和验证码。
       * @param session   当前用户的HttpSession，用于存储用户信息。
       * @return Result对象，包含操作结果和相关信息。
       */
      @Override
      public Result login(LoginFormDTO loginForm, HttpSession session) {
          // 从登录表单DTO中获取手机号和验证码
          String phone = loginForm.getPhone();
          String code = loginForm.getCode();
  
          // 验证手机号是否有效，如果无效则返回错误结果
          if (RegexUtils.isPhoneInvalid(phone)) { // 调用RegexUtils工具类的isPhoneInvalid方法检查手机号phone是否无效
              return Result.fail("请输入正确的手机号"); // 如果手机号无效，创建并返回一个失败的Result对象
          }
  
          // 从session中获取缓存的验证码
          String cacheCode = (String) session.getAttribute("verifyCode");
  
          // 检查验证码是否为空或者与用户输入的验证码不匹配
          if (cacheCode == null || !cacheCode.equals(code)) {
              // 输出验证码校验失败的日志信息
              log.debug("校验验证码，验证码:{}", code);
              // 返回验证码错误的结果
              return Result.fail("验证码错误");
          }
  
          // 根据手机号查询用户信息
          User user = query().eq("phone", phone).one();
          // 如果用户不存在，则创建新用户
          if (user == null) {
              log.debug("用户{}不存在，创建新用户",phone);
              user = createUserWithPhone(phone);
          }
  
          // 将用户信息存入session
          session.setAttribute("user", user);
  
          // 返回操作成功的结果
          return Result.ok();
      }
  
  
      /**
       * 根据手机号创建用户。
       *
       * @param phone 手机号
       * @return 创建的用户对象
       */
      private User createUserWithPhone(String phone) {
          // 创建一个新的用户对象
          User user = new User();
          // 设置用户手机号
          user.setPhone(phone);
          // 生成一个随机的昵称，并设置给用户
          user.setNickName(USER_NICK_NAME_PREFIX + RandomUtil.randomString(10));
          // 保存用户到数据库中
          save(user);
          // 返回创建的用户对象
          return user;
      }
  
  }

实现登录拦截功能

使用拦截器拦截做登录校验，然后需要把用户信息传给Controller，并且需要注意线程安全问题（使用ThreadLocal）

在utils创建LoginInterceptor

  package com.hmdp.utils;
  
  import com.hmdp.entity.User;
  import org.springframework.web.servlet.HandlerInterceptor;
  
  import javax.servlet.http.HttpServletRequest;
  import javax.servlet.http.HttpServletResponse;
  import javax.servlet.http.HttpSession;
  
  /**
   * 登录拦截器，用于拦截未登录的请求。
   * 在处理请求之前检查用户是否已登录，如果未登录则返回401状态码。
   * 在处理完成后清除ThreadLocal中的用户信息。
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 17:04
   **/
  public class LoginInterceptor implements HandlerInterceptor {
  
      /**
       * 在处理请求之前进行拦截。
       *
       * @param request  HTTP请求对象
       * @param response HTTP响应对象
       * @param handler  处理器对象
       * @return 如果用户已登录，返回true；否则返回false并设置状态码为401
       * @throws Exception 如果发生异常
       */
      @Override
      public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
          // 1. 获取session
          HttpSession session = request.getSession();
          // 2. 获取session中的用户
          User user = (User) session.getAttribute("user");
          // 3. 判断用户是否存在
          if (user == null) {
              // 4. 用户不存在，拦截并返回401状态码
              response.setStatus(401);
              return false;
          }
  
          // 5. 用户存在，保存用户信息到ThreadLocal
          UserHolder.saveUser(user);
          // 6. 放行
          return true;
      }
  
      /**
       * 在请求处理完成后执行清理工作。
       *
       * @param request  HTTP请求对象
       * @param response HTTP响应对象
       * @param handler  处理器对象
       * @param ex       异常对象
       * @throws Exception 如果发生异常
       */
      @Override
      public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
          // 清除ThreadLocal中的用户信息
          UserHolder.removeUser();
      }
  }

ℹ️ThreadLocal

从session中获取user，然后存入UserHolder，调用时就可以UserHolder.getUser();

使用结束后再删除 UserHolder.removeUser();

创建配置类配置拦截器

  package com.hmdp.config;
  
  import com.hmdp.utils.LoginInterceptor;
  import org.springframework.context.annotation.Configuration;
  import org.springframework.web.servlet.config.annotation.InterceptorRegistry;
  import org.springframework.web.servlet.config.annotation.WebMvcConfigurer;
  
  /**
   * MVC配置类，用于配置拦截器。
   * 添加登录拦截器，并排除一些不需要拦截的请求路径。
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 17:14
   **/
  @Configuration
  public class MvcConfig implements WebMvcConfigurer {
  
      /**
       * 添加拦截器到拦截器链中。
       *
       * @param registry 拦截器注册表
       */
      @Override
      public void addInterceptors(InterceptorRegistry registry) {
          // 添加登录拦截器，并排除一些不需要拦截的请求路径
          registry.addInterceptor(new LoginInterceptor())
                  .excludePathPatterns(
                          "/user/code",
                          "/user/login",
                          "/blog/hot",
                          "/shop/**",
                          "/shop-type/**",
                          "/upload/**",
                          "/voucher/**"
                  );
      }
  }

UserController完成 .me()

  @GetMapping("/me")
  public Result me(){
      User user = UserHolder.getUser();
      return Result.ok(user);
  }

隐藏用户敏感信息

实现类

  package com.hmdp.service.impl;
  
  import cn.hutool.core.bean.BeanUtil;
  import cn.hutool.core.util.RandomUtil;
  import com.baomidou.mybatisplus.extension.conditions.query.QueryChainWrapper;
  import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
  import com.hmdp.dto.LoginFormDTO;
  import com.hmdp.dto.Result;
  import com.hmdp.dto.UserDTO;
  import com.hmdp.entity.User;
  import com.hmdp.mapper.UserMapper;
  import com.hmdp.service.IUserService;
  import com.hmdp.utils.RegexUtils;
  import lombok.extern.slf4j.Slf4j;
  import org.springframework.stereotype.Service;
  
  import javax.servlet.http.HttpSession;
  import java.util.Random;
  
  import static com.hmdp.utils.SystemConstants.USER_NICK_NAME_PREFIX;
  
  /**
   * 用户服务的实现类。
   * 实现了用户相关操作的功能。
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 16:13
   **/
  @Slf4j
  @Service
  public class UserServiceImpl extends ServiceImpl<UserMapper, User> implements IUserService {
  
      /**
       * 生成一个随机的4位验证码。
       *
       * @return 随机生成的4位验证码
       */
      public static String generateVerificationCode() {
          // 验证码字符集合，这里使用0-9的数字
          String digits = "0123456789";
  
          // 随机数生成器
          Random random = new Random();
  
          // 用于存储生成的验证码
          StringBuilder sb = new StringBuilder();
  
          // 生成4位验证码
          for (int i = 0; i < 4; i++) {
              // 从验证码字符集合中随机选择一个字符并添加到验证码中
              int index = random.nextInt(digits.length());
              sb.append(digits.charAt(index));
          }
  
          return sb.toString();
      }
  
      /**
       * 发送验证码到指定的手机号。
       *
       * @param phone   接收验证码的手机号，必须符合有效的手机号格式。
       * @param session 当前用户的HttpSession，用于存储验证码。
       * @return Result对象，包含操作结果和相关信息。
       */
      @Override
      public Result sendCode(String phone, HttpSession session) { // 方法sendCode，接收手机号phone和HttpSession对象session作为参数
          // 验证手机号是否有效，如果无效则返回错误结果
          if (RegexUtils.isPhoneInvalid(phone)) { // 调用RegexUtils工具类的isPhoneInvalid方法检查手机号phone是否无效
              return Result.fail("请输入正确的手机号"); // 如果手机号无效，创建并返回一个失败的Result对象
          }
  
          // 生成验证码
          String verifyCode = generateVerificationCode(); // 调用generateVerificationCode方法生成验证码
          // 将验证码存入session中，以便后续验证使用
          session.setAttribute("verifyCode", verifyCode);
  
          // 记录验证码到日志，这里使用debug级别，通常仅在开发或测试环境中启用
          log.debug("发送验证码成功，验证码:{}", verifyCode);
  
          // 如果手机号有效且验证码生成成功，返回成功的Result对象
          return Result.ok(); // 创建并返回一个表示操作成功的Result对象
      }
  
      /**
       * 用户登录操作。
       *
       * @param loginForm 登录表单DTO，包含手机号和验证码。
       * @param session   当前用户的HttpSession，用于存储用户信息。
       * @return Result对象，包含操作结果和相关信息。
       */
      @Override
      public Result login(LoginFormDTO loginForm, HttpSession session) {
          // 从登录表单DTO中获取手机号和验证码
          String phone = loginForm.getPhone();
          String code = loginForm.getCode();
  
          // 验证手机号是否有效，如果无效则返回错误结果
          if (RegexUtils.isPhoneInvalid(phone)) { // 调用RegexUtils工具类的isPhoneInvalid方法检查手机号phone是否无效
              return Result.fail("请输入正确的手机号"); // 如果手机号无效，创建并返回一个失败的Result对象
          }
  
          // 从session中获取缓存的验证码
          String cacheCode = (String) session.getAttribute("verifyCode");
  
          // 检查验证码是否为空或者与用户输入的验证码不匹配
          if (cacheCode == null || !cacheCode.equals(code)) {
              // 输出验证码校验失败的日志信息
              log.debug("校验验证码，验证码:{}", code);
              // 返回验证码错误的结果
              return Result.fail("验证码错误");
          }
  
          // 根据手机号查询用户信息
          User user = query().eq("phone", phone).one();
          // 如果用户不存在，则创建新用户
          if (user == null) {
              log.debug("用户{}不存在，创建新用户",phone);
              user = createUserWithPhone(phone);
          }
  
          // 将用户信息存入session
          session.setAttribute("user", BeanUtil.copyProperties(user, UserDTO.class));
  
          // 返回操作成功的结果
          return Result.ok();
      }
  
  
      /**
       * 根据手机号创建用户。
       *
       * @param phone 手机号
       * @return 创建的用户对象
       */
      private User createUserWithPhone(String phone) {
          // 创建一个新的用户对象
          User user = new User();
          // 设置用户手机号
          user.setPhone(phone);
          // 生成一个随机的昵称，并设置给用户
          🚩🚩🚩user.setNickName(USER_NICK_NAME_PREFIX + RandomUtil.randomString(10));
          // 保存用户到数据库中
          save(user);
          // 返回创建的用户对象
          return user;
      }
  
  }

BeanUtil.copyProperties 是一个常见的工具方法，用于将一个对象的属性值复制到另一个对象中。在这里，session.setAttribute("user", BeanUtil.copyProperties(user, UserDTO.class)); 这行代码的作用是将 user 对象的属性复制到一个 UserDTO 对象中，并将该 UserDTO 对象存储在会话（session）中的名为 "user" 的属性中。

具体而言，BeanUtil.copyProperties 方法通常具有以下特点：

复制属性值： 方法会将源对象（user）的属性值复制到目标对象（UserDTO）中对应的属性上。
类型转换： 如果源对象和目标对象的属性类型不匹配，BeanUtil.copyProperties 方法会尝试进行类型转换。如果无法进行转换，可能会抛出异常或者赋予默认值。
属性名匹配： 方法通常会按照属性名匹配的方式进行复制。这意味着源对象和目标对象的属性名应该一致或者具有对应的 setter 和 getter 方法。
浅复制： 默认情况下，BeanUtil.copyProperties 方法执行的是浅复制，即只复制对象的属性值，而不复制属性指向的对象。如果需要深复制（复制属性指向的对象），则需要额外的处理。

拦截器

      public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
          // 1. 获取session
          HttpSession session = request.getSession();
          // 2. 获取session中的用户
          🚩🚩🚩UserDTO user = (UserDTO) session.getAttribute("user");
          // 3. 判断用户是否存在
          if (user == null) {
              // 4. 用户不存在，拦截并返回401状态码
              response.setStatus(401);
              return false;
          }
  
          // 5. 用户存在，保存用户信息到ThreadLocal
          UserHolder.saveUser(user);
          // 6. 放行
          return true;
      }

      @GetMapping("/me")
      public Result me(){
          UserDTO user = UserHolder.getUser();
          return Result.ok(user);
      }

UserDTO

  package com.hmdp.dto;
  
  import lombok.Data;
  
  @Data
  public class UserDTO {
      private Long id;
      private String nickName;
      private String icon;
  }

Session共享问题

每个tomcat中都有一份属于自己的session,假设用户第一次访问第一台tomcat，并且把自己的信息存放到第一台服务器的session中，但是第二次这个用户访问到了第二台tomcat，那么在第二台服务器上，肯定没有第一台服务器存放的session，所以此时整个登录拦截功能就会出现问题，我们能如何解决这个问题呢？早期的方案是session拷贝，就是说虽然每个tomcat上都有不同的session，但是每当任意一台服务器的session修改时，都会同步给其他的Tomcat服务器的session，这样的话，就可以实现session的共享了
但是这种方案具有两个大问题
1. 每台服务器中都有完整的一份session数据，服务器压力过大。
2. session拷贝数据时，可能会出现延迟
所以我们后面都是基于Redis来完成，我们把session换成Redis，Redis数据本身就是共享的，就可以避免session共享的问题了

Redis实现共享session登录

UserServiceImpl实现类修改 sendCode

  /**
       * 发送验证码到指定的手机号。
       * <p>此方法用于在用户需要验证其手机号时发送验证码。它首先验证提供的手机号格式是否正确。
       * 如果手机号格式不正确，将返回一个错误结果。如果手机号有效，方法将生成一个验证码，
       * 并将其存储在Redis缓存中，以便后续的验证过程使用。</p>
       *
       * @param phone   接收验证码的手机号，必须符合有效的手机号格式。
       * @param session 当前用户的HttpSession，用于存储验证码。
       * @return Result对象，包含操作结果和相关信息。
       */
      @Override
      public Result sendCode(String phone, HttpSession session) {
          // 验证手机号格式是否正确
          if (RegexUtils.isPhoneInvalid(phone)) {
              // 如果手机号无效，返回错误结果
              return Result.fail("请输入正确的手机号");
          }
  
          // 生成验证码
          String verifyCode = generateVerificationCode(); // 调用generateVerificationCode方法生成验证码
  
          // 将验证码存储到Redis中，并设置有效期
          stringRedisTemplate.opsForValue().set(LOGIN_CODE_KEY + phone, verifyCode, LOGIN_CODE_TTL, TimeUnit.MINUTES);
  
          // 记录验证码到日志，用于调试和追踪
          log.debug("发送验证码成功，验证码:{}", verifyCode);
  
          // 返回成功的Result对象，表示验证码已发送
          return Result.ok();
      }

实现类修改 login函数

  
      /**
       * 用户登录操作。
       * <p>该方法接收用户提交的登录表单数据，验证手机号和验证码的有效性，
       * 并返回登录结果。如果用户不存在，则创建新用户。成功登录后，
       * 生成token并存储用户信息到Redis，以便后续的会话管理。</p>
       *
       * @param loginForm 登录表单DTO，包含手机号和验证码。
       * @param session   当前用户的HttpSession，用于存储用户信息。
       * @return Result对象，包含操作结果和相关信息。
       */
          @Override
      public Result login(LoginFormDTO loginForm, HttpSession session) {
          // 提取登录表单中的手机号和验证码
          String phone = loginForm.getPhone();
          String code = loginForm.getCode();
  
          // 验证手机号格式是否正确
          if (RegexUtils.isPhoneInvalid(phone)) {
              return Result.fail("请输入正确的手机号");
          }
  
          // 从Redis缓存中获取手机号对应的验证码
          String cacheCode = stringRedisTemplate.opsForValue().get(LOGIN_CODE_KEY + phone);
  
          // 校验用户输入的验证码与缓存的验证码是否一致
          if (cacheCode == null || !cacheCode.equals(code)) {
              log.debug("校验验证码失败，验证码: {}", code);
              return Result.fail("验证码错误");
          }
  
          // 根据手机号查询用户信息
          User user = query().eq("phone", phone).one();
  
          // 如果用户不存在，则创建新用户
          if (user == null) {
              log.debug("用户{}不存在，创建新用户", phone);
              user = createUserWithPhone(phone);
          }
  
          // 生成登录令牌token
          String token = UUID.randomUUID().toString(true);
  
          // 将用户信息转换为DTO并存储到Redis
          UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);
  
          /*
              Map<String, Object> userMap = BeanUtil.beanToMap(userDTO);
              stringRedisTemplate.opsForHash().putAll(LOGIN_USER_KEY + token, userMap);
              这样会报错，因为stringRedisTemplate接受的全部都是String，而userDTO的id是Long类型
              可以通过自定义 CopyOptions 来实现把值都转成String
          */
          Map<String, Object> userMap = BeanUtil.beanToMap(userDTO, new HashMap<>(),
                  CopyOptions.create()
                          .setIgnoreNullValue(true)
                          .setFieldValueEditor((fieldName, fieldValue) -> fieldValue.toString()));
  
          stringRedisTemplate.opsForHash().putAll(LOGIN_USER_KEY + token, userMap);
          stringRedisTemplate.expire(LOGIN_USER_KEY + token, 30, TimeUnit.MINUTES);
  
          // 返回登录成功的结果，包含token信息
          return Result.ok(token);
      }

在拦截其中每次更新token有效期

  package com.hmdp.utils;
  
  import cn.hutool.core.bean.BeanUtil;
  import cn.hutool.core.util.StrUtil;
  import com.hmdp.dto.UserDTO;
  import org.springframework.data.redis.core.StringRedisTemplate;
  import org.springframework.web.servlet.HandlerInterceptor;
  
  import javax.servlet.http.HttpServletRequest;
  import javax.servlet.http.HttpServletResponse;
  import java.util.Map;
  import java.util.concurrent.TimeUnit;
  
  /**
   * 登录拦截器，用于拦截未登录的请求。
   * 在处理请求之前检查用户是否已登录，如果未登录则返回401状态码。
   * 在处理完成后清除ThreadLocal中的用户信息。
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 17:04
   **/
  
  public class LoginInterceptor implements HandlerInterceptor {
  
      // 自己创建的类，不能直接用Resource注入，用构造函数注入
      private final StringRedisTemplate stringRedisTemplate;
  
      public LoginInterceptor(StringRedisTemplate stringRedisTemplate) {
          this.stringRedisTemplate = stringRedisTemplate;
      }
  
  
      /**
       * 在处理请求之前进行拦截。
       * <p>该方法用于在请求处理之前验证用户的登录状态。首先检查请求头中的token，
       * 如果token缺失或者无效，则返回false并设置HTTP状态码为401（未授权）。如果token有效，
       * 则从Redis中获取用户信息，并将其保存到ThreadLocal中，以便在整个请求处理过程中使用。
       * 同时，刷新token的有效期。</p>
       *
       * @param request  HTTP请求对象，包含请求信息和头数据。
       * @param response HTTP响应对象，用于返回响应数据和设置状态码。
       * @param handler  处理器对象，表示当前请求映射的处理器。
       * @return 如果用户已登录，返回true；否则返回false并设置状态码为401。
       * @throws Exception 如果发生异常
       */
      @Override
      public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
          // 从请求头中获取token
          String token = request.getHeader("authorization");
  
          // 如果token为空或无效，设置状态码为401并返回false
          if (StrUtil.isBlank(token)) {
              response.setStatus(HttpServletResponse.SC_UNAUTHORIZED);
              return false;
          }
  
          // 根据token从Redis中获取用户信息
          String key = RedisConstants.LOGIN_USER_KEY + token;
          Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries(key);
  
          // 如果用户信息不存在，设置状态码为401并返回false
          if (userMap.isEmpty()) {
              response.setStatus(HttpServletResponse.SC_UNAUTHORIZED);
              return false;
          }
  
          // 将Map转换为UserDTO对象
          UserDTO userDTO = BeanUtil.fillBeanWithMap(userMap, new UserDTO(), false);
  
          // 将用户信息保存到ThreadLocal，供整个请求处理过程中使用
          UserHolder.saveUser(userDTO);
  
          // 刷新token的有效期
          stringRedisTemplate.expire(key, 30, TimeUnit.MINUTES);
  
          // 用户已登录，放行请求
          return true;
      }
  
      /**
       * 在请求处理完成后执行清理工作。
       *
       * @param request  HTTP请求对象
       * @param response HTTP响应对象
       * @param handler  处理器对象
       * @param ex       异常对象
       * @throws Exception 如果发生异常
       */
      @Override
      public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
          // 清除ThreadLocal中的用户信息
          UserHolder.removeUser();
      }
  }

在mvc配置类中注入stringRedisTemplate

  /**
   * MVC配置类，用于配置拦截器。
   * 添加登录拦截器，并排除一些不需要拦截的请求路径。
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 17:14
   **/
  @Configuration
  public class MvcConfig implements WebMvcConfigurer {
  
      @Resource
      private StringRedisTemplate stringRedisTemplate;
      /**
       * 添加拦截器到拦截器链中。
       *
       * @param registry 拦截器注册表
       */
      @Override
      public void addInterceptors(InterceptorRegistry registry) {
          // 添加登录拦截器，并排除一些不需要拦截的请求路径
          registry.addInterceptor(new LoginInterceptor(stringRedisTemplate))
                  .excludePathPatterns(
                          "/user/code",
                          "/user/login",
                          "/blog/hot",
                          "/shop/**",
                          "/shop-type/**",
                          "/upload/**",
                          "/voucher/**"
                  );
      }
  }

ℹ️@Configuration

@Configuration 注解表示这是一个配置类，通常用于定义 Spring 应用程序上下文中的 bean。在这里，MvcConfig 类被标记为一个配置类，用于配置 Spring MVC 相关的配置。

ℹ️@Resource

@Resource 注解是 Java EE 提供的一种注入方式，用于注入依赖的资源。在 Spring 中，@Resource 注解通常用于注入其他 bean，或者注入外部资源，比如数据库连接、消息队列等。

StringRedisTemplate 是 Spring Data Redis 提供的一个模板类，用于简化 Redis 操作。在这里，@Resource 注解用于注入一个名为 stringRedisTemplate 的 StringRedisTemplate bean，该 bean 可以用于在 Spring 应用程序中操作 Redis。

解决状态登录刷新问题

在这个方案中，确实可以使用对应路径的拦截，同时刷新登录token令牌的存活时间，但是现在这个拦截器只是拦截需要被拦截的路径，假设当前用户访问了一些不需要拦截的路径，那么这个拦截器就不会生效，所以此时令牌刷新的动作实际上就不会执行，所以这个方案他是存在问题的

解决：

RefreshTokenInterceptor

  package com.hmdp.utils;
  
  import cn.hutool.core.bean.BeanUtil;
  import cn.hutool.core.util.StrUtil;
  import com.hmdp.dto.UserDTO;
  import org.springframework.data.redis.core.StringRedisTemplate;
  import org.springframework.web.servlet.HandlerInterceptor;
  
  import javax.servlet.http.HttpServletRequest;
  import javax.servlet.http.HttpServletResponse;
  import java.util.Map;
  import java.util.concurrent.TimeUnit;
  
  /**
   * 刷新令牌拦截器，用于自动刷新用户的访问令牌。
   * <p>
   * 该拦截器实现了Spring框架的HandlerInterceptor接口，用于在请求处理之前自动刷新用户的访问令牌。
   * 当用户通过认证后，访问令牌会被存储在Redis中，并设置一个有效期。每次用户发起请求时，如果令牌有效，
   * 拦截器会刷新令牌的有效期，确保用户能够持续访问受保护的资源。
   * </p>
   */
  public class RefreshTokenInterceptor implements HandlerInterceptor {
  
      // 注入StringRedisTemplate用于与Redis进行交互
      private final StringRedisTemplate stringRedisTemplate;
  
      /**
       * 构造函数，通过依赖注入获取StringRedisTemplate实例。
       *
       * @param stringRedisTemplate Redis的String操作模板类实例
       */
      public RefreshTokenInterceptor(StringRedisTemplate stringRedisTemplate) {
          this.stringRedisTemplate = stringRedisTemplate;
      }
  
      /**
       * 请求处理前的拦截方法。
       *
       * @param request  HTTP请求对象
       * @param response HTTP响应对象
       * @param handler  处理器对象，例如Controller中的方法
       * @return 如果用户已登录或者不需要认证，返回true；如果用户未登录且需要认证，返回false
       * @throws Exception 拦截器执行过程中发生的异常
       */
      @Override
      public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
          // 从请求头中获取token
          String token = request.getHeader("authorization");
  
          // 如果token为空，直接放行请求
          if (StrUtil.isBlank(token)) {
              return true;
          }
  
          // 根据token从Redis中获取用户信息
          String key = RedisConstants.LOGIN_USER_KEY + token;
          Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries(key);
  
          // 如果Redis中没有对应的用户信息，直接放行请求
          if (userMap.isEmpty()) {
              return true;
          }
  
          // 将Map转换为UserDTO对象
          UserDTO userDTO = BeanUtil.fillBeanWithMap(userMap, new UserDTO(), false);
  
          // 将用户信息保存到ThreadLocal，供整个请求处理过程中使用
          UserHolder.saveUser(userDTO);
  
          // 刷新token的有效期
          stringRedisTemplate.expire(key, 30, TimeUnit.MINUTES);
  
          // 用户已登录，放行请求
          return true;
      }
  
      /**
       * 请求处理完成后的拦截方法。
       *
       * @param request  HTTP请求对象
       * @param response HTTP响应对象
       * @param handler  处理器对象，例如Controller中的方法
       * @param ex       请求处理过程中发生的异常，如果有的话
       * @throws Exception 拦截器执行过程中发生的异常
       */
      @Override
      public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {
          // 清除ThreadLocal中的用户信息
          UserHolder.removeUser();
      }
  }

LoginInterceptor

  package com.hmdp.utils;
  
  import org.springframework.web.servlet.HandlerInterceptor;
  import javax.servlet.http.HttpServletRequest;
  import javax.servlet.http.HttpServletResponse;
  
  /**
   * 登录拦截器，用于处理用户登录状态的验证。
   * <p>
   * 该拦截器实现了Spring框架的HandlerInterceptor接口，用于在请求处理之前进行拦截。
   * 主要用于检查用户是否已经登录，如果用户未登录，则返回401未授权状态码，阻止未登录用户访问受保护的资源。
   * 如果用户已经登录，则允许请求继续执行。
   * </p>
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 17:04
   */
  public class LoginInterceptor implements HandlerInterceptor {
  
      /**
       * 在请求处理之前进行拦截检查。
       * <p>
       * 此方法会检查当前请求的上下文中是否存在已认证的用户信息。如果用户未登录，
       * 即UserHolder中没有用户信息，则通过响应对象设置HTTP状态码为401（未授权），
       * 并返回false，表示用户未登录。如果用户已登录，则直接返回true，允许请求继续。
       * </p>
       *
       * @param request  HTTP请求对象，包含请求信息和头数据。
       * @param response HTTP响应对象，用于返回响应数据和设置状态码。
       * @param handler  处理器对象，表示当前请求映射的处理器。
       * @return 如果用户已登录，返回true；否则返回false并设置状态码为401。
       * @throws Exception 如果发生异常
       */
      @Override
      public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {
          // 检查当前用户是否已登录
          if (UserHolder.getUser() == null) {
              // 用户未登录，设置状态码为401并返回false
              response.setStatus(HttpServletResponse.SC_UNAUTHORIZED);
              return false;
          }
  
          // 用户已登录，放行请求
          return true;
      }
  }

MvcConfig

  package com.hmdp.config;
  
  import com.hmdp.utils.LoginInterceptor;
  import com.hmdp.utils.RefreshTokenInterceptor;
  import org.springframework.context.annotation.Configuration;
  import org.springframework.data.redis.core.StringRedisTemplate;
  import org.springframework.web.servlet.config.annotation.InterceptorRegistry;
  import org.springframework.web.servlet.config.annotation.WebMvcConfigurer;
  
  import javax.annotation.Resource;
  
  /**
   * MVC配置类，用于配置拦截器。
   * <p>
   * 通过实现WebMvcConfigurer接口，自定义Spring MVC的配置。主要配置了登录拦截器和刷新令牌拦截器，
   * 用于处理用户认证和令牌刷新的逻辑。此外，配置了拦截器的排除规则，指定哪些请求路径不需要进行拦截。
   * </p>
   *
   * @author CharmingDaiDai
   * @date 2024/4/9 17:14
   */
  @Configuration
  public class MvcConfig implements WebMvcConfigurer {
  
      @Resource
      private StringRedisTemplate stringRedisTemplate;
  
      /**
       * 添加拦截器到拦截器链中。
       * <p>
       * 通过InterceptorRegistry注册拦截器，配置拦截器的路径规则。此方法将刷新令牌拦截器和登录拦截器
       * 添加到Spring MVC的拦截器链中，并设置了各自需要拦截和排除的请求路径。
       * </p>
       *
       * @param registry 拦截器注册表，用于添加和配置拦截器
       */
      @Override
      public void addInterceptors(InterceptorRegistry registry) {
          // 添加刷新令牌拦截器，并设置拦截所有请求
          registry.addInterceptor(new RefreshTokenInterceptor(stringRedisTemplate)).addPathPatterns("/**").order(0);
  
          // 添加登录拦截器，并排除不需要拦截的请求路径
          registry.addInterceptor(new LoginInterceptor())
                  .excludePathPatterns(
                          "/user/code",             // 排除获取验证码的请求路径
                          "/user/login",            // 排除用户登录的请求路径
                          "/blog/hot",              // 排除热门博客的请求路径
                          "/shop/**",                // 排除商城相关请求路径
                          "/shop-type/**",          // 排除商城类型相关请求路径
                          "/upload/**",              // 排除文件上传的请求路径
                          "/voucher/**"              // 排除优惠券相关请求路径
                  ).order(1);
      }
  }

商户查询缓存

实际开发中，会构筑多级缓存来时系统运行速度进一步提升，例如：本地缓存与Redis中的缓存并发使用
浏览器缓存：主要是存在于浏览器端的缓存
应用层缓存：可以分为tomcat本地缓存，例如之前提到的map或者是使用Redis作为缓存
数据库缓存：在数据库中有一片空间是buffer pool，增改查数据都会先加载到mysql的缓存中
CPU缓存：当代计算机最大的问题就是CPU性能提升了，但是内存读写速度没有跟上，所以为了适应当下的情况，增加了CPU的L1，L2，L3级的缓存

添加商户缓存

id查询缓存

ShopController

      @GetMapping("/{id}")
      public Result queryShopById(@PathVariable("id") Long id) {
          return shopService.queryById(id);
      }

IShopService接口类定义方法

  package com.hmdp.service;
  
  import com.hmdp.dto.Result;
  import com.hmdp.entity.Shop;
  import com.baomidou.mybatisplus.extension.service.IService;
  
  public interface IShopService extends IService<Shop> {
      public Result queryById(long id);
  
  }

实现类实现函数

  package com.hmdp.service.impl;
  
  import cn.hutool.core.util.StrUtil;
  import cn.hutool.json.JSONUtil;
  import com.hmdp.dto.Result;
  import com.hmdp.entity.Shop;
  import com.hmdp.mapper.ShopMapper;
  import com.hmdp.service.IShopService;
  import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
  import com.hmdp.utils.RedisConstants;
  import org.springframework.data.redis.core.StringRedisTemplate;
  import org.springframework.stereotype.Service;
  
  import javax.annotation.Resource;
  
  /**
   * 商铺服务实现类。
   * <p>
   * 该类实现了IShopService接口，提供了商铺相关的业务逻辑实现。包括从数据库查询商铺信息，
   * 并结合Redis缓存来提高查询效率。
   * </p>
   *
   * @author CharmingDaiDai
   * @date 2024/4/10 16:47
   */
  @Service
  public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
  
      @Resource
      private StringRedisTemplate stringRedisTemplate;
  
      @Override
      public Result queryById(long id) {
          // 定义Redis中商铺信息的缓存key
          String key = RedisConstants.CACHE_SHOP_KEY + id;
  
          // 尝试从Redis缓存中获取商铺信息
          String shopJson = stringRedisTemplate.opsForValue().get(key);
  
          // 判断缓存是否命中
          if (StrUtil.isBlank(shopJson)) {
              // 如果缓存未命中，则从数据库查询商铺信息
              Shop shop = getById(id);
  
              // 判断商铺是否存在
              if (shop == null) {
                  // 如果数据库中不存在该商铺，则返回失败结果
                  return Result.fail("店铺不存在");
              }
  
              // 将查询到的商铺信息转换为JSON字符串，并写入缓存
              shopJson = JSONUtil.toJsonStr(shop);
              stringRedisTemplate.opsForValue().set(key, shopJson);
          }
  
          // 从JSON字符串中反序列化商铺信息
          Shop shop = JSONUtil.toBean(shopJson, Shop.class);
          System.out.println(shop);
          // 返回查询结果，包含商铺信息
          return Result.ok(shop);
      }
  }

type类型查询缓存

ShopTypeController

  package com.hmdp.controller;
  
  
  import com.hmdp.dto.Result;
  import com.hmdp.entity.ShopType;
  import com.hmdp.service.IShopTypeService;
  import org.springframework.web.bind.annotation.GetMapping;
  import org.springframework.web.bind.annotation.RequestMapping;
  import org.springframework.web.bind.annotation.RestController;
  
  import javax.annotation.Resource;
  import java.util.List;
  
  /**
   * @author CharmingDaiDai
   * @date 2024/4/10 18:41
   **/
  @RestController
  @RequestMapping("/shop-type")
  public class ShopTypeController {
      @Resource
      private IShopTypeService typeService;
  
      @GetMapping("list")
      public Result queryTypeList() {
          return typeService.queryList();
      }
  }

IShopTypeService接口定义函数

  package com.hmdp.service;
  
  import com.hmdp.dto.Result;
  import com.hmdp.entity.ShopType;
  import com.baomidou.mybatisplus.extension.service.IService;
  
  /**
   * @author CharmingDaiDai
   * @date 2024/4/10 18:44
   **/
  public interface IShopTypeService extends IService<ShopType> {
  
      Result queryList();
  }

ShopTypeServiceImpl实现类

  package com.hmdp.service.impl;
  
  import cn.hutool.json.JSONUtil;
  import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
  import com.hmdp.dto.Result;
  import com.hmdp.entity.ShopType;
  import com.hmdp.mapper.ShopTypeMapper;
  import com.hmdp.service.IShopTypeService;
  import com.hmdp.utils.RedisConstants;
  import org.springframework.data.redis.core.StringRedisTemplate;
  import org.springframework.stereotype.Service;
  
  import javax.annotation.Resource;
  import java.util.ArrayList;
  import java.util.List;
  
  /**
   * 店铺类型服务的实现类。
   * 实现了查询店铺类型列表的功能，并支持缓存到Redis。
   * 在查询店铺类型列表时，优先从Redis缓存中获取，如果缓存中不存在则从数据库中查询，并将结果缓存到Redis中。
   * 如果缓存中存在店铺类型列表，则直接返回缓存中的数据。
   * 如果缓存中不存在店铺类型列表，则从数据库中查询，并将查询结果存入Redis缓存。
   *
   * @author CharmingDaiDai
   * @date 2024/4/10 19:48
   **/
  @Service
  public class ShopTypeServiceImpl extends ServiceImpl<ShopTypeMapper, ShopType> implements IShopTypeService {
  
      @Resource
      StringRedisTemplate stringRedisTemplate;
  
      /**
       * 查询店铺类型列表。
       *
       * @return 包含店铺类型列表的Result对象
       */
      @Override
      public Result queryList() {
          // 先从Redis中查
          List<String> shopTypesJson = stringRedisTemplate.opsForList().range(RedisConstants.CACHE_SHOP_TYPE_KEY, 0, -1);
  
          List<ShopType> shopTypeList = new ArrayList<>();
          
          // 如果Redis中存在店铺类型列表，则将其转换为ShopType对象列表并返回
          if (shopTypesJson != null && !shopTypesJson.isEmpty()) {
              for (String s : shopTypesJson) {
                  shopTypeList.add(JSONUtil.toBean(s, ShopType.class));
              }
              return Result.ok(shopTypeList);
          }
  
          // 如果Redis中不存在店铺类型列表，则从数据库中查询
          shopTypeList = query().orderByAsc("sort").list(); 
  
          if (shopTypeList == null) {
              return Result.fail("店铺类型不存在");
          }
  
          // 将数据库查询结果转为Json串，并存入Redis缓存
          for (ShopType s : shopTypeList){
              shopTypesJson.add(JSONUtil.toJsonStr(s));
          }
          stringRedisTemplate.opsForList().rightPushAll(RedisConstants.CACHE_SHOP_TYPE_KEY, shopTypesJson);
  
          // 返回查询结果
          return Result.ok(shopTypeList);
      }
  }

ℹ️query().orderByAsc

query().orderByAsc("sort").list()

使用 MyBatis-Plus 提供的查询构造器（Wrapper）进行查询，具体含义如下：

query()：创建一个查询构造器对象，用于构建查询条件。
orderByAsc("sort")：指定查询结果按照 sort 字段升序排序。
list()：执行查询并返回结果列表。

缓存更新策略

对比删除缓存与更新缓存
- 更新缓存：每次更新数据库都需要更新缓存，无效写操作较多
- 删除缓存：更新数据库时让缓存失效，再次查询时更新缓存 ✅
如何保证缓存与数据库的操作同时成功/同时失败
- 单体系统：将缓存与数据库操作放在同一个事务
- 分布式系统：利用TCC等分布式事务方案
先操作缓存还是先操作数据库？我们来仔细分析一下这两种方式的线程安全问题
- 先删除缓存，再操作数据库
  删除缓存的操作很快，但是更新数据库的操作相对较慢，如果此时有一个线程2刚好进来查询缓存，由于我们刚刚才删除缓存，所以线程2需要查询数据库，并写入缓存，但是我们更新数据库的操作还未完成，所以线程2查询到的数据是脏数据，出现线程安全问题
- 先操作数据库，再删除缓存
  线程1在查询缓存的时候，缓存TTL刚好失效，需要查询数据库并写入缓存，这个操作耗时相对较短（相比较于上图来说），但是就在这么短的时间内，线程2进来了，更新数据库，删除缓存，但是线程1虽然查询完了数据（更新前的旧数据），但是还没来得及写入缓存，所以线程2的更新数据库与删除缓存，并没有影响到线程1的查询旧数据，写入缓存，造成线程安全问题
虽然这二者都存在线程安全问题，但是相对来说，后者出现线程安全问题的概率相对较低，所以最终采用后者先操作数据库，再删除缓存的方案

实现商铺缓存与数据库双写一致

ShopServiceImpl实现类根据ID查询修改TTL

      @Override
      public Result queryById(long id) {
          // 定义Redis中商铺信息的缓存key
          String key = RedisConstants.CACHE_SHOP_KEY + id;
  
          // 尝试从Redis缓存中获取商铺信息
          String shopJson = stringRedisTemplate.opsForValue().get(key);
  
          // 判断缓存是否命中
          if (StrUtil.isBlank(shopJson)) {
              // 如果缓存未命中，则从数据库查询商铺信息
              Shop shop = getById(id);
  
              // 判断商铺是否存在
              if (shop == null) {
                  // 如果数据库中不存在该商铺，则返回失败结果
                  return Result.fail("店铺不存在");
              }
  
              // 将查询到的商铺信息转换为JSON字符串，并写入缓存
              shopJson = JSONUtil.toJsonStr(shop);
              stringRedisTemplate.opsForValue().set(key, shopJson, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
          }
  
          // 从JSON字符串中反序列化商铺信息
          Shop shop = JSONUtil.toBean(shopJson, Shop.class);
          System.out.println(shop);
          // 返回查询结果，包含商铺信息
          return Result.ok(shop);
      }

ShopController

      @PutMapping
      public Result updateShop(@RequestBody Shop shop) {
          // 写入数据库
          return shopService.updateShop(shop);
      }

ShopServiceImpl实现类增加商铺修改功能

      @Override
      @Transactional🚩🚩🚩
      public Result updateShop(Shop shop) {
          // 检查店铺ID是否为空
          Long id = shop.getId();
          if (id == null) {
              return Result.fail("店铺id不能为空");
          }
  
          // 构造Redis中存储店铺信息的key
          String key = RedisConstants.CACHE_SHOP_KEY + id;
  
          // 在数据库中根据ID更新店铺信息
          updateById(shop);
  
          // 删除Redis中对应的店铺信息缓存
          stringRedisTemplate.delete(key);
  
          // 返回操作成功的结果
          return Result.ok("店铺修改成功");
      }

缓存穿透

缓存穿透：缓存穿透是指客户端请求的数据在缓存中和数据库中都不存在，这样缓存永远都不会生效（只有数据库查到了，才会让redis缓存，但现在的问题是查不到），会频繁的去访问数据库。

缓存空对象
- 优点：实现简单，维护方便
- 缺点：额外的内存消耗，可能造成短期的不一致
布隆过滤
- 优点：内存占用少，没有多余的key
- 缺点：实现复杂，可能存在误判

缓存空对象思路分析：当我们客户端访问不存在的数据时，会先请求redis，但是此时redis中也没有数据，就会直接访问数据库，但是数据库里也没有数据，那么这个数据就穿透了缓存，直击数据库。但是数据库能承载的并发不如redis这么高，所以如果大量的请求同时都来访问这个不存在的数据，那么这些请求就会访问到数据库，简单的解决方案就是哪怕这个数据在数据库里不存在，我们也把这个这个数据存在redis中去（这就是为啥说会有额外的内存消耗），这样下次用户过来访问这个不存在的数据时，redis缓存中也能找到这个数据，不用去查数据库。可能造成的短期不一致是指在空对象的存活期间，我们更新了数据库，把这个空对象变成了正常的可以访问的数据，但由于空对象的TTL还没过，所以当用户来查询的时候，查询到的还是空对象，等TTL过了之后，才能访问到正确的数据，不过这种情况很少见罢了
布隆过滤思路分析：布隆过滤器其实采用的是哈希思想来解决这个问题，通过一个庞大的二进制数组，根据哈希思想去判断当前这个要查询的数据是否存在，如果布隆过滤器判断存在，则放行，这个请求会去访问redis，哪怕此时redis中的数据过期了，但是数据库里一定会存在这个数据，从数据库中查询到数据之后，再将其放到redis中。如果布隆过滤器判断这个数据不存在，则直接返回。这种思想的优点在于节约内存空间，但存在误判，误判的原因在于：布隆过滤器使用的是哈希思想，只要是哈希思想，都可能存在哈希冲突

第一种方法：

package com.hmdp.service.impl;

import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONUtil;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.RedisConstants;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.util.concurrent.TimeUnit;

/**
 * 商铺服务实现类。
 * <p>
 * 该类实现了IShopService接口，提供了商铺相关的业务逻辑实现。包括从数据库查询商铺信息，
 * 并结合Redis缓存来提高查询效率。
 * </p>
 *
 * @author CharmingDaiDai
 * @date 2024/4/10 16:47
 */
@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryById(long id) {
        // 定义Redis中商铺信息的缓存key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 尝试从Redis缓存中获取商铺信息
        String shopJson = stringRedisTemplate.opsForValue().get(key);

        // 判断缓存是否命中
        if (StrUtil.isBlank(shopJson)) {
            // 如果缓存未命中，则从数据库查询商铺信息
            Shop shop = getById(id);

            // 判断商铺是否存在
            if (shop == null) {
                // 将空值写入Redis
                stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                // 如果数据库中不存在该商铺，则返回失败结果
                return Result.fail("店铺不存在");
            }

            // 将查询到的商铺信息转换为JSON字符串，并写入缓存
            shopJson = JSONUtil.toJsonStr(shop);
            stringRedisTemplate.opsForValue().set(key, shopJson, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
        }

        if ("".equals(shopJson)) {
            return Result.fail("店铺不存在");
        }

        // 从JSON字符串中反序列化商铺信息
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        System.out.println(shop);
        // 返回查询结果，包含商铺信息
        return Result.ok(shop);
    }

    /**
     * 更新店铺信息。
     * <p>该方法首先检查传入的Shop对象的ID是否为空，如果为空则返回错误结果。
     * 如果ID不为空，则根据ID在数据库中更新店铺信息。更新完成后，删除对应的Redis缓存，
     * 以确保下次查询时能获取到最新的数据。</p>
     *
     * @param shop 包含新店铺信息的Shop对象。
     * @return Result对象，包含操作结果和相关信息。
     */
    @Override
    @Transactional
    public Result updateShop(Shop shop) {
        // 检查店铺ID是否为空
        Long id = shop.getId();
        if (id == null) {
            return Result.fail("店铺id不能为空");
        }

        // 构造Redis中存储店铺信息的key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 在数据库中根据ID更新店铺信息
        updateById(shop);

        // 删除Redis中对应的店铺信息缓存
        stringRedisTemplate.delete(key);

        // 返回操作成功的结果
        return Result.ok("店铺修改成功");
    }
}

小结：

缓存穿透产生的原因是什么？
- 用户请求的数据在缓存中和在数据库中都不存在，不断发起这样的请求，会给数据库带来巨大压力
缓存产投的解决方案有哪些？
- 缓存null值
- 布隆过滤
- 增强id复杂度，避免被猜测id规律（可以采用雪花算法）
- 做好数据的基础格式校验
- 加强用户权限校验
- 做好热点参数的限流

缓存雪崩

缓存雪崩是指在同一时间段，大量缓存的key同时失效，或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力
解决方案
- 给不同的Key的TTL添加随机值，让其在不同时间段分批失效
- 利用Redis集群提高服务的可用性（使用一个或者多个哨兵(Sentinel)实例组成的系统，对redis节点进行监控，在主节点出现故障的情况下，能将从节点中的一个升级为主节点，进行故障转义，保证系统的可用性。）
- 给缓存业务添加降级限流策略
- 给业务添加多级缓存（浏览器访问静态资源时，优先读取浏览器本地缓存；访问非静态资源（ajax查询数据）时，访问服务端；请求到达Nginx后，优先读取Nginx本地缓存；如果Nginx本地缓存未命中，则去直接查询Redis（不经过Tomcat）；如果Redis查询未命中，则查询Tomcat；请求进入Tomcat后，优先查询JVM进程缓存；如果JVM进程缓存未命中，则查询数据库）

缓存击穿

缓存击穿也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，那么无数请求访问就会在瞬间给数据库带来巨大的冲击
举个不太恰当的例子：一件秒杀中的商品的key突然失效了，大家都在疯狂抢购，那么这个瞬间就会有无数的请求访问去直接抵达数据库，从而造成缓存击穿
常见的解决方案有两种
互斥锁
- 利用锁的互斥性，假设线程过来，只能一个人一个人的访问数据库，从而避免对数据库频繁访问产生过大压力，但这也会影响查询的性能，将查询的性能从并行变成了串行，我们可以采用tryLock方法+double check来解决这个问题
- 线程1在操作的时候，拿着锁把房门锁上了，那么线程2、3、4就不能都进来操作数据库，只有1操作完了，把房门打开了，此时缓存数据也重建好了，线程2、3、4直接从redis中就可以查询到数据。

逻辑过期

方案分析：我们之所以会出现缓存击穿问题，主要原因是在于我们对key设置了TTL，如果我们不设置TTL，那么就不会有缓存击穿问题，但是不设置TTL，数据又会一直占用我们的内存，所以我们可以采用逻辑过期方案
我们之前是TTL设置在redis的value中，注意：这个过期时间并不会直接作用于Redis，而是我们后续通过逻辑去处理。假设线程1去查询缓存，然后从value中判断当前数据已经过期了，此时线程1去获得互斥锁，那么其他线程会进行阻塞，获得了锁的进程他会开启一个新线程去进行之前的重建缓存数据的逻辑，直到新开的线程完成逻辑之后，才会释放锁，而线程1直接进行返回，假设现在线程3过来访问，由于线程2拿着锁，所以线程3无法获得锁，线程3也直接返回数据（但只能返回旧数据，牺牲了数据一致性，换取性能上的提高），只有等待线程2重建缓存数据之后，其他线程才能返回正确的数据
这种方案巧妙在于，异步构建缓存数据，缺点是在重建完缓存数据之前，返回的都是脏数据

互斥锁方案：由于保证了互斥性，所以数据一致，且实现简单，只是加了一把锁而已，也没有其他的事情需要操心，所以没有额外的内存消耗，缺点在于有锁的情况，就可能死锁，所以只能串行执行，性能会受到影响
逻辑过期方案：线程读取过程中不需要等待，性能好，有一个额外的线程持有锁去进行重构缓存数据，但是在重构数据完成之前，其他线程只能返回脏数据，且实现起来比较麻烦

解决方案	优点	缺点
互斥锁	没有额外的内存消耗保证一致性实现简单	线程需要等待，性能受影响可能有死锁风险
逻辑过期	线程无需等待，性能较好	不保证一致性有额外内存消耗实现复杂

利用互斥锁解决缓存击穿问题

相较于原来从缓存中查询不到数据后直接查询数据库而言，现在的方案是，进行查询之后，如果没有从缓存中查询到数据，则进行互斥锁的获取，获取互斥锁之后，判断是否获取到了锁，如果没获取到，则休眠一段时间，过一会儿再去尝试，知道获取到锁为止，才能进行查询
如果获取到了锁的线程，则进行查询，将查询到的数据写入Redis，再释放锁，返回数据，利用互斥锁就能保证只有一个线程去执行数据库的逻辑，防止缓存击穿

ℹ️setIfAbsent实现分布式锁

优点：

原子性操作： Redis 的 setIfAbsent 操作是原子性的，能够确保在高并发情况下只有一个客户端能够成功获取锁。
性能高效： Redis 是基于内存的数据库，读写速度非常快，因此获取和释放锁的速度很快。
支持设置超时时间： 可以通过设置键的过期时间来防止死锁的发生，即使锁忘记释放，也能在一定时间后自动释放，避免资源浪费。

缺点：

可能出现死锁： 如果获取锁之后出现了异常，没有及时释放锁，就会导致死锁的发生，需要在加锁代码中加入异常处理逻辑来保证锁的释放。
不支持重入： Redis 的简单锁机制不支持重入，即同一线程无法多次获取同一个锁。
不支持阻塞式等待： setIfAbsent 操作是非阻塞的，如果获取锁失败，则需要客户端自行实现轮询或者其他方式进行等待，不能像 Java 中的 ReentrantLock 那样支持阻塞式等待。

ShopServiceIpml
尝试获取锁🔒

    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        // 避免返回值为null，我们这里使用了BooleanUtil工具类
        return BooleanUtil.isTrue(flag);
    }

解锁🔓

    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }

QueryWithMutex

public Shop queryWithMutex(long id) {
        // 定义Redis中商铺信息的缓存key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 尝试从Redis缓存中获取商铺信息
        String shopJson = stringRedisTemplate.opsForValue().get(key);

        // 判断缓存是否命中
        if (StrUtil.isBlank(shopJson)) {
            try {
                // 未命中获取互斥锁
                boolean locked = tryLock(LOCK_SHOP_KEY + id);
                // 判断是否获取锁
                if (!locked) {
                    // 否 休眠一段时间再次查询缓存
                    Thread.sleep(50);
                    return queryWithMutex(id);
                }

                // 是 查数据库
                Shop shop = getById(id);

                // 判断商铺是否存在
                if (shop == null) {
                    // 将空值写入Redis
                    stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                    return null;
                }

                // 将查询到的商铺信息转换为JSON字符串，并写入缓存
                shopJson = JSONUtil.toJsonStr(shop);
                stringRedisTemplate.opsForValue().set(key, shopJson, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
            } catch (Exception e) {
                System.out.println(e);
            } finally {
                // 释放锁
                unlock(LOCK_SHOP_KEY + id);
            }
        }

        if ("".equals(shopJson)) {
            return null;
        }

        // 从JSON字符串中反序列化商铺信息
        Shop shop = JSONUtil.toBean(shopJson, Shop.class);
        return shop;
    }

QueryById

    public Result queryById(long id) {
        Shop shop = queryWithMutex(id);
        if (null == shop) {
            return Result.fail("店铺不存在");
        }
        return Result.ok(shop);
    }

完整

  /**
   * 商铺服务实现类。
   * <p>
   * 该类实现了IShopService接口，提供了商铺相关的业务逻辑实现。包括从数据库查询商铺信息，
   * 并结合Redis缓存和互斥锁来提高查询效率和线程安全。
   * </p>
   * @author CharmingDaiDai
   * @date 2024/4/15 13:46
   */
  
  @Service
  public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {
  
      @Resource
      private StringRedisTemplate stringRedisTemplate;
  
      /**
       * 尝试获取互斥锁。
       * <p>
       * 使用Redis的setIfAbsent方法尝试设置键值对，如果键不存在则设置成功并返回true，
       * 表示获取锁成功。如果键已存在则返回false，表示获取锁失败。
       * </p>
       *
       * @param key 锁的key。
       * @return 是否成功获取到锁。
       */
      private boolean tryLock(String key) {
          Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
          // 避免返回值为null，我们这里使用了BooleanUtil工具类
          return BooleanUtil.isTrue(flag);
      }
  
      /**
       * 释放互斥锁。
       * <p>
       * 使用Redis的delete方法删除锁的key，从而释放锁。
       * </p>
       *
       * @param key 锁的key。
       */
      private void unlock(String key) {
          stringRedisTemplate.delete(key);
      }
  
      /**
       * 使用互斥锁查询商铺信息。
       * <p>
       * 首先尝试从Redis缓存中获取商铺信息，如果缓存未命中，则尝试获取互斥锁。
       * 获取锁成功后，从数据库查询商铺信息，并将其写入缓存。查询过程中，如果获取锁失败，
       * 则稍作休眠后再次尝试。查询成功后，释放互斥锁。
       * </p>
       *
       * @param id 商铺的ID。
       * @return 查询到的商铺对象，如果商铺不存在则返回null。
       */
      public Shop queryWithMutex(long id) {
          // 定义Redis中商铺信息的缓存key
          String key = RedisConstants.CACHE_SHOP_KEY + id;
  
          // 尝试从Redis缓存中获取商铺信息
          String shopJson = stringRedisTemplate.opsForValue().get(key);
  
          // 判断缓存是否命中
          if (StrUtil.isBlank(shopJson)) {
              try {
                  // 未命中获取互斥锁
                  boolean locked = tryLock(LOCK_SHOP_KEY + id);
                  // 判断是否获取锁
                  if (!locked) {
                      // 否 休眠一段时间再次查询缓存
                      Thread.sleep(50);
                      return queryWithMutex(id);
                  }
  
                  // 是 查数据库
                  Shop shop = getById(id);
  
                  // 判断商铺是否存在
                  if (shop == null) {
                      // 将空值写入Redis
                      stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                      return null;
                  }
  
                  // 将查询到的商铺信息转换为JSON字符串，并写入缓存
                  shopJson = JSONUtil.toJsonStr(shop);
                  stringRedisTemplate.opsForValue().set(key, shopJson, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
              } catch (Exception e) {
                  System.out.println(e);
              } finally {
                  // 释放锁
                  unlock(LOCK_SHOP_KEY + id);
              }
          }
  
          if ("".equals(shopJson)) {
              return null;
          }
  
          // 从JSON字符串中反序列化商铺信息
          Shop shop = JSONUtil.toBean(shopJson, Shop.class);
          return shop;
      }
  
      /**
       * 根据ID查询商铺信息。
       * <p>
       * 调用queryWithMutex方法从缓存或数据库中查询商铺信息。如果商铺不存在，则返回失败结果。
       * </p>
       *
       * @param id 商铺的ID。
       * @return 查询结果，包含商铺信息或错误信息。
       */
      @Override
      public Result queryById(long id) {
          Shop shop = queryWithMutex(id);
          if (null == shop) {
              return Result.fail("店铺不存在");
          }
          return Result.ok(shop);
      }

利用逻辑过期解决缓存击穿问题

需求：根据id查询商铺的业务，基于逻辑过期方式来解决缓存击穿问题
思路分析：当用户开始查询redis时，判断是否命中
- 如果没有命中则直接返回空数据，不查询数据库
- 如果命中，则将value取出，判断value中的过期时间是否满足
  - 如果没有过期，则直接返回redis中的数据
  - 如果过期，则在开启独立线程后，直接返回之前的数据，独立线程去重构数据，重构完成后再释放互斥锁

模拟后台管理添加hotKey到Redis（数据预热）

    /**
     * 模拟后台管理添加hotKey到Redis。
     *
     * @param id             商铺的唯一标识ID。
     * @param expireSeconds  热键的过期时间，单位为秒。
     */
    public void saveShop2Redis(Long id, Long expireSeconds) {
        // 根据ID从数据库中获取商铺信息
        Shop shop = getById(id);

        // 如果商铺不存在，则直接返回
        if (null == shop) {
            return;
        }

        // 创建RedisData对象，将商铺信息封装进去
        RedisData redisData = new RedisData();
        redisData.setData(shop);

        // 设置热键的过期时间
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));

        // 将RedisData对象转换为JSON字符串
        String jsonRedisData = JSONUtil.toJsonStr(redisData);

        // 使用StringRedisTemplate操作Redis，设置热键及其过期时间
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY, jsonRedisData);
    }

queryById

    public Result queryById(long id) {
//        Shop shop = queryWithMutex(id);
//        if (null == shop) {
//            return Result.fail("店铺不存在");
//        }
        Shop shop = queryWithLogicExpire(id);
        if (null == shop) {
            return Result.fail("店铺不存在");
        }
        return Result.ok(shop);
    }

queryWithLogicExpire

    // 定义一个固定大小的线程池，用于异步重建缓存
    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);

/**
     * 根据逻辑过期时间查询商铺信息。
     *
     * @param id 商铺的唯一标识ID。
     * @return 查询到的商铺对象，如果商铺不存在或缓存已过期，则可能返回null。
     */
    public Shop queryWithLogicExpire(long id) {
        // 定义Redis中商铺信息的缓存key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 尝试从Redis缓存中获取商铺信息
        String redisDataJson = stringRedisTemplate.opsForValue().get(key);

        // 如果缓存为空，直接返回null
        if (StrUtil.isBlank(redisDataJson)) {
            return null;
        }

        // 将JSON字符串反序列化为RedisData对象
        RedisData redisData = JSONUtil.toBean(redisDataJson, RedisData.class);

        // 从RedisData对象中获取商铺对象
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);

        // 检查缓存是否未过期
        if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
            return shop;
        }

        // 如果缓存已过期，尝试获取互斥锁
        boolean locked = tryLock(LOCK_SHOP_KEY + id);

        // 如果成功获取锁
        if (locked) {
            // 再次检查缓存是否未过期
            if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
                return shop;
            }

            // 如果缓存仍然过期，使用线程池异步重建缓存
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 调用saveShop2Redis方法更新缓存
                    saveShop2Redis(id, 20L);
                } catch (Exception e) {
                    // 抛出运行时异常
                    throw new RuntimeException(e);
                } finally {
                    // 释放锁
                    unlock(LOCK_SHOP_KEY + id);
                }
            });
        }
        // 如果未获取到锁或缓存已过期，返回旧的商铺信息
        return shop;
    }

封装Redis工具类

CacheCilent

package com.hmdp.utils;

import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import com.hmdp.entity.Shop;
import lombok.extern.slf4j.Slf4j;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.LocalDateTime;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;
import java.util.function.Function;

import static com.hmdp.utils.RedisConstants.CACHE_NULL_TTL;
import static com.hmdp.utils.RedisConstants.LOCK_SHOP_KEY;

/**
 * @Author：CharmingDaiDai
 * @Project：hm-dianping
 * @Date：2024/4/15 15:42
 */
@Slf4j
@Component
public class CacheClient {

    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    private final StringRedisTemplate stringRedisTemplate;

    public CacheClient(StringRedisTemplate stringRedisTemplate) {
        this.stringRedisTemplate = stringRedisTemplate;
    }

    /**
     * 尝试获取互斥锁。
     * <p>
     * 使用Redis的setIfAbsent方法尝试设置键值对，如果键不存在则设置成功并返回true，
     * 表示获取锁成功。如果键已存在则返回false，表示获取锁失败。
     * </p>
     *
     * @param key 锁的key。
     * @return 是否成功获取到锁。
     */
    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        // 避免返回值为null，我们这里使用了BooleanUtil工具类
        return BooleanUtil.isTrue(flag);
    }

    /**
     * 释放互斥锁。
     * <p>
     * 使用Redis的delete方法删除锁的key，从而释放锁。
     * </p>
     *
     * @param key 锁的key。
     */
    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }

    public void set(String key, Object value, Long time, TimeUnit timeUnit) {
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(value), time, timeUnit);
    }

    public void setWithLogicExpire(String key, Object value, Long time, TimeUnit timeUnit) {
        //由于需要设置逻辑过期时间，所以我们需要用到RedisData
        RedisData<Object> redisData = new RedisData<>();
        //redisData的data就是传进来的value对象
        redisData.setData(value);
        //逻辑过期时间就是当前时间加上传进来的参数时间，用TimeUnit可以将时间转为秒，随后与当前时间相加
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(timeUnit.toSeconds(time)));
        //由于是逻辑过期，所以这里不需要设置过期时间，只存一下key和value就好了，同时注意value是ridisData类型
        stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));
    }


    public <R, ID> R queryWithPassThrough(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbCallBack, Long time, TimeUnit Unit) {
        String key = keyPrefix + id;
        // 先从Redis中查，这里的常量值是固定的前缀 + 店铺id
        String json = stringRedisTemplate.opsForValue().get(key);
        // 如果不为空（查询到了），则转为R类型直接返回
        if (StrUtil.isNotBlank(json)) {
            return JSONUtil.toBean(json, type);
        }
        if (json != null) {
            return null;
        }
        // 否则去数据库中查，查询逻辑用我们参数中注入的函数
        R r = dbCallBack.apply(id);
        //查不到，则将空值写入Redis
        if (r == null) {
            stringRedisTemplate.opsForValue().set(key, "", CACHE_NULL_TTL, TimeUnit.MINUTES);
            return null;
        }
        // 查到了则转为json字符串
        String jsonStr = JSONUtil.toJsonStr(r);
        // 存入redis
        this.set(key, jsonStr, time, Unit);
        // 最终把查询到的商户信息返回给前端
        return r;
    }

    public <R, ID> R queryWithLogicExpire(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbCallBack, Long time, TimeUnit unit) {
        // 定义Redis中商铺信息的缓存key
        String key = keyPrefix + id;

        // 尝试从Redis缓存中获取商铺信息
        String redisDataJson = stringRedisTemplate.opsForValue().get(key);

        // 如果缓存为空，直接返回null
        if (StrUtil.isBlank(redisDataJson)) {
            return null;
        }

        // 将JSON字符串反序列化为RedisData对象
        RedisData<R> redisData = JSONUtil.toBean(redisDataJson, RedisData.class);

        // 从RedisData对象中获取商铺对象
        R r = JSONUtil.toBean((JSONObject) redisData.getData(), type);

        // 检查缓存是否未过期
        if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
            return r;
        }

        // 如果缓存已过期，尝试获取互斥锁
        String lockKey = LOCK_SHOP_KEY + id;
        boolean locked = tryLock(lockKey);

        // 如果成功获取锁
        if (locked) {
            // 再次检查缓存是否未过期
            if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
                return r;
            }

            // 如果缓存仍然过期，使用线程池异步重建缓存
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 根据ID从数据库中获取商铺信息
                    R rr = dbCallBack.apply(id);

                    // 如果商铺不存在，则直接返回
                    if (null == rr) {
                        return;
                    }

                    this.setWithLogicExpire(key, rr, time, unit);
                } catch (Exception e) {
                    // 抛出运行时异常
                    throw new RuntimeException(e);
                } finally {
                    // 释放锁
                    unlock(lockKey);
                }
            });
        }
        // 如果未获取到锁或缓存已过期，返回旧的商铺信息
        return r;
    }

    public <ID, R> R queryWithMutex(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbCallBack, Long time, TimeUnit unit) {
        // 定义Redis中商铺信息的缓存key
        String key = keyPrefix + id;

        // 尝试从Redis缓存中获取商铺信息
        String json = stringRedisTemplate.opsForValue().get(key);
        String lockKey = LOCK_SHOP_KEY + id;

        // 判断缓存是否命中
        if (StrUtil.isBlank(json)) {
            try {
                // 未命中获取互斥锁
                boolean locked = tryLock(lockKey);
                // 判断是否获取锁
                if (!locked) {
                    // 否 休眠一段时间再次查询缓存
                    Thread.sleep(50);
                    return queryWithMutex(keyPrefix, id, type, dbCallBack, time, unit);
                }

                // 是 查数据库
                R r = dbCallBack.apply(id);

                // 判断商铺是否存在
                if (r == null) {
                    // 将空值写入Redis
                    stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                    return null;
                }

                // 将查询到的商铺信息转换为JSON字符串，并写入缓存
                json = JSONUtil.toJsonStr(r);
                stringRedisTemplate.opsForValue().set(key, json, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
            } catch (Exception e) {
                throw new RuntimeException(e);
            } finally {
                // 释放锁
                unlock(lockKey);
            }
        }

        if ("".equals(json)) {
            return null;
        }

        // 从JSON字符串中反序列化商铺信息
        return JSONUtil.toBean(json, type);
    }
}

ShopServiceImpl

package com.hmdp.service.impl;

import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import cn.hutool.json.JSONObject;
import cn.hutool.json.JSONUtil;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.Shop;
import com.hmdp.mapper.ShopMapper;
import com.hmdp.service.IShopService;
import com.hmdp.utils.CacheClient;
import com.hmdp.utils.RedisConstants;
import com.hmdp.utils.RedisData;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;
import java.util.concurrent.TimeUnit;

import static com.hmdp.utils.RedisConstants.CACHE_SHOP_KEY;
import static com.hmdp.utils.RedisConstants.LOCK_SHOP_KEY;


/**
 * 商铺服务实现类。
 * <p>
 * 该类实现了IShopService接口，提供了商铺相关的业务逻辑实现。包括从数据库查询商铺信息，
 * 并结合Redis缓存和互斥锁来提高查询效率和线程安全。
 * </p>
 *
 * @author CharmingDaiDai
 * @date 2024/4/15 13:46
 */

@Service
public class ShopServiceImpl extends ServiceImpl<ShopMapper, Shop> implements IShopService {

    // 定义一个固定大小的线程池，用于异步重建缓存
    private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);
    @Resource
    private StringRedisTemplate stringRedisTemplate;
    @Resource
    private CacheClient cacheClient;

    /**
     * 尝试获取互斥锁。
     * <p>
     * 使用Redis的setIfAbsent方法尝试设置键值对，如果键不存在则设置成功并返回true，
     * 表示获取锁成功。如果键已存在则返回false，表示获取锁失败。
     * </p>
     *
     * @param key 锁的key。
     * @return 是否成功获取到锁。
     */
    private boolean tryLock(String key) {
        Boolean flag = stringRedisTemplate.opsForValue().setIfAbsent(key, "1", 10, TimeUnit.SECONDS);
        // 避免返回值为null，我们这里使用了BooleanUtil工具类
        return BooleanUtil.isTrue(flag);
    }

    /**
     * 释放互斥锁。
     * <p>
     * 使用Redis的delete方法删除锁的key，从而释放锁。
     * </p>
     *
     * @param key 锁的key。
     */
    private void unlock(String key) {
        stringRedisTemplate.delete(key);
    }

    /**
     * 使用互斥锁查询商铺信息。
     * <p>
     * 首先尝试从Redis缓存中获取商铺信息，如果缓存未命中，则尝试获取互斥锁。
     * 获取锁成功后，从数据库查询商铺信息，并将其写入缓存。查询过程中，如果获取锁失败，
     * 则稍作休眠后再次尝试。查询成功后，释放互斥锁。
     * </p>
     *
     * @param id 商铺的ID。
     * @return 查询到的商铺对象，如果商铺不存在则返回null。
     */
    public Shop queryWithMutex(long id) {
        // 定义Redis中商铺信息的缓存key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 尝试从Redis缓存中获取商铺信息
        String shopJson = stringRedisTemplate.opsForValue().get(key);

        // 判断缓存是否命中
        if (StrUtil.isBlank(shopJson)) {
            try {
                // 未命中获取互斥锁
                boolean locked = tryLock(LOCK_SHOP_KEY + id);
                // 判断是否获取锁
                if (!locked) {
                    // 否 休眠一段时间再次查询缓存
                    Thread.sleep(50);
                    return queryWithMutex(id);
                }

                // 是 查数据库
                Shop shop = getById(id);

                // 模拟重建的延时
                Thread.sleep(200);

                // 判断商铺是否存在
                if (shop == null) {
                    // 将空值写入Redis
                    stringRedisTemplate.opsForValue().set(key, "", RedisConstants.CACHE_NULL_TTL, TimeUnit.MINUTES);
                    return null;
                }

                // 将查询到的商铺信息转换为JSON字符串，并写入缓存
                shopJson = JSONUtil.toJsonStr(shop);
                stringRedisTemplate.opsForValue().set(key, shopJson, RedisConstants.CACHE_SHOP_TTL, TimeUnit.MINUTES);
            } catch (Exception e) {
                throw new RuntimeException(e);
            } finally {
                // 释放锁
                unlock(LOCK_SHOP_KEY + id);
            }
        }

        if ("".equals(shopJson)) {
            return null;
        }

        // 从JSON字符串中反序列化商铺信息
        return JSONUtil.toBean(shopJson, Shop.class);
    }

    /**
     * 根据逻辑过期时间查询商铺信息。
     *
     * @param id 商铺的唯一标识ID。
     * @return 查询到的商铺对象，如果商铺不存在或缓存已过期，则可能返回null。
     */
    public Shop queryWithLogicExpire(long id) {
        // 定义Redis中商铺信息的缓存key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 尝试从Redis缓存中获取商铺信息
        String redisDataJson = stringRedisTemplate.opsForValue().get(key);

        // 如果缓存为空，直接返回null
        if (StrUtil.isBlank(redisDataJson)) {
            return null;
        }

        // 将JSON字符串反序列化为RedisData对象
        RedisData<Shop> redisData = JSONUtil.toBean(redisDataJson, RedisData.class);

        // 从RedisData对象中获取商铺对象
        Shop shop = JSONUtil.toBean((JSONObject) redisData.getData(), Shop.class);

        // 检查缓存是否未过期
        if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
            return shop;
        }

        // 如果缓存已过期，尝试获取互斥锁
        boolean locked = tryLock(LOCK_SHOP_KEY + id);

        // 如果成功获取锁
        if (locked) {
            // 再次检查缓存是否未过期
            if (redisData.getExpireTime().isAfter(LocalDateTime.now())) {
                return shop;
            }

            // 如果缓存仍然过期，使用线程池异步重建缓存
            CACHE_REBUILD_EXECUTOR.submit(() -> {
                try {
                    // 调用saveShop2Redis方法更新缓存
                    saveShop2Redis(id, 20L);
                } catch (Exception e) {
                    // 抛出运行时异常
                    throw new RuntimeException(e);
                } finally {
                    // 释放锁
                    unlock(LOCK_SHOP_KEY + id);
                }
            });
        }
        // 如果未获取到锁或缓存已过期，返回旧的商铺信息
        return shop;
    }

    /**
     * 根据ID查询商铺信息。
     * <p>
     * 调用queryWithMutex方法从缓存或数据库中查询商铺信息。如果商铺不存在，则返回失败结果。
     * </p>
     *
     * @param id 商铺的ID。
     * @return 查询结果，包含商铺信息或错误信息。
     */
    @Override
    public Result queryById(long id) {
//        Shop shop = queryWithMutex(id);

//        Shop shop = queryWithLogicExpire(id);

//        Shop shop = cacheClient.queryWithLogicExpire(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);
        Shop shop = cacheClient.queryWithMutex(CACHE_SHOP_KEY, id, Shop.class, this::getById, 20L, TimeUnit.SECONDS);
        if (null == shop) {
            return Result.fail("店铺不存在");
        }
        return Result.ok(shop);
    }

    /**
     * 模拟后台管理添加hotKey到Redis。
     *
     * @param id            商铺的唯一标识ID。
     * @param expireSeconds 热键的过期时间，单位为秒。
     */
    public void saveShop2Redis(Long id, Long expireSeconds) {
        // 根据ID从数据库中获取商铺信息
        Shop shop = getById(id);

        // 如果商铺不存在，则直接返回
        if (null == shop) {
            return;
        }

        // 创建RedisData对象，将商铺信息封装进去
        RedisData<Shop> redisData = new RedisData<>();
        redisData.setData(shop);

        // 设置热键的过期时间
        redisData.setExpireTime(LocalDateTime.now().plusSeconds(expireSeconds));

        // 将RedisData对象转换为JSON字符串
        String jsonRedisData = JSONUtil.toJsonStr(redisData);

        // 使用StringRedisTemplate操作Redis，设置热键及其过期时间
        stringRedisTemplate.opsForValue().set(RedisConstants.CACHE_SHOP_KEY + id, jsonRedisData);
    }

    /**
     * 更新店铺信息。
     * <p>该方法首先检查传入的Shop对象的ID是否为空，如果为空则返回错误结果。
     * 如果ID不为空，则根据ID在数据库中更新店铺信息。更新完成后，删除对应的Redis缓存，
     * 以确保下次查询时能获取到最新的数据。</p>
     *
     * @param shop 包含新店铺信息的Shop对象。
     * @return Result对象，包含操作结果和相关信息。
     */
    @Override
    @Transactional
    public Result updateShop(Shop shop) {
        // 检查店铺ID是否为空
        Long id = shop.getId();
        if (id == null) {
            return Result.fail("店铺id不能为空");
        }

        // 构造Redis中存储店铺信息的key
        String key = RedisConstants.CACHE_SHOP_KEY + id;

        // 在数据库中根据ID更新店铺信息
        updateById(shop);

        // 删除Redis中对应的店铺信息缓存
        stringRedisTemplate.delete(key);

        // 返回操作成功的结果
        return Result.ok("店铺修改成功");
    }
}

优惠券秒杀

全局ID生成器

在各类购物App中，都会遇到商家发放的优惠券
当用户抢购商品时，生成的订单会保存到tb_voucher_order表中，而订单表如果使用数据库自增ID就会存在一些问题
1. id规律性太明显
2. 受单表数据量的限制
如果我们的订单id有太明显的规律，那么对于用户或者竞争对手，就很容易猜测出我们的一些敏感信息，例如商城一天之内能卖出多少单，这明显不合适
随着我们商城的规模越来越大，MySQL的单表容量不宜超过500W，数据量过大之后，我们就要进行拆库拆表，拆分表了之后，他们从逻辑上讲，是同一张表，所以他们的id不能重复，于是乎我们就要保证id的唯一性
那么这就引出我们的全局ID生成器了
- 全局ID生成器是一种在分布式系统下用来生成全局唯一ID的工具，一般要满足一下特性
  - 唯一性
  - 高可用
  - 高性能
  - 递增性
  - 安全性
为了增加ID的安全性，我们可以不直接使用Redis自增的数值，而是拼接一些其他信息
ID组成部分
- 符号位：1bit，永远为0
- 时间戳：31bit，以秒为单位，可以使用69年（2^31秒约等于69年）
- 序列号：32bit，秒内的计数器，支持每秒传输2^32个不同ID

package com.hmdp.utils;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Component;

import java.time.LocalDateTime;
import java.time.ZoneOffset;
import java.time.format.DateTimeFormatter;

/**
 * @Author：CharmingDaiDai
 * @Project：hm-dianping
 * @Date：2024/4/15 19:12
 */
@Component
public class RedisIdWorker {
    @Autowired
    private StringRedisTemplate stringRedisTemplate;
    //设置起始时间，这里设定的是2022.01.01 00:00:00
    public static final Long BEGIN_TIMESTAMP = 1640995200L;
    //序列号长度
    public static final Long COUNT_BIT = 32L;

    public long nextId(String keyPrefix){
        //1. 生成时间戳
        LocalDateTime now = LocalDateTime.now();
        long currentSecond = now.toEpochSecond(ZoneOffset.UTC);
        long timeStamp = currentSecond - BEGIN_TIMESTAMP;
        //2. 生成序列号
        String date = now.format(DateTimeFormatter.ofPattern("yyyy:MM:dd"));
        long count = stringRedisTemplate.opsForValue().increment("inc:"+keyPrefix+":"+date);
        //3. 拼接并返回，简单位运算
        return timeStamp << COUNT_BIT | count;
    }
}

ℹ️生成序列号

序列号的生成依赖于 Redis 的自增功能。通过在 Redis 中存储以日期为键的自增序列，每次生成序列号时，都从 Redis 中获取该日期的自增值并递增，以保证序列号的唯一性。

添加优惠券

{
	"shopId": 1,
	"title": "100元代金券",
	"subTitle": "周一至周五均可使用",
	"rules": "全场通用\\n无需预约\\n可无限叠加\\n不兑现、不找零\\n仅限堂食",
	"payValue": 8000,
	"actualValue": 10000,
	"type": 1,
    "stock": 100,
	"beginTime": "2024-04-15T20:00:00",
	"endTime": "2026-01-26T20:00:00"
}

实现秒杀下单

VoucherOrderController

package com.hmdp.controller;


import com.hmdp.dto.Result;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.service.IVoucherOrderService;
import org.springframework.stereotype.Service;
import org.springframework.web.bind.annotation.PathVariable;
import org.springframework.web.bind.annotation.PostMapping;
import org.springframework.web.bind.annotation.RequestMapping;
import org.springframework.web.bind.annotation.RestController;

import javax.annotation.Resource;

/**
 * @author CharmingDaiDai
 * @date 2024/4/16 9:05 
 **/
@RestController
@RequestMapping("/voucher-order")
public class VoucherOrderController {
    @Resource
    private IVoucherOrderService voucherOrderService;

    @PostMapping("seckill/{id}")
    public Result seckillVoucher(@PathVariable("id") Long voucherId) {
        return voucherOrderService.seckillVoucher(voucherId);
    }
}

VoucherOrderServiceImpl实现

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;

/**
 * 优惠券订单服务的实现类。
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 *
 * @author CharmingDaiDai
 * @date 2024/4/15 20:51
 **/
@Service
@Transactional
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private RedisIdWorker redisIdWorker;

    /**
     * 秒杀优惠券。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId);

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) {
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) {
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) {
            return Result.fail("优惠券库存不足");
        }

        // 5. 扣减库存
        boolean updated = seckillVoucherService.update().setSql("stock = stock - 1").eq("voucher_id", voucherId).update();

        if (!updated) {
            return Result.fail("优惠券库存不足");
        }

        // 6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order");
        voucherOrder.setId(orderId);
        voucherOrder.setVoucherId(voucherId);
        voucherOrder.setUserId(UserHolder.getUser().getId());
        voucherOrder.setCreateTime(LocalDateTime.now());
        save(voucherOrder);

        // 7. 返回订单ID
        return Result.ok(orderId);
    }
}

超卖问题

假设现在只剩下一张优惠券，线程1过来查询库存，判断库存数大于1，但还没来得及去扣减库存，此时库线程2也过来查询库存，发现库存数也大于1，那么这两个线程都会进行扣减库存操作，最终相当于是多个线程都进行了扣减库存，那么此时就会出现超卖问题
超卖问题是典型的多线程安全问题，针对这一问题的常见解决方案就是加锁：而对于加锁，我们通常有两种解决方案
1. 悲观锁
  - 悲观锁认为线程安全问题一定会发生，因此在操作数据之前先获取锁，确保线程串行执行
  - 例如Synchronized、Lock等，都是悲观锁
2. 乐观锁
  - 乐观锁认为线程安全问题不一定会发生，因此不加锁，只是在更新数据的时候再去判断有没有其他线程对数据进行了修改
    - 如果没有修改，则认为自己是安全的，自己才可以更新数据
    - 如果已经被其他线程修改，则说明发生了安全问题，此时可以重试或者异常
悲观锁：悲观锁可以实现对于数据的串行化执行，syn和lock都是悲观锁的代表，同时，悲观锁中又可以再细分为公平锁，非公平锁，可重入锁，等等
乐观锁：乐观锁会有一个版本号，每次操作数据会对版本号+1，再提交回数据时，会去校验是否比之前的版本大1 ，如果大1 ，则进行操作成功，这套机制的核心逻辑在于，如果在操作过程中，版本号只比原来大1 ，那么就意味着操作过程中没有人对他进行过修改，他的操作就是安全的，如果不大1，则数据被修改过，当然乐观锁还有一些变种的处理方式比如CAS
乐观锁的典型代表：就是CAS(Compare-And-Swap)，利用CAS进行无锁化机制加锁，var5 是操作前读取的内存值，while中的var1+var2 是预估值，如果预估值 == 内存值，则代表中间没有被人修改过，此时就将新值去替换内存值

该项目中的具体解决方式
这里并不需要真的来指定一下版本号，完全可以使用stock来充当版本号，在扣减库存时，比较查询到的优惠券库存和实际数据库中优惠券库存是否相同

以上逻辑的核心含义是：只要我扣减库存时的库存和之前我查询到的库存是一样的，就意味着没有人在中间修改过库存，那么此时就是安全的，但是以上这种方式通过测试发现会有很多失败的情况，失败的原因在于：在使用乐观锁过程中假设100个线程同时都拿到了100的库存，然后大家一起去进行扣减，但是100个人中只有1个人能扣减成功，其他的人在处理时，他们在扣减时，库存已经被修改过了，所以此时其他线程都会失败

@Override
public Result seckillVoucher(Long voucherId) {
    LambdaQueryWrapper<SeckillVoucher> queryWrapper = new LambdaQueryWrapper<>();
    //1. 查询优惠券
    queryWrapper.eq(SeckillVoucher::getVoucherId, voucherId);
    SeckillVoucher seckillVoucher = seckillVoucherService.getOne(queryWrapper);
    //2. 判断秒杀时间是否开始
    if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) {
        return Result.fail("秒杀还未开始，请耐心等待");
    }
    //3. 判断秒杀时间是否结束
    if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) {
        return Result.fail("秒杀已经结束！");
    }
    //4. 判断库存是否充足
    if (seckillVoucher.getStock() < 1) {
        return Result.fail("优惠券已被抢光了哦，下次记得手速快点");
    }
    //5. 扣减库存
    boolean success = seckillVoucherService.update()
            .setSql("stock = stock - 1")
            .eq("voucher_id", voucherId)
-           .eq("stock",seckillVoucher.getStock())
+           .gt("stock", 0)
            .update();
    if (!success) {
        return Result.fail("库存不足");
    }
    //6. 创建订单
    VoucherOrder voucherOrder = new VoucherOrder();
    //6.1 设置订单id
    long orderId = redisIdWorker.nextId("order");
    //6.2 设置用户id
    Long id = UserHolder.getUser().getId();
    //6.3 设置代金券id
    voucherOrder.setVoucherId(voucherId);
    voucherOrder.setId(orderId);
    voucherOrder.setUserId(id);
    //7. 将订单数据保存到表中
    save(voucherOrder);
    //8. 返回订单id
    return Result.ok(orderId);
}

继续完善代码，修改逻辑，在这种场景，可以只判断是否有剩余优惠券，即只要数据库中的库存大于0，都能顺利完成扣减库存操作

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;

/**
 * 优惠券订单服务的实现类。
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 *
 * <p>
 * 注：该服务实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 创建订单时使用了分布式ID生成器生成唯一订单ID，并在操作中使用了事务保证数据的一致性。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/16 9:44
 **/

@Service
@Transactional
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private RedisIdWorker redisIdWorker;

    /**
     * 秒杀优惠券。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId);

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) {
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) {
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) {
            return Result.fail("优惠券库存不足");
        }

        // 5. 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update()
                .setSql("stock = stock - 1")
                .eq("voucher_id", voucherId)
                .gt("stock", 0).update();

        if (!updated) {
            return Result.fail("优惠券库存不足");
        }

        // 6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order");
        voucherOrder.setId(orderId);
        voucherOrder.setVoucherId(voucherId);
        voucherOrder.setUserId(UserHolder.getUser().getId());
        voucherOrder.setCreateTime(LocalDateTime.now());
        save(voucherOrder);

        // 7. 返回订单ID
        return Result.ok(orderId);
    }
}

一人一单

需求：修改秒杀业务，要求同一个优惠券，一个用户只能抢一张
具体操作逻辑如下：我们在判断库存是否充足之后，根据我们保存的订单数据，判断用户订单是否已存在
- 如果已存在，则不能下单，返回错误信息
- 如果不存在，则继续下单，获取优惠券

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.conditions.query.QueryChainWrapper;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;

/**
 * 优惠券订单服务的实现类。
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 *
 * <p>
 * 注：该服务实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 创建订单时使用了分布式ID生成器生成唯一订单ID，并在操作中使用了事务保证数据的一致性。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/16 9:44
 **/

@Service
@Transactional
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private RedisIdWorker redisIdWorker;

    @Resource
    private IVoucherOrderService voucherOrderService;

    /**
     * 秒杀优惠券。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId); // 从数据库中获取指定ID的优惠券信息

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) { // 如果当前时间早于优惠券开始时间，则秒杀未开始
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) { // 如果当前时间晚于优惠券结束时间，则秒杀已结束
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) { // 如果优惠券库存不足，则无法进行秒杀
            return Result.fail("优惠券库存不足");
        }

        // 判断用户是否购买过
        Long userId = UserHolder.getUser().getId();
        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
        if(count > 0){
            return Result.fail("你已经抢过优惠券了哦");
        }

        // 5. 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update() // 更新优惠券库存
                .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                .eq("voucher_id", voucherId) // 指定优惠券ID
                .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题

        if (!updated) { // 如果更新失败，则说明优惠券库存不足
            return Result.fail("优惠券库存不足");
        }

        // 6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder(); // 创建订单对象
        long orderId = redisIdWorker.nextId("order"); // 使用分布式ID生成器生成唯一订单ID
        // 设置订单id
        voucherOrder.setId(orderId); // 设置订单ID
        // 设置代金券id
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        // 设置用户id
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间
        save(voucherOrder); // 保存订单信息至数据库

        // 7. 返回订单ID
        return Result.ok(orderId); // 返回包含订单ID的成功结果
    }
}

存在问题：还是和之前一样，如果这个用户故意开多线程抢优惠券，那么在判断库存充足之后，执行一人一单逻辑之前，在这个区间如果进来了多个线程，还是可以抢多张优惠券的，那我们这里使用悲观锁来解决这个问题
初步代码，我们把一人一单逻辑之后的代码都提取到一个createVoucherOrder方法中，然后给这个方法加锁
不管哪一个线程（例如线程A），运行到这个方法时，都要检查有没有其它线程B（或者C、 D等）正在用这个方法(或者该类的其他同步方法)，有的话要等正在使用synchronized方法的线程B（或者C 、D）运行完这个方法后再运行此线程A，没有的话，锁定调用者，然后直接运行。

不能用乐观锁的原因：只做查询，没有做修改，所以没法（计数）判断

private Result createVoucherOrder(Long voucherId) {
    // 一人一单逻辑
    Long userId = UserHolder.getUser().getId();
    int count = query().eq("voucher_id", voucherId).eq("user_id", userId).count();
    if (count > 0) {
        return Result.fail("你已经抢过优惠券了哦");
    }
    //5. 扣减库存
    boolean success = seckillVoucherService.update()
            .setSql("stock = stock - 1")
            .eq("voucher_id", voucherId)
            .gt("stock", 0)
            .update();
    if (!success) {
        return Result.fail("库存不足");
    }
    //6. 创建订单
    VoucherOrder voucherOrder = new VoucherOrder();
    //6.1 设置订单id
    long orderId = redisIdWorker.nextId("order");
    //6.2 设置用户id
    Long id = UserHolder.getUser().getId();
    //6.3 设置代金券id
    voucherOrder.setVoucherId(voucherId);
    voucherOrder.setId(orderId);
    voucherOrder.setUserId(id);
    //7. 将订单数据保存到表中
    save(voucherOrder);
    //8. 返回订单id
    return Result.ok(orderId);
}

但是这样加锁，锁的细粒度太粗了，在使用锁的过程中，控制锁粒度是一个非常重要的事情，因为如果锁的粒度太大，会导致每个线程进来都会被锁住，现在的情况就是所有用户都公用这一把锁，串行执行，效率很低，我们现在要完成的业务是一人一单，所以这个锁，应该只加在单个用户上，用户标识可以用userId

@Transactional
public Result createVoucherOrder(Long voucherId) {
    // 一人一单逻辑
    Long userId = UserHolder.getUser().getId();
    synchronized (userId.toString().intern()) {
        int count = query().eq("voucher_id", voucherId).eq("user_id", userId).count();
        if (count > 0) {
            return Result.fail("你已经抢过优惠券了哦");
        }
        //5. 扣减库存
        boolean success = seckillVoucherService.update()
                .setSql("stock = stock - 1")
                .eq("voucher_id", voucherId)
                .gt("stock", 0)
                .update();
        if (!success) {
            return Result.fail("库存不足");
        }
        //6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder();
        //6.1 设置订单id
        long orderId = redisIdWorker.nextId("order");
        //6.2 设置用户id
        Long id = UserHolder.getUser().getId();
        //6.3 设置代金券id
        voucherOrder.setVoucherId(voucherId);
        voucherOrder.setId(orderId);
        voucherOrder.setUserId(id);
        //7. 将订单数据保存到表中
        save(voucherOrder);
        //8. 返回订单id
        return Result.ok(orderId);
    }
    //执行到这里，锁已经被释放了，但是可能当前事务还未提交，如果此时有线程进来，不能确保事务不出问题
}

ℹ️synchronized

@Transactional 注解表示该方法运行在一个事务中。这意味着如果在方法中抛出异常，事务将回滚，所有的数据库操作都将撤销。
Long userId = UserHolder.getUser().getId(); 从 UserHolder 中获取当前用户的 ID。
synchronized (userId.toString().intern()) { 这行代码创建了一个同步块，使用了用户 ID 的字符串形式作为锁。Java 的 synchronized 关键字允许多个线程访问同一个代码块，但是同一时刻只能有一个线程执行同步块中的代码。这样可以确保同一用户在同一时刻只能执行同步块内的代码。
在同步块内部，首先检查用户是否已经抢过优惠券。如果抢过，则返回失败。这一步是为了保证一人一单的逻辑。
如果用户未抢过优惠券，则扣减库存。在这个同步块中执行库存扣减操作是为了保证在高并发情况下，多个线程同时进入同步块时只有一个线程可以成功扣减库存。其他线程会等待前一个线程释放锁。
如果库存扣减成功，则创建订单。订单创建过程也放在同步块内部，以确保同一时刻只有一个线程能够成功创建订单。
当同步块内部的代码执行完毕，锁会被释放，其他线程可以进入同步块。
方法执行完毕，事务提交。如果在同步块内抛出异常，事务将回滚，所有的数据库操作都将撤销。

由于toString的源码是new String，所以如果我们只用userId.toString()拿到的也不是同一个用户，需要使用intern()，如果字符串常量池中已经包含了一个等于这个string对象的字符串（由equals（object）方法确定），那么将返回池中的字符串。否则，将此String对象添加到池中，并返回对此String对象的引用。

public static String toString(long i) {
    if (i == Long.MIN_VALUE)
        return "-9223372036854775808";
    int size = (i < 0) ? stringSize(-i) + 1 : stringSize(i);
    char[] buf = new char[size];
    getChars(i, size, buf);
    return new String(buf, true);
}

但是以上代码还是存在问题，问题的原因在于当前方法被Spring的事务控制，如果你在内部加锁，可能会导致当前方法事务还没有提交，但是锁已经释放了，这样也会导致问题，所以我们选择将当前方法整体包裹起来，确保事务不会出现问题

@Override
public Result seckillVoucher(Long voucherId) {
    LambdaQueryWrapper<SeckillVoucher> queryWrapper = new LambdaQueryWrapper<>();
    //1. 查询优惠券
    queryWrapper.eq(SeckillVoucher::getVoucherId, voucherId);
    SeckillVoucher seckillVoucher = seckillVoucherService.getOne(queryWrapper);
    //2. 判断秒杀时间是否开始
    if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) {
        return Result.fail("秒杀还未开始，请耐心等待");
    }
    //3. 判断秒杀时间是否结束
    if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) {
        return Result.fail("秒杀已经结束！");
    }
    //4. 判断库存是否充足
    if (seckillVoucher.getStock() < 1) {
        return Result.fail("优惠券已被抢光了哦，下次记得手速快点");
    }
    Long userId = UserHolder.getUser().getId();
    synchronized (userId.toString().intern()) {
        return createVoucherOrder(voucherId);
    }
}

以上做法依然有问题，因为你调用的方法，其实是this.的方式调用的，事务想要生效，还得利用代理来生效，所以这个地方，我们需要获得原始的事务对象，来操作事务，这里可以使用AopContext.currentProxy()来获取当前对象的代理对象，然后再用代理对象调用方法，记得要去IVoucherOrderService中创建createVoucherOrder方法

@Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId); // 从数据库中获取指定ID的优惠券信息

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) { // 如果当前时间早于优惠券开始时间，则秒杀未开始
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) { // 如果当前时间晚于优惠券结束时间，则秒杀已结束
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) { // 如果优惠券库存不足，则无法进行秒杀
            return Result.fail("优惠券库存不足");
        }

        Long userId = UserHolder.getUser().getId();
        synchronized (userId.toString().intern()) {
            // 获取代理对象(事务)
            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy();
            return proxy.createVoucherOrder(voucherId);
        }
    }

所需依赖:

<dependency>
    <groupId>org.aspectj</groupId>
    <artifactId>aspectjweaver</artifactId>
</dependency>

同时在启动类上加上@EnableAspectJAutoProxy(exposeProxy = true)注解

@MapperScan("com.hmdp.mapper")
@SpringBootApplication
@EnableAspectJAutoProxy(exposeProxy = true)
public class HmDianPingApplication {
    public static void main(String[] args) {
        SpringApplication.run(HmDianPingApplication.class, args);
    }

}

VoucherOrderServiceImpl完整代码

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import org.springframework.aop.framework.AopContext;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;

/**
 * 优惠券订单服务的实现类。
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 *
 * <p>
 * 注：该服务实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 创建订单时使用了分布式ID生成器生成唯一订单ID，并在操作中使用了事务保证数据的一致性。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/16 9:44
 **/

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private RedisIdWorker redisIdWorker;

    /**
     * 秒杀优惠券。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId); // 从数据库中获取指定ID的优惠券信息

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) { // 如果当前时间早于优惠券开始时间，则秒杀未开始
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) { // 如果当前时间晚于优惠券结束时间，则秒杀已结束
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) { // 如果优惠券库存不足，则无法进行秒杀
            return Result.fail("优惠券库存不足");
        }

        Long userId = UserHolder.getUser().getId();
        
        /*
        userId.toString(): 将userId转换为字符串表示。
        这是必要的，因为synchronized关键字需要一个对象引用作为其参数，
        而userId是一个基本类型（long），不能直接用于同步。
        
        .intern(): intern()方法用于确保生成的字符串被添加到Java虚拟机（JVM）
        的“字符串池”中。当你在一个字符串上调用intern()时，
        如果字符串池中已经有一个具有相同值的字符串，
        则返回对该字符串的现有引用，而不是创建一个新的字符串对象。
        这确保具有相同值的多个字符串对象共享相同的内存位置，不然还是都用一个锁。
        
        synchronized (...): 这个关键字在Java中用于创建一个同步块，
        它确保一次只有一个线程可以访问代码块。
        传递给synchronized的参数确定了同步块所同步的对象。
        在这种情况下，同步块在userId的字符串表示上同步。
        由于每个用户的userId都是唯一的，
        因此使用它进行同步可以确保每个用户的操作都独立于其他用户的操作。
        */

        synchronized (userId.toString().intern()) { // 同步锁，保证用户操作的原子性
            // 获取代理对象(事务)
            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy(); // 获取当前代理对象
            return proxy.createVoucherOrder(voucherId); // 调用代理对象的创建订单方法
        }
    }

    /**
     * 创建优惠券订单。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Transactional
    @Override
    public Result createVoucherOrder(Long voucherId) {
        // 判断用户是否购买过
        Long userId = UserHolder.getUser().getId();

        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
        if (count > 0) {
            return Result.fail("你已经抢过优惠券了哦");
        }

        // 5. 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update() // 更新优惠券库存
                .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                .eq("voucher_id", voucherId) // 指定优惠券ID
                .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题

        if (!updated) { // 如果更新失败，则说明优惠券库存不足
            return Result.fail("优惠券库存不足");
        }

        // 6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder(); // 创建订单对象
        long orderId = redisIdWorker.nextId("order"); // 使用分布式ID生成器生成唯一订单ID
        // 设置订单id
        voucherOrder.setId(orderId); // 设置订单ID
        // 设置代金券id
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        // 设置用户id
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间
        save(voucherOrder); // 保存订单信息至数据库

        // 7. 返回订单ID
        return Result.ok(orderId);
    }

}

集群下的并发问题

直接 alt + v 也行

改nginx配置

修改后重新加载配置：

PS D:\Language\JAVA\hm-dianping\nginx-1.18.0> .\nginx.exe -s reload

然后重启

PS D:\Language\JAVA\hm-dianping\nginx-1.18.0> tasklist | findstr nginx
nginx.exe                     7816 Console                    1         20 K
nginx.exe                    31412 Console                    1      1,376 K
nginx.exe                      372 Console                    1         16 K
nginx.exe                    26852 Console                    1        452 K
PS D:\Language\JAVA\hm-dianping\nginx-1.18.0> Get-Process -Name nginx

Handles  NPM(K)    PM(K)      WS(K)     CPU(s)     Id  SI ProcessName
-------  ------    -----      -----     ------     --  -- -----------
    158      11     1680         16       0.02    372   1 nginx
    158      11     1704         20       0.00   7816   1 nginx
    161      12     2148        452       0.02  26852   1 nginx
    165      15     3156       1376       2.14  31412   1 nginx
    
PS D:\Language\JAVA\hm-dianping\nginx-1.18.0> Stop-Process -Name nginx
PS D:\Language\JAVA\hm-dianping\nginx-1.18.0> Get-Process -Name nginx
Get-Process : 找不到名为“nginx”的进程。请验证该进程名称，然后再次调用 cmdlet。
所在位置 行:1 字符: 1
+ Get-Process -Name nginx
+ ~~~~~~~~~~~~~~~~~~~~~~~
    + CategoryInfo          : ObjectNotFound: (nginx:String) [Get-Process], ProcessCommandException
    + FullyQualifiedErrorId : NoProcessFoundForGivenName,Microsoft.PowerShell.Commands.GetProcessCommand

具体操作，使用POSTMAN发送两次请求，header携带同一用户的token，尝试用同一账号抢两张优惠券，发现是可行的。
失败原因分析：由于我们部署了多个Tomcat，每个Tomcat都有一个属于自己的jvm，那么假设在服务器A的Tomcat内部，有两个线程，即线程1和线程2，这两个线程使用的是同一份代码，那么他们的锁对象是同一个，是可以实现互斥的。但是如果在Tomcat的内部，又有两个线程，但是他们的锁对象虽然写的和服务器A一样，但是锁对象却不是同一个，所以线程3和线程4可以实现互斥，但是却无法和线程1和线程2互斥

这就是集群环境下，syn锁失效的原因，在这种情况下，我们需要使用分布式锁来解决这个问题，让锁不存在于每个jvm的内部，而是让所有jvm公用外部的一把锁（Redis）

分布式锁

分布式锁：满足分布式系统或集群模式下多线程可见并且可以互斥的锁
分布式锁的核心思想就是让大家共用同一把锁，那么我们就能锁住线程，不让线程进行，让程序串行执行，这就是分布式锁的核心思路

那么分布式锁应该满足一些什么条件呢？
1. 可见性：多个线程都能看到相同的结果。
注意：这里说的可见性并不是并发编程中指的内存可见性，只是说多个进程之间都能感知到变化的意思
1. 互斥：互斥是分布式锁的最基本条件，使得程序串行执行
2. 高可用：程序不易崩溃，时时刻刻都保证较高的可用性
3. 高性能：由于加锁本身就让性能降低，所以对于分布式锁需要他较高的加锁性能和释放锁性能
4. 安全性：安全也是程序中必不可少的一环
常见的分布式锁有三种
1. MySQL：MySQL本身就带有锁机制，但是由于MySQL的性能一般，所以采用分布式锁的情况下，使用MySQL作为分布式锁比较少见
2. Redis：Redis作为分布式锁是非常常见的一种使用方式，现在企业级开发中基本都是用Redis或者Zookeeper作为分布式锁，利用SETNX这个方法，如果插入Key成功，则表示获得到了锁，如果有人插入成功，那么其他人就回插入失败，无法获取到锁，利用这套逻辑完成互斥，从而实现分布式锁
3. Zookeeper：Zookeeper也是企业级开发中较好的一种实现分布式锁的方案，但本文是学Redis的，所以这里就不过多阐述了

	MySQL	Redis	Zookeeper
互斥	利用mysql本身的互斥锁机制	利用setnx这样的互斥命令	利用节点的唯一性和有序性实现互斥
高可用	好	好	好
高性能	一般	好	一般
安全性	断开连接，自动释放锁	利用锁超时时间，到期释放	临时节点，断开连接自动释放

实现分布式锁

实现分布式锁时需要实现两个基本方法
1. 获取锁
  - 互斥：确保只能有一个线程获取锁
  - 非阻塞：尝试一次，成功返回true，失败返回false
```
SET lock thread01 NX EX 10
```
2. 释放锁
  - 手动释放
  - 超时释放：获取锁的时候添加一个超时时间
```
DEL lock
```
核心思路
- 我们利用redis的SETNX方法，当有多个线程进入时，我们就利用该方法来获取锁。第一个线程进入时，redis 中就有这个key了，返回了1，如果结果是1，则表示他抢到了锁，那么他去执行业务，然后再删除锁，退出锁逻辑，没有抢到锁（返回了0）的线程，等待一定时间之后重试

ILock 接口

package com.hmdp.utils;

import cn.hutool.core.util.BooleanUtil;

import java.util.concurrent.TimeUnit;

/**
 * @Author：CharmingDaiDai
 * @Project：hm-dianping
 * @Date：2024/4/16 15:55
 */
public interface ILock {

    boolean tryLock(long timeOutSec);

    void unLock();
}

SimpleRedisLock实现类

package com.hmdp.utils;

import cn.hutool.core.util.BooleanUtil;
import org.springframework.data.redis.core.StringRedisTemplate;

import java.util.concurrent.TimeUnit;

/**
 * Redis分布式锁的简单实现。
 * 实现了获取锁和释放锁的功能，用于在分布式环境中控制对共享资源的访问。
 *
 * @Author：CharmingDaiDai
 * @Project：hm-dianping
 * @Date：2024/4/16 15:56
 */
public class SimpleRedisLock implements ILock {

    private String lockName; // 锁的名称
    private StringRedisTemplate stringRedisTemplate; // Redis操作模板
    private static final String KEY_PREFIX = "lock:"; // 锁的键名前缀

    /**
     * 构造方法，初始化锁的名称和Redis操作模板。
     *
     * @param name                锁的名称
     * @param stringRedisTemplate Redis操作模板
     */
    public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
        this.lockName = name;
        this.stringRedisTemplate = stringRedisTemplate;
    }

    /**
     * 尝试获取锁。
     *
     * @param timeOutSec 获取锁的超时时间（秒）
     * @return 是否成功获取锁
     */
    @Override
    public boolean tryLock(long timeOutSec) {
        long threadId = Thread.currentThread().getId();
        // 使用Redis的setIfAbsent方法尝试获取锁，并设置锁的过期时间
        Boolean locked = stringRedisTemplate.opsForValue().setIfAbsent(KEY_PREFIX + lockName, threadId + "", timeOutSec, TimeUnit.SECONDS);

        return BooleanUtil.isTrue(locked);
        // return Boolean.TRUE.equals(success);
    }

    /**
     * 释放锁。
     * 删除Redis中对应的锁键。
     */
    @Override
    public void unLock() {
        // 删除锁对应的键
        stringRedisTemplate.delete(KEY_PREFIX + lockName);
    }
}

VoucherOrderServiceImpl

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.SimpleRedisLock;
import com.hmdp.utils.UserHolder;
import org.springframework.aop.framework.AopContext;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;

/**
 * 优惠券订单服务的实现类。
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 *
 * <p>
 * 注：该服务实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 创建订单时使用了分布式ID生成器生成唯一订单ID，并在操作中使用了事务保证数据的一致性。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/16 9:44
 **/

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private RedisIdWorker redisIdWorker;

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    /**
     * 秒杀优惠券。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId); // 从数据库中获取指定ID的优惠券信息

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) { // 如果当前时间早于优惠券开始时间，则秒杀未开始
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) { // 如果当前时间晚于优惠券结束时间，则秒杀已结束
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) { // 如果优惠券库存不足，则无法进行秒杀
            return Result.fail("优惠券库存不足");
        }

        Long userId = UserHolder.getUser().getId();

        // 创建一个以用户ID为名称的简单Redis锁
        SimpleRedisLock simpleRedisLock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);

        // 尝试获取锁，超时时间为5秒
        boolean locked = simpleRedisLock.tryLock(5L);

        // 如果获取锁失败，则返回重复下单提示
        if (!locked) {
            return Result.fail("❎重复下单");
        }

        try {
            // 获取代理对象(事务)
            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy(); // 获取当前代理对象
            return proxy.createVoucherOrder(voucherId); // 调用代理对象的创建订单方法
        } catch (Exception e) {
            // 发生异常时抛出RuntimeException
            throw new RuntimeException(e);
        } finally {
            // 无论如何，都要释放锁
            simpleRedisLock.unLock();
        }


//        synchronized (userId.toString().intern()) { // 同步锁，保证用户操作的原子性
//            // 获取代理对象(事务)
//            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy(); // 获取当前代理对象
//            return proxy.createVoucherOrder(voucherId); // 调用代理对象的创建订单方法
//        }
    }

    /**
     * 创建优惠券订单。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Transactional
    @Override
    public Result createVoucherOrder(Long voucherId) {
        // 判断用户是否购买过
        Long userId = UserHolder.getUser().getId();

        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
        if (count > 0) {
            return Result.fail("你已经抢过优惠券了哦");
        }

        // 5. 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update() // 更新优惠券库存
                .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                .eq("voucher_id", voucherId) // 指定优惠券ID
                .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题

        if (!updated) { // 如果更新失败，则说明优惠券库存不足
            return Result.fail("优惠券库存不足");
        }

        // 6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder(); // 创建订单对象
        long orderId = redisIdWorker.nextId("order"); // 使用分布式ID生成器生成唯一订单ID
        // 设置订单id
        voucherOrder.setId(orderId); // 设置订单ID
        // 设置代金券id
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        // 设置用户id
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间
        save(voucherOrder); // 保存订单信息至数据库

        // 7. 返回订单ID
        return Result.ok(orderId);
    }

}

Redis分布式锁误删情况说明

逻辑说明
- 持有锁的线程1在锁的内部出现了阻塞，导致他的锁TTL到期，自动释放
- 此时线程2也来尝试获取锁，由于线程1已经释放了锁，所以线程2可以拿到
- 但是现在线程1阻塞完了，继续往下执行，要开始释放锁了
- 那么此时就会将属于线程2的锁释放，这就是误删别人锁的情况
解决方案
- 解决方案就是在每个线程释放锁的时候，都判断一下这个锁是不是自己的，如果不属于自己，则不进行删除操作。
- 假设还是上面的情况，线程1阻塞，锁自动释放，线程2进入到锁的内部执行逻辑，此时线程1阻塞完了，继续往下执行，开始删除锁，但是线程1发现这把锁不是自己的，所以不进行删除锁的逻辑，当线程2执行到删除锁的逻辑时，如果TTL还未到期，则判断当前这把锁是自己的，于是删除这把锁

修改SimpleRedisLock

package com.hmdp.utils;

import cn.hutool.core.util.BooleanUtil;
import org.springframework.data.redis.core.StringRedisTemplate;
import java.util.UUID;
import java.util.concurrent.TimeUnit;

/**
 * Redis分布式锁的简单实现。
 * <p>
 * 该类提供了基于Redis的分布式锁功能，实现了获取锁和释放锁的方法，用于在分布式环境中控制对共享资源的访问。
 * 通过使用Redis的`set`命令和键值对来实现锁的机制，确保在多个线程或多个进程中对共享资源的同步访问。
 * </p>
 *
 * @Author：CharmingDaiDai
 * @Project：hm-dianping
 * @Date：2024/4/16 15:56
 */
public class SimpleRedisLock implements ILock {

    private static final String KEY_PREFIX = "lock:"; // 锁的键名前缀
    private static final String ID_PREFIX = UUID.randomUUID().toString() + '-'; // 用于生成唯一线程ID的前缀
    private String lockName; // 锁的名称
    private StringRedisTemplate stringRedisTemplate; // Redis操作模板

    /**
     * 构造方法，初始化锁的名称和Redis操作模板。
     *
     * @param name                锁的名称，用于唯一标识一个锁
     * @param stringRedisTemplate Redis操作模板，用于与Redis进行交互
     */
    public SimpleRedisLock(String name, StringRedisTemplate stringRedisTemplate) {
        this.lockName = name;
        this.stringRedisTemplate = stringRedisTemplate;
    }

    /**
     * 尝试获取锁。
     * <p>
     * 使用Redis的`setIfAbsent`方法尝试获取锁，如果锁不存在，则设置锁的键值对，并设置过期时间。
     * 过期时间确保了锁最终会被释放，即使获取锁的客户端崩溃或无法释放锁。
     * </p>
     *
     * @param timeOutSec 获取锁的超时时间（秒）
     * @return 是否成功获取锁
     */
    @Override
    public boolean tryLock(long timeOutSec) {
        String threadId = ID_PREFIX + Thread.currentThread().getId(); // 生成唯一线程ID
        // 使用Redis的setIfAbsent方法尝试获取锁，并设置锁的过期时间
        Boolean locked = stringRedisTemplate.opsForValue().setIfAbsent(KEY_PREFIX + lockName, threadId, timeOutSec, TimeUnit.SECONDS);

        return BooleanUtil.isTrue(locked); // 转换结果为布尔值并返回
    }

    /**
     * 释放锁。
     * <p>
     * 通过比较当前线程ID和Redis中存储的线程ID来确保只有获取锁的线程可以释放锁。
     * 如果匹配，则删除Redis中对应的锁键，从而释放锁。
     * </p>
     */
    @Override
    public void unLock() {
        String threadId = ID_PREFIX + Thread.currentThread().getId(); // 生成唯一线程ID
        String lock = stringRedisTemplate.opsForValue().get(KEY_PREFIX + lockName); // 获取锁的值

        if (threadId.equals(lock)) { // 检查当前线程ID是否与锁中的线程ID相匹配
            // 删除锁对应的键，释放锁
            stringRedisTemplate.delete(KEY_PREFIX + lockName);
        }
    }
}

分布式锁的原子性问题

更为极端的误删逻辑说明
假设线程1已经获取了锁，在判断标识一致之后，准备释放锁的时候，又出现了阻塞（例如JVM垃圾回收机制）
于是锁的TTL到期了，自动释放了
那么现在线程2趁虚而入，拿到了一把锁
但是线程1的逻辑还没执行完，那么线程1就会执行删除锁的逻辑
但是在阻塞前线程1已经判断了标识一致，所以现在线程1把线程2的锁给删了
那么就相当于判断标识那行代码没有起到作用
这就是删锁时的原子性问题
因为线程1的拿锁，判断标识，删锁，不是原子操作，所以我们要防止刚刚的情况

Lua脚本解决多条命令原子性问题

Lua 教程 | 菜鸟教程 (runoob.com)

-- 检查当前线程是否持有锁，如果是，则释放锁
if(redis.call('get', KEYS[1]) == ARGV[1]) then
    return redis.call('del', KEYS[1]) -- 删除锁对应的键
end

return 0 -- 返回0表示释放锁失败

利用Java代码调用Lua脚本改造分布式锁

在RedisTemplate中，可以利用execute方法去执行lua脚本

public <T> T execute(RedisScript<T> script, List<K> keys, Object... args) {
    return this.scriptExecutor.execute(script, keys, args);
}

    private static final DefaultRedisScript<Long> UNLOCK_SCRIPT;

    // 初始化释放锁的Lua脚本
    static {
        UNLOCK_SCRIPT = new DefaultRedisScript<>();
        UNLOCK_SCRIPT.setLocation(new ClassPathResource("unlock.lua")); // 设置Lua脚本的位置
        UNLOCK_SCRIPT.setResultType(Long.class); // 设置脚本执行结果的类型
    }

	@Override
    /*
      释放锁。
      使用Lua脚本来实现原子性的释放锁操作。
     */
    public void unLock() {
        // 执行Lua脚本来释放锁，传递锁的key和当前线程的标识作为参数
        stringRedisTemplate.execute(UNLOCK_SCRIPT, Collections.singletonList(KEY_PREFIX + lockName) , ID_PREFIX + Thread.currentThread().getId());
    }

但是现在的分布式锁还存在一个问题：锁不住
- 那什么是锁不住呢？
  - 如果锁的TTL快到期的时候，我们可以给它续期一下，比如续个30s，就好像是网吧上网，快没网费了的时候，让网管再给你续50块钱的，然后该玩玩，程序也继续往下执行
  - 那么续期问题怎么解决呢，可以依赖于我们接下来要学习redission了
小结：基于Redis分布式锁的实现思路
- 利用SET NX EX获取锁，并设置过期时间，保存线程标识
- 释放锁时先判断线程标识是否与自己一致，一致则删除锁
  - 特性
    - 利用SET NX满足互斥性
    - 利用SET EX保证故障时依然能释放锁，避免死锁，提高安全性
    - 利用Redis集群保证高可用和高并发特性

Redisson

基于SETNX实现的分布式锁存在以下问题
1. 重入问题
  - 重入问题是指获取锁的线程，可以再次进入到相同的锁的代码块中，可重入锁的意义在于防止死锁，例如在HashTable这样的代码中，它的方法都是使用synchronized修饰的，加入它在一个方法内调用另一个方法，如果此时是不可重入的，那就死锁了。所以可重入锁的主要意义是防止死锁，我们的synchronized和Lock锁都是可重入的
2. 不可重试
  - 我们编写的分布式锁只能尝试一次，失败了就返回false，没有重试机制。但合理的情况应该是：当线程获取锁失败后，他应该能再次尝试获取锁
3. 超时释放
  - 我们在加锁的时候增加了TTL，这样我们可以防止死锁，但是如果卡顿(阻塞)时间太长，也会导致锁的释放。虽然我们采用Lua脚本来防止删锁的时候，误删别人的锁，但现在的新问题是没锁住，也有安全隐患
4. 主从一致性
  - 如果Redis提供了主从集群，那么当我们向集群写数据时，主机需要异步的将数据同步给从机，万一在同步之前，主机宕机了(主从同步存在延迟，虽然时间很短，但还是发生了)，那么又会出现死锁问题
那么什么是Redisson呢
- Redisson是一个在Redis的基础上实现的Java驻内存数据网格(In-Memory Data Grid)。它不仅提供了一系列的分布式Java常用对象，还提供了许多分布式服务，其中就包含了各种分布式锁的实现
Redis提供了分布式锁的多种多样功能
1. 可重入锁(Reentrant Lock)
2. 公平锁(Fair Lock)
3. 联锁(MultiLock)
4. 红锁(RedLock)
5. 读写锁(ReadWriteLock)
6. 信号量(Semaphore)
7. 可过期性信号量(PermitExpirableSemaphore)
8. 闭锁(CountDownLatch)

Redisson入门

导入依赖

<dependency>
    <groupId>org.redisson</groupId>
    <artifactId>redisson</artifactId>
    <version>3.13.6</version>
</dependency>

config下创建RedissonConfig

package com.hmdp.config;

import org.redisson.Redisson;
import org.redisson.api.RedissonClient;
import org.redisson.config.Config;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * @Author：CharmingDaiDai
 * @Project：hm-dianping
 * @Date：2024/4/16 19:29
 */
@Configuration
public class RedissonConfig {
    @Bean
    public RedissonClient redissonClient() {
        Config config = new Config();
        config.useSingleServer()
                .setAddress("redis://localhost:6379")
                .setPassword("1");
        return Redisson.create(config);
    }
}

使用示例

@Resource
private RedissonClient redissonClient;

@Test
void testRedisson() throws InterruptedException {
    //获取可重入锁
    RLock lock = redissonClient.getLock("anyLock");
    //尝试获取锁，三个参数分别是：获取锁的最大等待时间(期间会重试)，锁的自动释放时间，时间单位
    boolean success = lock.tryLock(1,10, TimeUnit.SECONDS);
    //判断获取锁成功
    if (success) {
        try {
            System.out.println("执行业务");
        } finally {
            //释放锁
            lock.unlock();
        }
    }
}

VoucherOrderServiceImpl实现类

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.config.RedissonConfig;
import com.hmdp.dto.Result;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.SimpleRedisLock;
import com.hmdp.utils.UserHolder;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.aop.framework.AopContext;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.time.LocalDateTime;

/**
 * 优惠券订单服务的实现类。
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 *
 * <p>
 * 注：该服务实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 创建订单时使用了分布式ID生成器生成唯一订单ID，并在操作中使用了事务保证数据的一致性。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/16 9:44
 **/

@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private RedisIdWorker redisIdWorker;

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Resource
    private RedissonClient redissonClient;
    /**
     * 秒杀优惠券。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 1. 查询优惠券
        SeckillVoucher seckillVoucher = seckillVoucherService.getById(voucherId); // 从数据库中获取指定ID的优惠券信息

        // 2. 判断秒杀是否开始
        if (LocalDateTime.now().isBefore(seckillVoucher.getBeginTime())) { // 如果当前时间早于优惠券开始时间，则秒杀未开始
            return Result.fail("秒杀未开始");
        }

        // 3. 判断秒杀是否结束
        if (LocalDateTime.now().isAfter(seckillVoucher.getEndTime())) { // 如果当前时间晚于优惠券结束时间，则秒杀已结束
            return Result.fail("秒杀已结束");
        }

        // 4. 判断库存是否充足
        if (seckillVoucher.getStock() < 1) { // 如果优惠券库存不足，则无法进行秒杀
            return Result.fail("优惠券库存不足");
        }

        Long userId = UserHolder.getUser().getId();

        /*
        userId.toString(): 将userId转换为字符串表示。
        这是必要的，因为synchronized关键字需要一个对象引用作为其参数，
        而userId是一个基本类型（long），不能直接用于同步。

        .intern(): intern()方法用于确保生成的字符串被添加到Java虚拟机（JVM）
        的“字符串池”中。当你在一个字符串上调用intern()时，
        如果字符串池中已经有一个具有相同值的字符串，
        则返回对该字符串的现有引用，而不是创建一个新的字符串对象。
        这确保具有相同值的多个字符串对象共享相同的内存位置，不然还是都用一个锁。

        synchronized (...): 这个关键字在Java中用于创建一个同步块，
        它确保一次只有一个线程可以访问代码块。
        传递给synchronized的参数确定了同步块所同步的对象。
        在这种情况下，同步块在userId的字符串表示上同步。
        由于每个用户的userId都是唯一的，
        因此使用它进行同步可以确保每个用户的操作都独立于其他用户的操作。
        */

-        // 创建一个以用户ID为名称的简单Redis锁
-        // SimpleRedisLock simpleRedisLock = new SimpleRedisLock("order:" + userId, stringRedisTemplate);

+        // 使用RedissonClient获取分布式锁对象(可重入锁)，锁名称为"lock:order:" + userId
+        RLock lock = redissonClient.getLock("lock:order:" + userId);

        // 尝试获取锁，超时时间为5秒
        boolean locked = lock.tryLock();

        // 如果获取锁失败，则返回重复下单提示
        if (!locked) {
            return Result.fail("❎重复下单");
        }

        try {
            // 获取代理对象(事务)
            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy(); // 获取当前代理对象
            return proxy.createVoucherOrder(voucherId); // 调用代理对象的创建订单方法
        } catch (Exception e) {
            // 发生异常时抛出RuntimeException
            throw new RuntimeException(e);
        } finally {
            // 无论如何，都要释放锁
+            lock.unlock();
- 			 lock.unLock();       
        }


//        synchronized (userId.toString().intern()) { // 同步锁，保证用户操作的原子性
//            // 获取代理对象(事务)
//            IVoucherOrderService proxy = (IVoucherOrderService) AopContext.currentProxy(); // 获取当前代理对象
//            return proxy.createVoucherOrder(voucherId); // 调用代理对象的创建订单方法
//        }
    }

    /**
     * 创建优惠券订单。
     *
     * @param voucherId 优惠券ID
     * @return 包含订单ID的Result对象
     */
    @Transactional
    @Override
    public Result createVoucherOrder(Long voucherId) {
        // 判断用户是否购买过
        Long userId = UserHolder.getUser().getId();

        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
        if (count > 0) {
            return Result.fail("你已经抢过优惠券了哦");
        }

        // 5. 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update() // 更新优惠券库存
                .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                .eq("voucher_id", voucherId) // 指定优惠券ID
                .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题

        if (!updated) { // 如果更新失败，则说明优惠券库存不足
            return Result.fail("优惠券库存不足");
        }

        // 6. 创建订单
        VoucherOrder voucherOrder = new VoucherOrder(); // 创建订单对象
        long orderId = redisIdWorker.nextId("order"); // 使用分布式ID生成器生成唯一订单ID
        // 设置订单id
        voucherOrder.setId(orderId); // 设置订单ID
        // 设置代金券id
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        // 设置用户id
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间
        save(voucherOrder); // 保存订单信息至数据库

        // 7. 返回订单ID
        return Result.ok(orderId);
    }
}

Redisson可重入锁原理

在Lock锁中，它是借助于一个volatile的state变量来记录重入的状态。
- 如果当前没有人持有这把锁，那么state = 0
- 如果有人持有这把锁，那么state = 1如果持有者把锁的人再次持有这把锁，那么state会+1
- 如果对于synchronize而言，他在c语言代码中会有一个count
- 原理与state类似，也是重入一次就+1，释放一次就-1，直至减到0，表示这把锁没有被人持有
在redisson中，我们也支持可重入锁
- 在分布式锁中，它采用hash结构来存储锁，其中外层key表示这把锁是否存在，内层key则记录当前这把锁被哪个线程持有
method1在方法内部调用method2，method1和method2处于同一个线程，那么method1已经拿到一把锁了，想进入method2中拿另外一把锁，必然是拿不到的，于是就出现了死锁

@Resource
private RedissonClient redissonClient;

private RLock lock;

@BeforeEach
void setUp() {
    lock = redissonClient.getLock("lock");
}

@Test
void method1() {
    boolean success = lock.tryLock();
    if (!success) {
        log.error("获取锁失败，1");
        return;
    }
    try {
        log.info("获取锁成功");
        method2();
    } finally {
        log.info("释放锁，1");
        lock.unlock();
    }
}

void method2() {
    RLock lock = redissonClient.getLock("lock");
    boolean success = lock.tryLock();
    if (!success) {
        log.error("获取锁失败，2");
        return;
    }
    try {
        log.info("获取锁成功，2");
    } finally {
        log.info("释放锁，2");
        lock.unlock();
    }
}

所以我们需要额外判断，method1和method2是否处于同一线程，如果是同一个线程，则可以拿到锁，但是state会+1，之后执行method2中的方法，释放锁，释放锁的时候也只是将state进行-1，只有减至0，才会真正释放锁
由于我们需要额外存储一个state，所以用字符串型SET NX EX是不行的，需要用到Hash结构，但是Hash结构又没有NX这种方法，所以我们需要将原有的逻辑拆开，进行手动判断

为了保证原子性，所以流程图中的业务逻辑也是需要我们用Lua来实现的

获取锁的逻辑

local key = KEYS[1]; -- 锁的key
local threadId = ARGV[1]; -- 线程唯一标识
local releaseTime = ARGV[2]; -- 锁的自动释放时间
-- 锁不存在
if (redis.call('exists', key) == 0) then
    -- 获取锁并添加线程标识，state设为1
    redis.call('hset', key, threadId, '1');
    -- 设置锁有效期
    redis.call('expire', key, releaseTime);
    return 1; -- 返回结果
end;
-- 锁存在，判断threadId是否为自己
if (redis.call('hexists', key, threadId) == 1) then
    -- 锁存在，重入次数 +1，这里用的是hash结构的incrby增长
    redis.call('hincrby', key, thread, 1);
    -- 设置锁的有效期
    redis.call('expire', key, releaseTime);
    return 1; -- 返回结果
end;
return 0; -- 代码走到这里，说明获取锁的不是自己，获取锁失败

释放锁的逻辑

local key = KEYS[1];
local threadId = ARGV[1];
local releaseTime = ARGV[2];
-- 如果锁不是自己的
if (redis.call('HEXISTS', key, threadId) == 0) then
    return nil; -- 直接返回
end;
-- 锁是自己的，锁计数-1，还是用hincrby，不过自增长的值为-1
local count = redis.call('hincrby', key, threadId, -1);
-- 判断重入次数为多少
if (count > 0) then
    -- 大于0，重置有效期
    redis.call('expire', key, releaseTime);
    return nil;
else
    -- 否则直接释放锁
    redis.call('del', key);
    return nil;
end;

获取锁源码
查看源码，跟我们的实现方式几乎一致

<T> RFuture<T> tryLockInnerAsync(long waitTime, long leaseTime, TimeUnit unit, long threadId, RedisStrictCommand<T> command) {
    this.internalLockLeaseTime = unit.toMillis(leaseTime);
    return this.evalWriteAsync(this.getName(), LongCodec.INSTANCE, command, "if (redis.call('exists', KEYS[1]) == 0) then redis.call('hincrby', KEYS[1], ARGV[2], 1); redis.call('pexpire', KEYS[1], ARGV[1]); return nil; end; if (redis.call('hexists', KEYS[1], ARGV[2]) == 1) then redis.call('hincrby', KEYS[1], ARGV[2], 1); redis.call('pexpire', KEYS[1], ARGV[1]); return nil; end; return redis.call('pttl', KEYS[1]);", Collections.singletonList(this.getName()), this.internalLockLeaseTime, this.getLockName(threadId));
}

释放锁源码

protected RFuture<Boolean> unlockInnerAsync(long threadId) {
    return this.evalWriteAsync(this.getName(), LongCodec.INSTANCE, RedisCommands.EVAL_BOOLEAN, "if (redis.call('hexists', KEYS[1], ARGV[3]) == 0) then return nil;end; local counter = redis.call('hincrby', KEYS[1], ARGV[3], -1); if (counter > 0) then redis.call('pexpire', KEYS[1], ARGV[2]); return 0; else redis.call('del', KEYS[1]); redis.call('publish', KEYS[2], ARGV[1]); return 1; end; return nil;", Arrays.asList(this.getName(), this.getChannelName()), LockPubSub.UNLOCK_MESSAGE, this.internalLockLeaseTime, this.getLockName(threadId));
}

Redisson锁重试和WatchDog机制

Redisson锁的MutiLock原理

为了提高Redis的可用性，我们会搭建集群或者主从，现在以主从为例
此时我们去写命令，写在主机上，主机会将数据同步给从机，但是假设主机还没来得及把数据写入到从机去的时候，主机宕机了
哨兵会发现主机宕机了，于是选举一个slave(从机)变成master(主机)，而此时新的master(主机)上并没有锁的信息，那么其他线程就可以获取锁，又会引发安全问题
为了解决这个问题。Redisson提出来了MutiLock锁，使用这把锁的话，那我们就不用主从了，每个节点的地位都是一样的，都可以当做是主机，那我们就需要将加锁的逻辑写入到每一个主从节点上，只有所有的服务器都写入成功，此时才是加锁成功，假设现在某个节点挂了，那么他去获取锁的时候，只要有一个节点拿不到，都不能算是加锁成功，就保证了加锁的可靠性
我们先使用虚拟机额外搭建两个Redis节点

@Configuration
public class RedissonConfig {
    @Bean
    public RedissonClient redissonClient() {
        Config config = new Config();
        config.useSingleServer().setAddress("redis://192.168.137.130:6379")
                .setPassword("root");
        return Redisson.create(config);
    }

    @Bean
    public RedissonClient redissonClient2() {
        Config config = new Config();
        config.useSingleServer().setAddress("redis://92.168.137.131:6379")
                .setPassword("root");
        return Redisson.create(config);
    }

    @Bean
    public RedissonClient redissonClient3() {
        Config config = new Config();
        config.useSingleServer().setAddress("redis://92.168.137.132:6379")
                .setPassword("root");
        return Redisson.create(config);
    }
}

使用联锁，我们首先要注入三个RedissonClient对象

@Resource
private RedissonClient redissonClient;
@Resource
private RedissonClient redissonClient2;
@Resource
private RedissonClient redissonClient3;

private RLock lock;

@BeforeEach
void setUp() {
    RLock lock1 = redissonClient.getLock("lock");
    RLock lock2 = redissonClient2.getLock("lock");
    RLock lock3 = redissonClient3.getLock("lock");
    lock = redissonClient.getMultiLock(lock1, lock2, lock3);
}

@Test
void method1() {
    boolean success = lock.tryLock();
    redissonClient.getMultiLock();
    if (!success) {
        log.error("获取锁失败，1");
        return;
    }
    try {
        log.info("获取锁成功");
        method2();
    } finally {
        log.info("释放锁，1");
        lock.unlock();
    }
}

void method2() {
    RLock lock = redissonClient.getLock("lock");
    boolean success = lock.tryLock();
    if (!success) {
        log.error("获取锁失败，2");
        return;
    }
    try {
        log.info("获取锁成功，2");
    } finally {
        log.info("释放锁，2");
        lock.unlock();
    }
}

源码分析
当我们没有传入锁对象来创建联锁的时候，则会抛出一个异常，反之则将我们传入的可变参数锁对象封装成一个集合

public RedissonMultiLock(RLock... locks) {
    if (locks.length == 0) {
        throw new IllegalArgumentException("Lock objects are not defined");
    } else {
        this.locks.addAll(Arrays.asList(locks));
    }
}

联锁的tryLock

public boolean tryLock(long waitTime, long leaseTime, TimeUnit unit) throws InterruptedException {
    long newLeaseTime = -1L;
    //如果传入了释放时间
    if (leaseTime != -1L) {
        //再判断一下是否有等待时间
        if (waitTime == -1L) {
            //如果没传等待时间，不重试，则只获得一次
            newLeaseTime = unit.toMillis(leaseTime);
        } else {
            //想要重试，耗时较久，万一释放时间小于等待时间，则会有问题，所以这里将等待时间乘以二
            newLeaseTime = unit.toMillis(waitTime) * 2L;
        }
    }
    //获取当前时间
    long time = System.currentTimeMillis();
    //剩余等待时间
    long remainTime = -1L;
    if (waitTime != -1L) {
        remainTime = unit.toMillis(waitTime);
    }
    //锁等待时间，与剩余等待时间一样    
    long lockWaitTime = this.calcLockWaitTime(remainTime);
    //锁失败的限制，源码返回是的0
    int failedLocksLimit = this.failedLocksLimit();
    //已经获取成功的锁
    List<RLock> acquiredLocks = new ArrayList(this.locks.size());
    //迭代器，用于遍历
    ListIterator<RLock> iterator = this.locks.listIterator();

    while(iterator.hasNext()) {
        RLock lock = (RLock)iterator.next();

        boolean lockAcquired;
        try {
            //没有等待时间和释放时间，调用空参的tryLock
            if (waitTime == -1L && leaseTime == -1L) {
                lockAcquired = lock.tryLock();
            } else {
                //否则调用带参的tryLock
                long awaitTime = Math.min(lockWaitTime, remainTime);
                lockAcquired = lock.tryLock(awaitTime, newLeaseTime, TimeUnit.MILLISECONDS);
            }
        } catch (RedisResponseTimeoutException var21) {
            this.unlockInner(Arrays.asList(lock));
            lockAcquired = false;
        } catch (Exception var22) {
            lockAcquired = false;
        }
        //判断获取锁是否成功
        if (lockAcquired) {
            //成功则将锁放入成功锁的集合
            acquiredLocks.add(lock);
        } else {
            //如果获取锁失败
            //判断当前锁的数量，减去成功获取锁的数量，如果为0，则所有锁都成功获取，跳出循环
            if (this.locks.size() - acquiredLocks.size() == this.failedLocksLimit()) {
                break;
            }
            //否则将拿到的锁都释放掉
            if (failedLocksLimit == 0) {
                this.unlockInner(acquiredLocks);
                //如果等待时间为-1，则不想重试，直接返回false
                if (waitTime == -1L) {
                    return false;
                }

                failedLocksLimit = this.failedLocksLimit();
                //将已经拿到的锁都清空
                acquiredLocks.clear();
                //将迭代器往前迭代，相当于重置指针，放到第一个然后重试获取锁
                while(iterator.hasPrevious()) {
                    iterator.previous();
                }
            } else {
                --failedLocksLimit;
            }
        }
        //如果剩余时间不为-1，很充足
        if (remainTime != -1L) {
            //计算现在剩余时间
            remainTime -= System.currentTimeMillis() - time;
            time = System.currentTimeMillis();
            //如果剩余时间为负数，则获取锁超时了
            if (remainTime <= 0L) {
                //将之前已经获取到的锁释放掉，并返回false
                this.unlockInner(acquiredLocks);
                //联锁成功的条件是：每一把锁都必须成功获取，一把锁失败，则都失败
                return false;
            }
        }
    }
    //如果设置了锁的有效期
    if (leaseTime != -1L) {
        List<RFuture<Boolean>> futures = new ArrayList(acquiredLocks.size());
        //迭代器用于遍历已经获取成功的锁
        Iterator var24 = acquiredLocks.iterator();

        while(var24.hasNext()) {
            RLock rLock = (RLock)var24.next();
            //设置每一把锁的有效期
            RFuture<Boolean> future = ((RedissonLock)rLock).expireAsync(unit.toMillis(leaseTime), TimeUnit.MILLISECONDS);
            futures.add(future);
        }

        var24 = futures.iterator();

        while(var24.hasNext()) {
            RFuture<Boolean> rFuture = (RFuture)var24.next();
            rFuture.syncUninterruptibly();
        }
    }
    //但如果没设置有效期，则会触发WatchDog机制，自动帮我们设置有效期，所以大多数情况下，我们不需要自己设置有效期
    return true;
}

小结

不可重入Redis分布式锁
- 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
- 缺陷：不可重入、无法重试、锁超时失效
可重入Redis分布式锁
- 原理：利用Hash结构，记录线程标识与重入次数；利用WatchDog延续锁时间；利用信号量控制锁重试等待
- 缺陷：Redis宕机引起锁失效问题
Redisson的multiLock
- 原理：多个独立的Redis节点，必须在所有节点都获取重入锁，才算获取锁成功

秒杀优化

我们先来回顾一下下单流程
当用户发起请求，此时会先请求Nginx，Nginx反向代理到Tomcat，而Tomcat中的程序，会进行串行操作，分为如下几个步骤
1. 查询优惠券
2. 判断秒杀库存是否足够
3. 查询订单
4. 校验是否一人一单
5. 扣减库存
6. 创建订单
在这六个步骤中，有很多操作都是要去操作数据库的，而且还是一个线程串行执行，这样就会导致我们的程序执行很慢，所以我们需要异步程序执行，那么如何加速呢？
优化方案：我们将耗时较短的逻辑判断放到Redis中，例如：库存是否充足，是否一人一单这样的操作，只要满足这两条操作，那我们是一定可以下单成功的，不用等数据真的写进数据库，我们直接告诉用户下单成功就好了。然后后台再开一个线程，后台线程再去慢慢执行队列里的消息，这样我们就能很快的完成下单业务。

但是这里还存在两个难点
1. 我们怎么在Redis中快速校验是否一人一单，还有库存判断
2. 我们校验一人一单和将下单数据写入数据库，这是两个线程，我们怎么知道下单是否完成。
  - 我们需要将一些信息返回给前端，同时也将这些信息丢到异步queue中去，后续操作中，可以通过这个id来查询下单逻辑是否完成
我们现在来看整体思路：当用户下单之后，判断库存是否充足，只需要取Redis中根据key找对应的value是否大于0即可，如果不充足，则直接结束。如果充足，则在Redis中判断用户是否可以下单，如果set集合中没有该用户的下单数据，则可以下单，并将userId和优惠券存入到Redis中，并且返回0，整个过程需要保证是原子性的，所以我们要用Lua来操作，同时由于我们需要在Redis中查询优惠券信息，所以在我们新增秒杀优惠券的同时，需要将优惠券信息保存到Redis中
完成以上逻辑判断时，我们只需要判断当前Redis中的返回值是否为0，如果是0，则表示可以下单，将信息保存到queue中去，然后返回，开一个线程来异步下单，可以通过返回订单的id来判断是否下单成功

基于Redis完成秒杀资格判断

在添加秒杀优惠券时，将优惠券加入Redis
VoucherServiceImpl

package com.hmdp.service.impl;

import cn.hutool.json.JSONUtil;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.Voucher;
import com.hmdp.mapper.VoucherMapper;
import com.hmdp.entity.SeckillVoucher;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherService;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;
import java.util.List;

import static com.hmdp.utils.RedisConstants.SECKILL_STOCK_KEY;

/**
 * @author CharmingDaiDai
 * @since 2024/4/17 18:05 
 **/
@Service
public class VoucherServiceImpl extends ServiceImpl<VoucherMapper, Voucher> implements IVoucherService {

    @Resource
    private ISeckillVoucherService seckillVoucherService;

    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result queryVoucherOfShop(Long shopId) {
        // 查询优惠券信息
        List<Voucher> vouchers = getBaseMapper().queryVoucherOfShop(shopId);
        // 返回结果
        return Result.ok(vouchers);
    }

    @Override
    @Transactional
    public void addSeckillVoucher(Voucher voucher) {
        // 保存优惠券
        save(voucher);
        // 保存秒杀信息
        SeckillVoucher seckillVoucher = new SeckillVoucher();
        seckillVoucher.setVoucherId(voucher.getId());
        seckillVoucher.setStock(voucher.getStock());
        seckillVoucher.setBeginTime(voucher.getBeginTime());
        seckillVoucher.setEndTime(voucher.getEndTime());
        seckillVoucherService.save(seckillVoucher);
        // 保存秒杀库存到redis
        stringRedisTemplate.opsForValue().set(SECKILL_STOCK_KEY + voucher.getId(), voucher.getStock().toString());
    }
}

lua脚本

local voucherPrefix = KEYS[1]
local voucherId = ARGV[1]
local orderPrefix = KEYS[2]
local userId = ARGV[2]

local stockKey = voucherPrefix .. voucherId
local orderKey = orderPrefix .. voucherId

-- 判断库存是否充足
local stock = redis.call('get', stockKey)

-- 否 返回 1
if (tonumber(stock) < 1) then
    return 1
end

-- 判断用户是否下单
local ordered = redis.call('sismember', orderKey, userId)
-- 是 返回 2
if (ordered == 1) then
    return 2
end

-- 扣减库存
redis.call('incrby', stockKey, -1)

-- 将UserId存入当前优惠券的set集合
redis.call('sadd', orderKey, userId)

-- 返回 0
return 0

判断资格

   /**
     * 执行优惠券秒杀操作。
     *
     * @param voucherId 优惠券ID
     * @return 返回操作结果，成功或失败的原因。
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 获取当前用户ID
        Long userId = UserHolder.getUser().getId();
        // 执行Redis脚本，检查优惠券库存并处理下单逻辑
        Long result = stringRedisTemplate.execute(SECKILL_SCRIPT, Arrays.asList(SECKILL_STOCK_KEY, SECKILL_ORDER_KEY), voucherId.toString(), userId.toString());
        System.out.println(result);
        // 根据脚本返回的结果，处理不同的业务逻辑
        if (result == 1) {
            // 优惠券库存不足
            return Result.fail("优惠券库存不足");
        } else if (result == 2) {
            // 用户重复下单
            return Result.fail("请勿重复下单");
        }

        // 创建订单对象并设置相关属性
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order"); // 生成订单ID
        voucherOrder.setId(orderId); // 设置订单ID
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间

        // 将订单任务加入到队列中，等待后续处理
        orderTasks.add(voucherOrder);
        proxy = (IVoucherOrderService) AopContext.currentProxy();

        return Result.ok(voucherId);
    }

基于阻塞队列实现秒杀优化

步骤一：创建阻塞队列
阻塞队列有一个特点：当一个线程尝试从阻塞队列里获取元素的时候，如果没有元素，那么该线程就会被阻塞，直到队列中有元素，才会被唤醒，并去获取元素
阻塞队列的创建需要指定一个大小

private final BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);

那么把优惠券id和用户id封装后存入阻塞队列

/**
     * 执行优惠券秒杀操作。
     *
     * @param voucherId 优惠券ID
     * @return 返回操作结果，成功或失败的原因。
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 获取当前用户ID
        Long userId = UserHolder.getUser().getId();
        // 执行Redis脚本，检查优惠券库存并处理下单逻辑
        Long result = stringRedisTemplate.execute(SECKILL_SCRIPT, Arrays.asList(SECKILL_STOCK_KEY, SECKILL_ORDER_KEY), voucherId.toString(), userId.toString());
        System.out.println(result);
        // 根据脚本返回的结果，处理不同的业务逻辑
        if (result == 1) {
            // 优惠券库存不足
            return Result.fail("优惠券库存不足");
        } else if (result == 2) {
            // 用户重复下单
            return Result.fail("请勿重复下单");
        }

        // 创建订单对象并设置相关属性
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order"); // 生成订单ID
        voucherOrder.setId(orderId); // 设置订单ID
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间

        // 将订单任务加入到队列中，等待后续处理
        orderTasks.add(voucherOrder);
        proxy = (IVoucherOrderService) AopContext.currentProxy();

        return Result.ok(voucherId);
    }

步骤二：

实现异步下单功能

先创建一个线程池

    // 线程池(单线程)
    private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();

创建线程任务，秒杀业务需要在类初始化之后，就立即执行，所以这里需要用到@PostConstruct注解

    @PostConstruct
    private void init() {
        SECKILL_ORDER_EXECUTOR.submit(new VocherOrderHandler());
    }

    /**
     * 处理订单任务的内部类。
     */
    private class VocherOrderHandler implements Runnable {
        @Override
        public void run() {
            while (true) {
                try {
                    VoucherOrder voucherOrder = orderTasks.take(); // 从队列中取出订单任务

                    handleVoucherOrder(voucherOrder); // 处理订单
                } catch (Exception e) {
                    log.error("处理订单异常", e);
                }
            }
        }
    }

编写创建订单的业务逻辑

	private IVoucherOrderService proxy;
    /**
     * 处理优惠券订单。
     *
     * @param voucherOrder 订单对象
     */
    private void handleVoucherOrder(VoucherOrder voucherOrder) {
        Long userId = voucherOrder.getUserId();
        RLock lock = redissonClient.getLock("lock:order:" + userId);

        // 尝试获取锁
        boolean locked = lock.tryLock();

        // 如果获取锁失败，则返回重复下单提示
        if (!locked) {
            log.error("用户重复下单，当前订单ID：{}，用户ID：{}", voucherOrder.getId(), userId);
            return;
        }

        try {
            proxy.createVoucherOrder(voucherOrder); // 调用代理对象的创建订单方法
        } catch (Exception e) {
            log.error("不允许重复下单", e);
        } finally {
            // 无论如何，都要释放锁
            lock.unlock();
        }
    }

查看AopContext源码，它的获取代理对象也是通过ThreadLocal进行获取的，由于我们这里是异步下单，和主线程不是一个线程，所以不能获取成功

private static final ThreadLocal<Object> currentProxy = new NamedThreadLocal("Current AOP proxy");

但是我们可以将proxy放在成员变量的位置，然后在主线程中获取代理对象

/**
     * 执行优惠券秒杀操作。
     *
     * @param voucherId 优惠券ID
     * @return 返回操作结果，成功或失败的原因。
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 获取当前用户ID
        Long userId = UserHolder.getUser().getId();
        // 执行Redis脚本，检查优惠券库存并处理下单逻辑
        Long result = stringRedisTemplate.execute(SECKILL_SCRIPT, Arrays.asList(SECKILL_STOCK_KEY, SECKILL_ORDER_KEY), voucherId.toString(), userId.toString());
        System.out.println(result);
        // 根据脚本返回的结果，处理不同的业务逻辑
        if (result == 1) {
            // 优惠券库存不足
            return Result.fail("优惠券库存不足");
        } else if (result == 2) {
            // 用户重复下单
            return Result.fail("请勿重复下单");
        }

        // 创建订单对象并设置相关属性
        VoucherOrder voucherOrder = new VoucherOrder();
        long orderId = redisIdWorker.nextId("order"); // 生成订单ID
        voucherOrder.setId(orderId); // 设置订单ID
        voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
        voucherOrder.setUserId(userId); // 设置用户ID
        voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间

        // 将订单任务加入到队列中，等待后续处理
        orderTasks.add(voucherOrder);
        proxy = (IVoucherOrderService) AopContext.currentProxy();

        return Result.ok(voucherId);
    }

创建订单

      /**
       * 创建优惠券订单。
       * <p>
       * 该方法首先检查用户是否已经购买过该优惠券，如果已购买则不再创建订单。
       * 然后扣减优惠券库存，并保存订单信息至数据库。
       * </p>
       *
       * @param voucherOrder 优惠券订单对象
       */
      @Transactional
      @Override
      public void createVoucherOrder(VoucherOrder voucherOrder) {
          // 判断用户是否购买过
          Long userId = voucherOrder.getUserId();
          Long voucherId = voucherOrder.getVoucherId();
  
          Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
          if (count > 0) {
              log.error("用户重复下单，用户ID：{}", userId);
              return;
          }
  
          // 扣减库存 解决超卖问题
          boolean updated = seckillVoucherService.update() // 更新优惠券库存
                  .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                  .eq("voucher_id", voucherId) // 指定优惠券ID
                  .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题
  
          if (!updated) { // 如果更新失败，则说明优惠券库存不足
              log.error("库存不足，优惠券ID：{}", voucherId);
              return;
          }
  
          save(voucherOrder); // 保存订单信息至数据库
      }

完整代码如下

  package com.hmdp.service.impl;
  
  import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
  import com.hmdp.dto.Result;
  import com.hmdp.entity.VoucherOrder;
  import com.hmdp.mapper.VoucherOrderMapper;
  import com.hmdp.service.ISeckillVoucherService;
  import com.hmdp.service.IVoucherOrderService;
  import com.hmdp.utils.RedisIdWorker;
  import com.hmdp.utils.UserHolder;
  import lombok.extern.slf4j.Slf4j;
  import org.redisson.api.RLock;
  import org.redisson.api.RedissonClient;
  import org.springframework.aop.framework.AopContext;
  import org.springframework.core.io.ClassPathResource;
  import org.springframework.data.redis.core.StringRedisTemplate;
  import org.springframework.data.redis.core.script.DefaultRedisScript;
  import org.springframework.stereotype.Service;
  import org.springframework.transaction.annotation.Transactional;
  
  import javax.annotation.PostConstruct;
  import javax.annotation.Resource;
  import java.time.LocalDateTime;
  import java.util.Arrays;
  import java.util.concurrent.ArrayBlockingQueue;
  import java.util.concurrent.BlockingQueue;
  import java.util.concurrent.ExecutorService;
  import java.util.concurrent.Executors;
  
  import static com.hmdp.utils.RedisConstants.SECKILL_ORDER_KEY;
  import static com.hmdp.utils.RedisConstants.SECKILL_STOCK_KEY;
  
  /**
   * 优惠券订单服务的实现类。
   * <p>
   * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
   * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
   * 使用了事务进行操作，保证秒杀优惠券的一致性。
   * </p>
   *
   * @author CharmingDaiDai
   * @since 2024/4/16 9:44
   */
  
  @Slf4j
  @Service
  public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {
  
      // 定义一个用于秒杀活动的Redis脚本
      private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
      // 线程池(单线程)
      private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();
  
      // 初始化释放锁的Lua脚本
      static {
          SECKILL_SCRIPT = new DefaultRedisScript<>();
          SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua")); // 设置Lua脚本的位置
          SECKILL_SCRIPT.setResultType(Long.class); // 设置脚本执行结果的类型为Long
      }
  
      // 使用阻塞队列来缓存订单任务，避免高并发下的直接数据库操作
      private BlockingQueue<VoucherOrder> orderTasks = new ArrayBlockingQueue<>(1024 * 1024);
      // 注入相关的业务和服务层对象
      @Resource
      private ISeckillVoucherService seckillVoucherService;
      @Resource
      private RedisIdWorker redisIdWorker; // 分布式ID生成器
      @Resource
      private StringRedisTemplate stringRedisTemplate; // Redis操作模板
      @Resource
      private RedissonClient redissonClient; // Redisson客户端
      private IVoucherOrderService proxy;
  
      /**
       * 构造函数后初始化方法，启动处理订单任务的线程。
       */
      @PostConstruct
      private void init() {
          SECKILL_ORDER_EXECUTOR.submit(new VocherOrderHandler());
      }
  
      /**
       * 处理优惠券订单。
       *
       * @param voucherOrder 订单对象
       */
      private void handleVoucherOrder(VoucherOrder voucherOrder) {
          Long userId = voucherOrder.getUserId();
          RLock lock = redissonClient.getLock("lock:order:" + userId);
  
          // 尝试获取锁
          boolean locked = lock.tryLock();
  
          // 如果获取锁失败，则返回重复下单提示
          if (!locked) {
              log.error("用户重复下单，当前订单ID：{}，用户ID：{}", voucherOrder.getId(), userId);
              return;
          }
  
          try {
              proxy.createVoucherOrder(voucherOrder); // 调用代理对象的创建订单方法
          } catch (Exception e) {
              log.error("不允许重复下单", e);
          } finally {
              // 无论如何，都要释放锁
              lock.unlock();
          }
      }
  
      /**
       * 执行优惠券秒杀操作。
       *
       * @param voucherId 优惠券ID
       * @return 返回操作结果，成功或失败的原因。
       */
      @Override
      public Result seckillVoucher(Long voucherId) {
          // 获取当前用户ID
          Long userId = UserHolder.getUser().getId();
          // 执行Redis脚本，检查优惠券库存并处理下单逻辑
          Long result = stringRedisTemplate.execute(SECKILL_SCRIPT, Arrays.asList(SECKILL_STOCK_KEY, SECKILL_ORDER_KEY), voucherId.toString(), userId.toString());
          System.out.println(result);
          // 根据脚本返回的结果，处理不同的业务逻辑
          if (result == 1) {
              // 优惠券库存不足
              return Result.fail("优惠券库存不足");
          } else if (result == 2) {
              // 用户重复下单
              return Result.fail("请勿重复下单");
          }
  
          // 创建订单对象并设置相关属性
          VoucherOrder voucherOrder = new VoucherOrder();
          long orderId = redisIdWorker.nextId("order"); // 生成订单ID
          voucherOrder.setId(orderId); // 设置订单ID
          voucherOrder.setVoucherId(voucherId); // 设置优惠券ID
          voucherOrder.setUserId(userId); // 设置用户ID
          voucherOrder.setCreateTime(LocalDateTime.now()); // 设置订单创建时间
  
          // 将订单任务加入到队列中，等待后续处理
          orderTasks.add(voucherOrder);
          proxy = (IVoucherOrderService) AopContext.currentProxy();
  
          return Result.ok(voucherId);
      }
  
      /**
       * 创建优惠券订单。
       * <p>
       * 该方法首先检查用户是否已经购买过该优惠券，如果已购买则不再创建订单。
       * 然后扣减优惠券库存，并保存订单信息至数据库。
       * </p>
       *
       * @param voucherOrder 优惠券订单对象
       */
      @Transactional
      @Override
      public void createVoucherOrder(VoucherOrder voucherOrder) {
          // 判断用户是否购买过
          Long userId = voucherOrder.getUserId();
          Long voucherId = voucherOrder.getVoucherId();
  
          Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
          if (count > 0) {
              log.error("用户重复下单，用户ID：{}", userId);
              return;
          }
  
          // 扣减库存 解决超卖问题
          boolean updated = seckillVoucherService.update() // 更新优惠券库存
                  .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                  .eq("voucher_id", voucherId) // 指定优惠券ID
                  .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题
  
          if (!updated) { // 如果更新失败，则说明优惠券库存不足
              log.error("库存不足，优惠券ID：{}", voucherId);
              return;
          }
  
          save(voucherOrder); // 保存订单信息至数据库
      }
  
      /**
       * 处理订单任务的内部类。
       */
      private class VocherOrderHandler implements Runnable {
          @Override
          public void run() {
              while (true) {
                  try {
                      VoucherOrder voucherOrder = orderTasks.take(); // 从队列中取出订单任务
  
                      handleVoucherOrder(voucherOrder); // 处理订单
                  } catch (Exception e) {
                      log.error("处理订单异常", e);
                  }
              }
          }
      }
  }

秒杀业务的优化思路是什么？
1. 先利用Redis完成库存容量、一人一单的判断，完成抢单业务
2. 再将下单业务放入阻塞队列，利用独立线程异步下单
基于阻塞队列的异步秒杀存在哪些问题？
1. 内存限制问题：
  - 我们现在使用的是JDK里的阻塞队列，它使用的是JVM的内存，如果在高并发的条件下，无数的订单都会放在阻塞队列里，可能就会造成内存溢出，所以我们在创建阻塞队列时，设置了一个长度，但是如果真的存满了，再有新的订单来往里塞，那就塞不进去了，存在内存限制问题
2. 数据安全问题：
  - 经典服务器宕机了，用户明明下单了，但是数据库里没看到

Redis消息队列

什么是消息队列？字面意思就是存放消息的队列，最简单的消息队列模型包括3个角色
1. 消息队列：存储和管理消息，也被称为消息代理（Message Broker）
2. 生产者：发送消息到消息队列
3. 消费者：从消息队列获取消息并处理消息
使用队列的好处在于解耦：举个例子，快递员(生产者)把快递放到驿站/快递柜里去(Message Queue)去，我们(消费者)从快递柜/驿站去拿快递，这就是一个异步，如果耦合，那么快递员必须亲自上楼把快递递到你手里，服务当然好，但是万一我不在家，快递员就得一直等我，浪费了快递员的时间。所以解耦还是非常有必要的
那么在这种场景下我们的秒杀就变成了：在我们下单之后，利用Redis去进行校验下单的结果，然后在通过队列把消息发送出去，然后在启动一个线程去拿到这个消息，完成解耦，同时也加快我们的响应速度
这里我们可以直接使用一些现成的(MQ)消息队列，如kafka，rabbitmq等，但是如果没有安装MQ，我们也可以使用Redis提供的MQ方案(学完Redis我就去学微服务)

Redis提供了三种不同的方式来实现消息队列：

list结构：基于List结构模拟消息队列

PubSub：基本的点对点消息模型

Stream：比较完善的消息队列模型

基于List实现消息队列

基于List结构模拟消息队列
消息队列(Message Queue)，字面意思就是存放消息的队列，而Redis的list数据结构是一个双向链表，很容易模拟出队列的效果
队列的入口和出口不在同一边，所以我们可以利用：LPUSH结合RPOP或者RPUSH结合LPOP来实现消息队列。
不过需要注意的是，当队列中没有消息时，RPOP和LPOP操作会返回NULL，而不像JVM阻塞队列那样会阻塞，并等待消息，所以我们这里应该使用BRPOP或者BLPOP来实现阻塞效果
基于List的消息队列有哪些优缺点？
- 优点
  1. 利用Redis存储，不受限于JVM内存上限
  2. 基于Redis的持久化机制，数据安全性有保障
  3. 可以满足消息有序性
- 缺点
  1. 无法避免消息丢失(经典服务器宕机)
  2. 只支持单消费者(一个消费者把消息拿走了，其他消费者就看不到这条消息了)

基于PubSub的消息队列

PubSub(发布订阅)是Redis2.0版本引入的消息传递模型。顾名思义，消费和可以订阅一个或多个channel，生产者向对应channel发送消息后，所有订阅者都能收到相关消息
SUBSCRIBE channel [channel]：订阅一个或多个频道
PUBLISH channel msg：向一个频道发送消息
PSUBSCRIBE pattern [pattern]：订阅与pattern格式匹配的所有频道

Subscribes the client to the given patterns.
Supported glob-style patterns:

h?flo subscribes to hello, hallo and hxllo
h*llo subscribes to hllo and heeeello
h[ae]llo subscribes to hello and hallo, but not hillo

Use \ to escape special characters if you want to match them verbatim.

基于PubSub的消息队列有哪些优缺点
- 优点：
  1. 采用发布订阅模型，支持多生产，多消费
- 缺点：
  1. 不支持数据持久化
  2. 无法避免消息丢失（如果向频道发送了消息，却没有人订阅该频道，那发送的这条消息就丢失了）
  3. 消息堆积有上限，超出时数据丢失（消费者拿到数据的时候处理的太慢，而发送消息发的太快）

基于Stream的消息队列

Stream是Redis 5.0引入的一种新数据类型，可以时间一个功能非常完善的消息队列
发送消息的命令

XADD key [NOMKSTREAM] [MAXLEN|MINID [=!~] threshold [LIMIT count]] *|ID field value [field value ...]

NOMKSTREAM
- 如果队列不存在，是否自动创建队列，默认是自动创建
[MAXLEN|MINID [=!~] threshold [LIMIT count]]
- 设置消息队列的最大消息数量，不设置则无上限
*|ID
- 消息的唯一id，*代表由Redis自动生成。格式是"时间戳-递增数字"，例如"114514114514-0"
field value [field value …]
- 发送到队列中的消息，称为Entry。格式就是多个key-value键值对
举例

## 创建名为users的队列，并向其中发送一个消息，内容是{name=jack, age=21}，并且使用Redis自动生成ID
XADD users * name jack age 21

读取消息的方式之一：XREAD

XREAD [COUNT count] [BLOCK milliseconds] STREAMS key [key ...] ID [ID ...]

[COUNT count]
- 每次读取消息的最大数量
[BLOCK milliseconds]
- 当没有消息时，是否阻塞，阻塞时长
STREAMS key [key …]
- 要从哪个队列读取消息，key就是队列名
ID [ID …]
- 起始ID，只返回大于该ID的消息
  - 0：表示从第一个消息开始
  - $：表示从最新的消息开始
例如：使用XREAD读取第一个消息

云服务器:0>XREAD COUNT 1 STREAMS users 0
1) 1) "users"
   2) 1) 1) "1667119621804-0"
         2) 1) "name"
            2) "jack"
            3) "age"
            4) "21"

例如：XREAD阻塞方式，读取最新消息

XREAD COUNT 2 BLOCK 10000 STREAMS users $

在业务开发中，我们可以使用循环调用的XREAD阻塞方式来查询最新消息，从而实现持续监听队列的效果，伪代码如下

while (true){
    //尝试读取队列中的消息，最多阻塞2秒
    Object msg = redis.execute("XREAD COUNT 1 BLOCK 2000 STREAMS users $");
    //没读取到，跳过下面的逻辑
    if(msg == null){
        continue;
    }
    //处理消息
    handleMessage(msg);
}

注意：当我们指定其实ID为$时，代表只能读取到最新消息，如果当我们在处理一条消息的过程中，又有超过1条以上的消息到达队列，那么下次获取的时候，也只能获取到最新的一条，会出现漏读消息的问题

STREAM类型消息队列的XREAD命令特点
1. 消息可回溯消息不消失
2. 一个消息可以被多个消费者读取
3. 可以阻塞读取
4. 有漏读消息的风险

基于Stream的消息队列–消费者组

消费者组(Consumer Group)：将多个消费者划分到一个组中，监听同一个队列，具备以下特点
1. 消息分流
  - 队列中的消息会分留给组内的不同消费者，而不是重复消费者，从而加快消息处理的速度
2. 消息标识
  - 消费者会维护一个标识，记录最后一个被处理的消息，哪怕消费者宕机重启，还会从标识之后读取消息，确保每一个消息都会被消费
3. 消息确认
  - 消费者获取消息后，消息处于pending状态，并存入一个pending-list，当处理完成后，需要通过XACK来确认消息，标记消息为已处理，才会从pending-list中移除
创建消费者组

XGROUP CREATE key groupName ID [MKSTREAM]

key
- 队列名称
groupName
- 消费者组名称
ID
- 起始ID标识，$代表队列中的最后一个消息，0代表队列中的第一个消息
MKSTREAM
- 队列不存在时自动创建队列

其他常见命令

删除指定的消费者组

XGROUP DESTORY key groupName

给指定的消费者组添加消费者

XGROUP CREATECONSUMER key groupName consumerName

删除消费者组中指定的消费者

XGROUP DELCONSUMER key groupName consumerName

从消费者组中读取消息

XREADGROUP GROUP group consumer [COUNT count] [BLOCK milliseconds] [NOACK] STREAMS key [keys ...] ID [ID ...]

group
- 消费者组名称
consumer
- 消费者名，如果消费者不存在，会自动创建一个消费者
count
- 本次查询的最大数量
BLOCK milliseconds
- 当前没有消息时的最大等待时间
NOACK
- 无需手动ACK，获取到消息后自动确认（一般不用，我们都是手动确认）
STREAMS key
- 指定队列名称
ID
- 获取消息的起始ID
  - >：从下一个未消费的消息开始(pending-list中)
  - 其他：根据指定id从pending-list中获取已消费但未确认的消息，例如0，是从pending-list中的第一个消息开始
消费者监听消息的基本思路

while(true){
    // 尝试监听队列，使用阻塞模式，最大等待时长为2000ms
    Object msg = redis.call("XREADGROUP GROUP g1 c1 COUNT 1 BLOCK 2000 STREAMS s1 >")
    if(msg == null){
        // 没监听到消息，重试
        continue;
    }
    try{
        //处理消息，完成后要手动确认ACK，ACK代码在handleMessage中编写
        handleMessage(msg);
    } catch(Exception e){
        while(true){
            //0表示从pending-list中的第一个消息开始，如果前面都ACK了，那么这里就不会监听到消息
            Object msg = redis.call("XREADGROUP GROUP g1 c1 COUNT 1 STREAMS s1 0");
            if(msg == null){
                //null表示没有异常消息，所有消息均已确认，结束循环
                break;
            }
            try{
                //说明有异常消息，再次处理
                handleMessage(msg);
            } catch(Exception e){
                //再次出现异常，记录日志，继续循环
                log.error("..");
                continue;
            }
        }
    }
}

STREAM类型消息队列的XREADGROUP命令的特点
1. 消息可回溯
2. 可以多消费者争抢消息，加快消费速度
3. 可以阻塞读取
4. 没有消息漏读风险
5. 有消息确认机制，保证消息至少被消费一次

	List	PubSub	Stream
消息持久化	支持	不支持	支持
阻塞读取	支持	支持	支持
消息堆积处理	受限于内存空间，可以利用多消费者加快处理	受限于消费者缓冲区	受限于队列长度，可以利用消费者组提高消费速度，减少堆积
消息确认机制	不支持	不支持	支持
消息回溯	不支持	不支持	支持

Stream消息队列实现异步秒杀下单

需求：
1. 创建一个Stream类型的消息队列，名为stream.orders
2. 修改之前的秒杀下单Lua脚本，在认定有抢购资格后，直接向stream.orders中添加消息，内容包含voucherId、userId、orderId
3. 项目启动时，开启一个线程任务，尝试获取stream.orders中的消息，完成下单
步骤一：创建一个Stream类型的消息队列，名为stream.orders

XGROUP CREATE stream.orders g1 0 MKSTREAM

lua脚本

local voucherPrefix = KEYS[1]
local voucherId = ARGV[1]
local orderPrefix = KEYS[2]
local userId = ARGV[2]
local orderId = ARGV[3]
local stockKey = voucherPrefix .. voucherId
local orderKey = orderPrefix .. voucherId

-- 判断库存是否充足
local stock = redis.call('get', stockKey)

-- 否 返回 1
if (tonumber(stock) < 1) then
    return 1
end

-- 判断用户是否下单
local ordered = redis.call('sismember', orderKey, userId)
-- 是 返回 2
if (ordered == 1) then
    return 2
end

-- 扣减库存
redis.call('incrby', stockKey, -1)

-- 将UserId存入当前优惠券的set集合
redis.call('sadd', orderKey, userId)

-- 发送消息到队列中 xadd stream.orders * k1 v1 k2 v2 ...
redis.call('xadd', 'stream.orders', '*', 'userId', userId, 'voucherId', voucherId, 'Id', orderId)

-- 返回 0
return 0

秒杀代码

/**
     * 执行优惠券秒杀操作。
     *
     * @param voucherId 优惠券ID
     * @return 返回操作结果，成功或失败的原因。
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 获取当前用户ID
        Long userId = UserHolder.getUser().getId();
        long orderId = redisIdWorker.nextId("order"); // 生成订单ID

        // 执行Redis脚本，检查优惠券库存并处理下单逻辑
        Long result = stringRedisTemplate.
                execute(SECKILL_SCRIPT,
                        Arrays.asList(SECKILL_STOCK_KEY, SECKILL_ORDER_KEY),
                        voucherId.toString(),
                        userId.toString(),
                        String.valueOf(orderId));

        // 根据脚本返回的结果，处理不同的业务逻辑
        if (result == 1) {
            // 优惠券库存不足
            return Result.fail("优惠券库存不足");
        } else if (result == 2) {
            // 用户重复下单
            return Result.fail("请勿重复下单");
        }

        // 若秒杀成功，则准备后续处理或返回成功结果
        proxy = (IVoucherOrderService) AopContext.currentProxy();

        return Result.ok(voucherId);
    }

订单处理线程

// 定义处理券订单的处理器，实现Runnable接口，用于在新线程中处理订单
    private class VoucherOrderHandler implements Runnable {

        @Override
        public void run() {
            // 持续读取和处理订单
            while (true) {
                try {
                    // 从Redis流中读取一条订单数据，阻塞2秒等待数据
                    List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
                            Consumer.from("g1", "c1"),
                            StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
                            StreamOffset.create(queueName, ReadOffset.lastConsumed())
                    );

                    // 如果没有读取到订单，继续循环等待
                    if(null == list || list.isEmpty()){
                        continue;
                    }

                    // 处理读取到的订单
                    MapRecord<String, Object, Object> record = list.get(0);
                    Map<Object, Object> value = record.getValue();
                    VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);

                    handleVoucherOrder(voucherOrder); // 处理订单

                    // 确认订单处理完成
                    stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());

                } catch (Exception e) {
                    // 记录订单处理异常，并尝试处理挂起的订单列表
                    log.error("处理订单异常", e);
                    handlePendingList();
                }
            }
        }
    }

ℹ️stringRedisTemplate.opsForStream().read

stringRedisTemplate.opsForStream().read(...): 这一部分是通过stringRedisTemplate对象获取操作Stream的接口，并调用read()方法来读取Stream中的数据。
Consumer.from("g1", "c1"): 使用Consumer.from()方法创建一个消费者。在Redis Stream中，消费者是由group name和consumer name组成的。这里指定了group name为"g1"，consumer name为"c1"。
StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)): 这里使用了StreamReadOptions类来设置读取Stream时的选项。count(1)表示一次最多读取一条消息，block(Duration.ofSeconds(2))表示在没有消息可读时，最长阻塞等待2秒。
StreamOffset.create(queueName, ReadOffset.lastConsumed()): 通过StreamOffset.create()方法创建一个StreamOffset对象，用于指定从Stream的哪个位置开始读取数据。这里使用了ReadOffset.lastConsumed()表示从上次消费的位置开始读取，queueName是Stream的名称。

处理订单

/**
     * 处理优惠券订单。
     *
     * @param voucherOrder 订单对象
     */
    private void handleVoucherOrder(VoucherOrder voucherOrder) {
        Long userId = voucherOrder.getUserId();
        RLock lock = redissonClient.getLock("lock:order:" + userId);

        // 尝试获取锁
        boolean locked = lock.tryLock();

        // 如果获取锁失败，则返回重复下单提示
        if (!locked) {
            log.error("用户重复下单，当前订单ID：{}，用户ID：{}", voucherOrder.getId(), userId);
            return;
        }

        try {
            proxy.createVoucherOrder(voucherOrder); // 调用代理对象的创建订单方法
        } catch (Exception e) {
            log.error("不允许重复下单", e);
        } finally {
            // 无论如何，都要释放锁
            lock.unlock();
        }
    }

创建订单

/**
     * 创建优惠券订单。
     * <p>
     * 该方法首先检查用户是否已经购买过该优惠券，如果已购买则不再创建订单。
     * 然后扣减优惠券库存，并保存订单信息至数据库。
     * </p>
     *
     * @param voucherOrder 优惠券订单对象
     */
    @Transactional
    @Override
    public void createVoucherOrder(VoucherOrder voucherOrder) {
        // 判断用户是否购买过
        Long userId = voucherOrder.getUserId();
        Long voucherId = voucherOrder.getVoucherId();

        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
        if (count > 0) {
            log.error("用户重复下单，用户ID：{}", userId);
            return;
        }

        // 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update() // 更新优惠券库存
                .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                .eq("voucher_id", voucherId) // 指定优惠券ID
                .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题

        if (!updated) { // 如果更新失败，则说明优惠券库存不足
            log.error("库存不足，优惠券ID：{}", voucherId);
            return;
        }

        save(voucherOrder); // 保存订单信息至数据库
    }

处理pending-list

/**
     * 处理挂起的订单列表。
     * 尝试从Redis流中读取并处理一条订单数据，如果失败则等待一段时间后再次尝试。
     */
    private void handlePendingList() {
        while (true) {
            try {
                // 从Redis流中读取一条未处理的订单数据，阻塞2秒等待数据
                List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
                        Consumer.from("g1", "c1"),
                        StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
                        StreamOffset.create(queueName, ReadOffset.from("0"))
                );

                // 如果没有读取到未处理的订单，退出循环
                if(null == list || list.isEmpty()){
                    break;
                }

                // 处理读取到的未处理订单
                MapRecord<String, Object, Object> record = list.get(0);
                Map<Object, Object> value = record.getValue();
                VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);

                handleVoucherOrder(voucherOrder); // 处理订单

                // 确认订单处理完成
                stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());

            } catch (Exception e) {
                // 记录处理挂起订单异常，等待一段时间后再次尝试
                log.error("处理挂起订单异常", e);
                try {
                    Thread.sleep(20); // 等待20毫秒后再次尝试
                } catch (InterruptedException ex) {
                    throw new RuntimeException(ex);
                }
            }
        }
    }

完整

package com.hmdp.service.impl;

import cn.hutool.core.bean.BeanUtil;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.dto.Result;
import com.hmdp.entity.VoucherOrder;
import com.hmdp.mapper.VoucherOrderMapper;
import com.hmdp.service.ISeckillVoucherService;
import com.hmdp.service.IVoucherOrderService;
import com.hmdp.utils.RedisIdWorker;
import com.hmdp.utils.UserHolder;
import lombok.extern.slf4j.Slf4j;
import org.redisson.api.RLock;
import org.redisson.api.RedissonClient;
import org.springframework.aop.framework.AopContext;
import org.springframework.core.io.ClassPathResource;
import org.springframework.data.redis.connection.stream.*;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.script.DefaultRedisScript;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.PostConstruct;
import javax.annotation.Resource;
import java.time.Duration;
import java.util.Arrays;
import java.util.List;
import java.util.Map;
import java.util.concurrent.ExecutorService;
import java.util.concurrent.Executors;

import static com.hmdp.utils.RedisConstants.SECKILL_ORDER_KEY;
import static com.hmdp.utils.RedisConstants.SECKILL_STOCK_KEY;

/**
 * 优惠券订单服务的实现类。
 * <p>
 * 实现了秒杀优惠券的功能，包括校验秒杀时间、库存是否充足，扣减库存，并创建订单。
 * 在创建订单时，使用了分布式ID生成器生成唯一订单ID。
 * 使用了事务进行操作，保证秒杀优惠券的一致性。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/16 9:44
 */

@Slf4j
@Service
public class VoucherOrderServiceImpl extends ServiceImpl<VoucherOrderMapper, VoucherOrder> implements IVoucherOrderService {

    // 定义一个用于秒杀活动的Redis脚本
    private static final DefaultRedisScript<Long> SECKILL_SCRIPT;
    // 线程池(单线程)
    private static final ExecutorService SECKILL_ORDER_EXECUTOR = Executors.newSingleThreadExecutor();

    // 初始化释放锁的Lua脚本
    static {
        SECKILL_SCRIPT = new DefaultRedisScript<>();
        SECKILL_SCRIPT.setLocation(new ClassPathResource("seckill.lua")); // 设置Lua脚本的位置
        SECKILL_SCRIPT.setResultType(Long.class); // 设置脚本执行结果的类型为Long
    }

    // 注入相关的业务和服务层对象
    @Resource
    private ISeckillVoucherService seckillVoucherService;
    @Resource
    private RedisIdWorker redisIdWorker; // 分布式ID生成器
    @Resource
    private StringRedisTemplate stringRedisTemplate; // Redis操作模板
    @Resource
    private RedissonClient redissonClient; // Redisson客户端
    private IVoucherOrderService proxy;

    private String queueName = "stream.orders";

    /**
     * 构造函数后初始化方法，启动处理订单任务的线程。
     */
    @PostConstruct
    private void init() {
        SECKILL_ORDER_EXECUTOR.submit(new VoucherOrderHandler());
    }

    /**
     * 处理优惠券订单。
     *
     * @param voucherOrder 订单对象
     */
    private void handleVoucherOrder(VoucherOrder voucherOrder) {
        Long userId = voucherOrder.getUserId();
        RLock lock = redissonClient.getLock("lock:order:" + userId);

        // 尝试获取锁
        boolean locked = lock.tryLock();

        // 如果获取锁失败，则返回重复下单提示
        if (!locked) {
            log.error("用户重复下单，当前订单ID：{}，用户ID：{}", voucherOrder.getId(), userId);
            return;
        }

        try {
            proxy.createVoucherOrder(voucherOrder); // 调用代理对象的创建订单方法
        } catch (Exception e) {
            log.error("不允许重复下单", e);
        } finally {
            // 无论如何，都要释放锁
            lock.unlock();
        }
    }



    // 定义处理券订单的处理器，实现Runnable接口，用于在新线程中处理订单
    private class VoucherOrderHandler implements Runnable {

        @Override
        public void run() {
            // 持续读取和处理订单
            while (true) {
                try {
                    // 从Redis流中读取一条订单数据，阻塞2秒等待数据
                    List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
                            Consumer.from("g1", "c1"),
                            StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
                            StreamOffset.create(queueName, ReadOffset.lastConsumed())
                    );

                    // 如果没有读取到订单，继续循环等待
                    if(null == list || list.isEmpty()){
                        continue;
                    }

                    // 处理读取到的订单
                    MapRecord<String, Object, Object> record = list.get(0);
                    Map<Object, Object> value = record.getValue();
                    VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);

                    handleVoucherOrder(voucherOrder); // 处理订单

                    // 确认订单处理完成
                    stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());

                } catch (Exception e) {
                    // 记录订单处理异常，并尝试处理挂起的订单列表
                    log.error("处理订单异常", e);
                    handlePendingList();
                }
            }
        }
    }

    /**
     * 处理挂起的订单列表。
     * 尝试从Redis流中读取并处理一条订单数据，如果失败则等待一段时间后再次尝试。
     */
    private void handlePendingList() {
        while (true) {
            try {
                // 从Redis流中读取一条未处理的订单数据，阻塞2秒等待数据
                List<MapRecord<String, Object, Object>> list = stringRedisTemplate.opsForStream().read(
                        Consumer.from("g1", "c1"),
                        StreamReadOptions.empty().count(1).block(Duration.ofSeconds(2)),
                        StreamOffset.create(queueName, ReadOffset.from("0"))
                );

                // 如果没有读取到未处理的订单，退出循环
                if(null == list || list.isEmpty()){
                    break;
                }

                // 处理读取到的未处理订单
                MapRecord<String, Object, Object> record = list.get(0);
                Map<Object, Object> value = record.getValue();
                VoucherOrder voucherOrder = BeanUtil.fillBeanWithMap(value, new VoucherOrder(), true);

                handleVoucherOrder(voucherOrder); // 处理订单

                // 确认订单处理完成
                stringRedisTemplate.opsForStream().acknowledge(queueName, "g1", record.getId());

            } catch (Exception e) {
                // 记录处理挂起订单异常，等待一段时间后再次尝试
                log.error("处理挂起订单异常", e);
                try {
                    Thread.sleep(20); // 等待20毫秒后再次尝试
                } catch (InterruptedException ex) {
                    throw new RuntimeException(ex);
                }
            }
        }
    }


    /**
     * 执行优惠券秒杀操作。
     *
     * @param voucherId 优惠券ID
     * @return 返回操作结果，成功或失败的原因。
     */
    @Override
    public Result seckillVoucher(Long voucherId) {
        // 获取当前用户ID
        Long userId = UserHolder.getUser().getId();
        long orderId = redisIdWorker.nextId("order"); // 生成订单ID

        // 执行Redis脚本，检查优惠券库存并处理下单逻辑
        Long result = stringRedisTemplate.
                execute(SECKILL_SCRIPT,
                        Arrays.asList(SECKILL_STOCK_KEY, SECKILL_ORDER_KEY),
                        voucherId.toString(),
                        userId.toString(),
                        String.valueOf(orderId));

        // 根据脚本返回的结果，处理不同的业务逻辑
        if (result == 1) {
            // 优惠券库存不足
            return Result.fail("优惠券库存不足");
        } else if (result == 2) {
            // 用户重复下单
            return Result.fail("请勿重复下单");
        }

        // 若秒杀成功，则准备后续处理或返回成功结果
        proxy = (IVoucherOrderService) AopContext.currentProxy();

        return Result.ok(voucherId);
    }


    /**
     * 创建优惠券订单。
     * <p>
     * 该方法首先检查用户是否已经购买过该优惠券，如果已购买则不再创建订单。
     * 然后扣减优惠券库存，并保存订单信息至数据库。
     * </p>
     *
     * @param voucherOrder 优惠券订单对象
     */
    @Transactional
    @Override
    public void createVoucherOrder(VoucherOrder voucherOrder) {
        // 判断用户是否购买过
        Long userId = voucherOrder.getUserId();
        Long voucherId = voucherOrder.getVoucherId();

        Integer count = query().eq("user_id", userId).eq("voucher_id", voucherId).count(); // 查询指定用户是否已购买过指定优惠券
        if (count > 0) {
            log.error("用户重复下单，用户ID：{}", userId);
            return;
        }

        // 扣减库存 解决超卖问题
        boolean updated = seckillVoucherService.update() // 更新优惠券库存
                .setSql("stock = stock - 1") // 设置更新语句，减少一张优惠券库存
                .eq("voucher_id", voucherId) // 指定优惠券ID
                .gt("stock", 0).update(); // 设置库存大于0时才进行更新，解决超卖问题

        if (!updated) { // 如果更新失败，则说明优惠券库存不足
            log.error("库存不足，优惠券ID：{}", voucherId);
            return;
        }

        save(voucherOrder); // 保存订单信息至数据库
    }
}

达人探店

发布探店笔记

对应的数据表

tb_blo
探店店笔记表，包含笔记中的标题、文字、图片等

Field	Type	Collation	Null	Key	Default	Extra	Comment
id	bigint unsigned	(NULL)	NO	PRI	(NULL)	auto_increment	主键
shop_id	bigint	(NULL)	NO		(NULL)		商户id
user_id	bigint unsigned	(NULL)	NO		(NULL)		用户id
title	varchar(255)	utf8mb4_unicode_ci	NO		(NULL)		标题
images	varchar(2048)	utf8mb4_general_ci	NO		(NULL)		探店的照片，最多9张，多张以","隔开
content	varchar(2048)	utf8mb4_unicode_ci	NO		(NULL)		探店的文字描述
liked	int unsigned	(NULL)	YES		0		点赞数量
comments	int unsigned	(NULL)	YES		(NULL)		评论数量
create_time	timestamp	(NULL)	NO		CURRENT_TIMESTAMP	DEFAULT_GENERATED	创建时间
update_time	timestamp	(NULL)	NO		CURRENT_TIMESTAMP	DEFAULT_GENERATED on update CURRENT_TIMESTAMP	更新时间

tb_blog_comments
其他用户对探店笔记的评价

Field	Type	Collation	Null	Key	Default	Extra	Comment
id	bigint unsigned	(NULL)	NO	PRI	(NULL)	auto_increment	主键
user_id	bigint unsigned	(NULL)	NO		(NULL)		用户id
blog_id	bigint unsigned	(NULL)	NO		(NULL)		探店id
parent_id	bigint unsigned	(NULL)	NO		(NULL)		关联的1级评论id，如果是一级评论，则值为0
answer_id	bigint unsigned	(NULL)	NO		(NULL)		回复的评论id
content	varchar(255)	utf8mb4_general_ci	NO		(NULL)		回复的内容
liked	int unsigned	(NULL)	YES		(NULL)		点赞数
status	tinyint unsigned	(NULL)	YES		(NULL)		状态，0：正常，1：被举报，2：禁止查看
create_time	timestamp	(NULL)	NO		CURRENT_TIMESTAMP	DEFAULT_GENERATED	创建时间
update_time	timestamp	(NULL)	NO		CURRENT_TIMESTAMP	DEFAULT_GENERATED on update CURRENT_TIMESTAMP	更新时间

对应的实体类，数据表中并没有用户头像和用户昵称，但是对应的实体类里却有，这是因为使用了@TableField(exist = false) 用来解决实体类中有的属性但是数据表中没有的字段

@Data
@EqualsAndHashCode(callSuper = false)
@Accessors(chain = true)
@TableName("tb_blog")
public class Blog implements Serializable {

    private static final long serialVersionUID = 1L;

    /**
     * 主键
     */
    @TableId(value = "id", type = IdType.AUTO)
    private Long id;
    /**
     * 商户id
     */
    private Long shopId;
    /**
     * 用户id
     */
    private Long userId;
    /**
     * 用户图标
     */
    @TableField(exist = false)
    private String icon;
    /**
     * 用户姓名
     */
    @TableField(exist = false)
    private String name;
    /**
     * 是否点赞过了
     */
    @TableField(exist = false)
    private Boolean isLike;

    /**
     * 标题
     */
    private String title;

    /**
     * 探店的照片，最多9张，多张以","隔开
     */
    private String images;

    /**
     * 探店的文字描述
     */
    private String content;

    /**
     * 点赞数量
     */
    private Integer liked;

    /**
     * 评论数量
     */
    private Integer comments;

    /**
     * 创建时间
     */
    private LocalDateTime createTime;

    /**
     * 更新时间
     */
    private LocalDateTime updateTime;
}

效果图如下
对应的代码

@PostMapping
public Result saveBlog(@RequestBody Blog blog) {
    // 获取登录用户
    UserDTO user = UserHolder.getUser();
    blog.setUserId(user.getId());
    // 保存探店博文
    blogService.save(blog);
    // 返回id
    return Result.ok(blog.getId());
}

上传图片的代码

@PostMapping("blog")
public Result uploadImage(@RequestParam("file") MultipartFile image) {
    try {
        // 获取原始文件名称
        String originalFilename = image.getOriginalFilename();
        // 生成新文件名
        String fileName = createNewFileName(originalFilename);
        // 保存文件
        image.transferTo(new File(SystemConstants.IMAGE_UPLOAD_DIR, fileName));
        // 返回结果
        log.debug("文件上传成功，{}", fileName);
        return Result.ok(fileName);
    } catch (IOException e) {
        throw new RuntimeException("文件上传失败", e);
    }
}

注意：这里我们需要修改SystemConstants.IMAGE_UPLOAD_DIR 为自己图片所在的地址，在实际开发中图片一般会放在nginx上或者是云存储上。

查看探店笔记

BlogController

    @GetMapping("/hot")
    public Result queryHotBlog(@RequestParam(value = "current", defaultValue = "1") Integer current) {
        return blogService.queryHotBlog(current);
    }

    @GetMapping("/{id}")
    public Result queryById(@PathVariable Long id){
        return blogService.queryById(id);
    }

BlogServiceImpl实现类

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.hmdp.dto.Result;
import com.hmdp.entity.Blog;
import com.hmdp.entity.User;
import com.hmdp.mapper.BlogMapper;
import com.hmdp.service.IBlogService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.service.IUserService;
import com.hmdp.utils.SystemConstants;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;
import java.util.List;

@Service // 标示一个Spring框架的服务组件
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {
    @Resource // 引入IUserService接口，用于用户信息的查询
    private IUserService userService;

    @Resource IBlogService blogService;

    /**
     * 通过博客ID查询博客信息。
     * @param id 博客的唯一标识符。
     * @return 返回查询结果，如果博客存在则返回成功的查询结果，否则返回失败结果。
     */
    @Override
    public Result queryById(Long id) {
        // 通过ID查询博客
        Blog blog = getById(id);

        // 判断博客是否存在，不存在则返回失败结果
        if(null == blog){
            return Result.fail("评价不存在");
        }

        // 查询博客所属用户的信息，并设置到博客对象中
        queryBlogUser(blog);

        // 返回成功的查询结果，包含博客信息
        return Result.ok(blog);
    }

    @Override
    public Result queryHotBlog(Integer current) {
        // 根据用户查询
        Page<Blog> page = blogService.query()
                .orderByDesc("liked")
                .page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));
        // 获取当前页数据
        List<Blog> records = page.getRecords();
        // 查询用户
        records.forEach(this::queryBlogUser);
        return Result.ok(records);
    }

    /**
     * 查询博客所属用户的用户名和头像，并设置到博客对象中。
     * @param blog 博客对象，需要查询其用户信息。
     */
    private void queryBlogUser(Blog blog) {
        Long userId = blog.getUserId();
        User user = userService.getById(userId); // 查询用户信息
        blog.setName(user.getNickName()); // 设置博客作者昵称
        blog.setIcon(user.getIcon()); // 设置博客作者头像链接
    }
}

点赞功能

点击点赞按钮，查看发送的请求

请求网址: http://localhost:8080/api/blog/like/4
请求方法: PUT

源码如下

@PutMapping("/like/{id}")
public Result likeBlog(@PathVariable("id") Long id) {
    // 修改点赞数量
    blogService.update().setSql("liked = liked + 1").eq("id", id).update();
    return Result.ok();
}

问题分析：这种方式会导致一个用户无限点赞，明显是不合理的
造成这个问题的原因是，我们现在的逻辑，发起请求只是给数据库+1，所以才会出现这个问题
需求：
- 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：
- 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，赋值给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
修改完毕之后，页面上还不能立即显示点赞完毕的后果，我们还需要修改查询Blog业务，判断Blog是否被当前用户点赞过

package com.hmdp.service.impl;

import cn.hutool.core.util.BooleanUtil;
import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.hmdp.dto.Result;
import com.hmdp.entity.Blog;
import com.hmdp.entity.User;
import com.hmdp.mapper.BlogMapper;
import com.hmdp.service.IBlogService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.service.IUserService;
import com.hmdp.utils.SystemConstants;
import com.hmdp.utils.UserHolder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;
import java.util.List;

/**
 * 博客服务实现类。
 * <p>
 * 提供了博客相关的业务逻辑实现，包括查询博客、点赞博客等操作。
 * 同时，实现了与用户服务的交互，用于获取博客作者的用户信息。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/18 16:07
 */
@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {

    @Resource
    private IUserService userService; // 注入用户服务，用于查询用户信息

    @Resource
    private IBlogService blogService; // 博客服务，用于调用博客相关操作

    @Resource
    private StringRedisTemplate stringRedisTemplate; // 注入Redis模板，用于处理点赞逻辑

    /**
     * 通过博客ID查询博客信息。
     * <p>
     * 该方法首先通过博客ID从数据库查询博客信息，如果博客存在，则进一步查询博客所属用户的信息，
     * 并设置到博客对象中。同时，检查当前用户是否已点赞该博客，并设置相应的点赞状态。
     * </p>
     *
     * @param id 博客的唯一标识符。
     * @return 返回查询结果，如果博客存在则返回成功的查询结果，否则返回失败结果。
     */
    @Override
    public Result queryById(Long id) {
        Blog blog = getById(id);
        if (blog == null) {
            return Result.fail("博客不存在");
        }

        queryBlogUser(blog); // 查询并设置博客作者的用户信息
        isBlogLiked(blog); // 检查并设置博客的点赞状态

        return Result.ok(blog); // 返回成功的查询结果
    }

    /**
     * 检查并设置博客的点赞状态。
     * <p>
     * 根据当前登录用户和博客ID，检查用户是否已点赞该博客，并设置博客的点赞状态。
     * </p>
     *
     * @param blog 需要检查点赞状态的博客对象。
     */
    private void isBlogLiked(Blog blog) {
        String blogKey = "blog:liked" + blog.getId(); // 构建Redis中的键名
        Long userId = UserHolder.getUser().getId(); // 获取当前用户ID

        Boolean isLiked = stringRedisTemplate.opsForSet().isMember(blogKey, String.valueOf(userId)); // 检查用户是否点赞
        blog.setIsLike(BooleanUtil.isTrue(isLiked)); // 设置博客的点赞状态
    }

    /**
     * 查询热门博客列表。
     * <p>
     * 分页查询热门博客，并对每篇博客查询并设置用户信息和点赞状态。
     * </p>
     *
     * @param current 当前页码。
     * @return 返回热门博客的查询结果。
     */
    @Override
    public Result queryHotBlog(Integer current) {
        Page<Blog> page = blogService.query()
                .orderByDesc("liked") // 按照点赞数降序排序
                .page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE)); // 创建分页对象

        List<Blog> records = page.getRecords();
        records.forEach(blog -> {
            queryBlogUser(blog); // 为每篇博客查询并设置用户信息
            isBlogLiked(blog); // 为每篇博客检查并设置点赞状态
        });

        return Result.ok(records); // 返回热门博客列表
    }

    /**
     * 点赞博客操作。
     * <p>
     * 根据用户是否已点赞该博客，执行点赞或取消点赞操作，并更新Redis和数据库中的点赞状态。
     * </p>
     *
     * @param id 博客的ID。
     * @return 返回操作结果，包含更新后的博客信息。
     */
    @Override
    public Result likeBlog(Long id) {
        String blogKey = "blog:liked" + id; // 构建Redis中的键名
        Long userId = UserHolder.getUser().getId(); // 获取当前用户ID

        Boolean isLiked = stringRedisTemplate.opsForSet().isMember(blogKey, String.valueOf(userId)); // 检查用户是否已点赞

        Blog blog = getById(id); // 从数据库获取博客信息

        if (!isLiked) {
            // 如果未点赞，则进行点赞操作
            stringRedisTemplate.opsForSet().add(blogKey, String.valueOf(userId)); // 在Redis中添加用户ID
            update()
                    .setSql("liked = liked + 1") // 更新数据库中的点赞数
                    .eq("id", id)
                    .update();
        } else {
            // 如果已点赞，则进行取消点赞操作
            stringRedisTemplate.opsForSet().remove(blogKey, String.valueOf(userId)); // 从Redis中移除用户ID
            update()
                    .setSql("liked = liked - 1") // 更新数据库中的点赞数
                    .eq("id", id)
                    .update();
        }

        return Result.ok(blog); // 返回操作结果，包含更新后的博客信息
    }

    /**
     * 查询博客所属用户的用户名和头像，并设置到博客对象中。
     * <p>
     * 该方法通过博客的用户ID查询用户服务，获取用户信息，并设置到博客对象中。
     * </p>
     *
     * @param blog 博客对象，需要查询其用户信息。
     */
    private void queryBlogUser(Blog blog) {
        User user = userService.getById(blog.getUserId()); // 查询用户信息
        blog.setName(user.getNickName()); // 设置博客作者昵称
        blog.setIcon(user.getIcon()); // 设置博客作者头像链接
    }
}

点赞排行榜

当我们点击探店笔记详情页面时，应该按点赞顺序展示点赞用户，比如显示最早点赞的TOP5，形成点赞排行榜，就跟QQ空间发的说说一样，可以看到有哪些人点了赞
之前的点赞是放到Set集合中，但是Set集合又不能排序，所以这个时候，我们就可以改用SortedSet(Zset)
那我们这里顺便就来对比一下这些集合的区别

	List	Set	SortedSet
排序方式	按添加顺序排序	无法排序	根据score值排序
唯一性	不唯一	唯一	唯一
查找方式	按索引查找或首尾查找	根据元素查找	根据元素查找

修改BlogServiceImpl
由于ZSet没有isMember方法，所以这里只能通过查询score来判断集合中是否有该元素，如果有该元素，则返回值是对应的score，如果没有该元素，则返回值为null

    /**
     * 点赞博客操作。
     * <p>
     * 根据用户是否已点赞该博客，执行点赞或取消点赞操作，并更新Redis和数据库中的点赞状态。
     * </p>
     *
     * @param id 博客的ID。
     * @return 返回操作结果，包含更新后的博客信息。
     */
    @Override
    public Result likeBlog(Long id) {
        String blogKey = BLOG_LIKED_KEY + id; // 构建Redis中的键名
        Long userId = UserHolder.getUser().getId(); // 获取当前用户ID

        Double score = stringRedisTemplate.opsForZSet().score(blogKey, String.valueOf(userId));

        if (null == score) {
            // 如果未点赞，则进行点赞操作
            stringRedisTemplate.opsForZSet().add(blogKey, String.valueOf(userId), System.currentTimeMillis()); // 在Redis中添加用户ID
            update()
                    .setSql("liked = liked + 1") // 更新数据库中的点赞数
                    .eq("id", id)
                    .update();
        } else {
            // 如果已点赞，则进行取消点赞操作
            stringRedisTemplate.opsForZSet().remove(blogKey, String.valueOf(userId)); // 从Redis中移除用户ID
            update()
                    .setSql("liked = liked - 1") // 更新数据库中的点赞数
                    .eq("id", id)
                    .update();
        }

        return Result.ok();
    }

同时修改isBlogLiked方法，在原有逻辑上，判断用户是否已登录，登录状态下才会继续判断用户是否点赞

    /**
     * 检查并设置博客的点赞状态。
     * <p>
     * 根据当前登录用户和博客ID，检查用户是否已点赞该博客，并设置博客的点赞状态。
     * </p>
     *
     * @param blog 需要检查点赞状态的博客对象。
     */
    private void isBlogLiked(Blog blog) {

        UserDTO userDTO = UserHolder.getUser();

        if(null == userDTO){
            return;
        }

        String blogKey = BLOG_LIKED_KEY + blog.getId(); // 构建Redis中的键名
        Long userId = UserHolder.getUser().getId(); // 获取当前用户ID

        Double score = stringRedisTemplate.opsForZSet().score(blogKey, String.valueOf(userId));

        blog.setIsLike(score != null); // 设置博客的点赞状态
    }

继续来完善显示点赞列表功能，查看浏览器请求，这个请求目前应该是404的，因为我们还没有写，他需要一个list返回值，显示top5点赞的用户

请求网址: http://localhost:8080/api/blog/likes/4
请求方法: GET

在Controller层中编写对应的方法，点赞查询列表，具体逻辑写到BlogServiceImpl中

@GetMapping("/likes/{id}")
public Result queryBlogLikes(@PathVariable Integer id){
    return blogService.queryBlogLikes(id);
}

    /**
     * 查询给定博客的点赞用户列表。
     * <p>
     * 该方法使用Redis的有序集合（sorted set）来存储点赞用户的信息，可以获取top 5的点赞用户。
     * </p>
     *
     * @param id 博客的唯一标识符。
     * @return 返回一个包含top 5点赞用户的列表的结果对象。
     */
    @Override
    public Result queryBlogLikes(Long id) {
        // 构建Redis中的键名，用于存储博客点赞用户的有序集合
        String blogKey = BLOG_LIKED_KEY + id;

        // 使用Redis的range方法查询top 5的点赞用户
        Set<String> top5 = stringRedisTemplate.opsForZSet().range(blogKey, 0, 4);

        // 如果top 5的点赞用户不存在或为空，则返回空的点赞用户列表
        if (CollectionUtils.isEmpty(top5)) {
            return Result.ok(Collections.emptyList());
        }

        // 将Set集合转换为Long类型的ID列表
        List<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());

        //将ids使用`,`拼接，SQL语句查询出来的结果并不是按照我们期望的方式进行排
        //所以我们需要用order by field来指定排序方式，期望的排序方式就是按照查询出来的id进行排序
        String idsStr = StrUtil.join(",", ids);

        // 通过ID列表从用户服务查询用户信息，并将查询结果转换为UserDTO列表
        List<UserDTO> userDTOS = userService.query().in("id", ids)
                .last("order by field(id," + idsStr + ")")
                .list().stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());

        // 返回包含top 5点赞用户信息的列表的结果对象
        return Result.ok(userDTOS);
    }

ℹ️为什么要拼接字符串

String idsStr = StrUtil.join(",", ids);: 这一行代码使用了工具类 StrUtil 的 join() 方法，将 ids 列表中的元素用逗号连接起来，生成一个字符串。这样生成的字符串形式类似于 "1,2,3,4,5"，其中的数字是 ids 列表中的元素。
通过 userService.query() 查询用户信息，条件是 id 在 ids 列表中，这里使用了 in() 方法。
last("order by field(id," + idsStr + ")"): 这里使用了 last() 方法来设置 SQL 查询语句的最后部分，使用了 order by field() 子句，按照 idsStr 中元素的顺序对结果进行排序。field() 函数的作用是根据指定的字段值的顺序对结果集进行排序。拼接字符串的目的是将 idsStr 中的元素作为排序的依据。
将查询结果转换为 UserDTO 对象的列表，这里使用了 Java 8 中的流式操作，通过 map() 方法将 User 对象转换为 UserDTO 对象，然后通过 collect() 方法收集到一个列表中。

总的来说，这段代码的目的是根据给定的 ids 列表，按照列表中元素的顺序查询对应的用户信息，并将查询结果转换为 UserDTO 对象的列表。拼接字符串是为了将列表中的元素顺序传递给 SQL 查询语句，以便按照指定顺序进行排序。

完整

package com.hmdp.service.impl;

import cn.hutool.core.bean.BeanUtil;
import cn.hutool.core.util.BooleanUtil;
import cn.hutool.core.util.StrUtil;
import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper;
import com.baomidou.mybatisplus.core.toolkit.CollectionUtils;
import com.baomidou.mybatisplus.extension.plugins.pagination.Page;
import com.hmdp.dto.Result;
import com.hmdp.dto.UserDTO;
import com.hmdp.entity.Blog;
import com.hmdp.entity.User;
import com.hmdp.mapper.BlogMapper;
import com.hmdp.service.IBlogService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.service.IUserService;
import com.hmdp.utils.SystemConstants;
import com.hmdp.utils.UserHolder;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.data.redis.core.ZSetOperations;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;
import java.util.Collections;
import java.util.List;
import java.util.Set;
import java.util.stream.Collectors;
import java.util.stream.Stream;

import static com.hmdp.utils.RedisConstants.BLOG_LIKED_KEY;

/**
 * 博客服务实现类。
 * <p>
 * 提供了博客相关的业务逻辑实现，包括查询博客、点赞博客等操作。
 * 同时，实现了与用户服务的交互，用于获取博客作者的用户信息。
 * </p>
 *
 * @author CharmingDaiDai
 * @since 2024/4/18 16:07
 */
@Service
public class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {

    @Resource
    private IUserService userService; // 注入用户服务，用于查询用户信息

    @Resource
    private IBlogService blogService; // 博客服务，用于调用博客相关操作

    @Resource
    private StringRedisTemplate stringRedisTemplate; // 注入Redis模板，用于处理点赞逻辑

    /**
     * 通过博客ID查询博客信息。
     * <p>
     * 该方法首先通过博客ID从数据库查询博客信息，如果博客存在，则进一步查询博客所属用户的信息，
     * 并设置到博客对象中。同时，检查当前用户是否已点赞该博客，并设置相应的点赞状态。
     * </p>
     *
     * @param id 博客的唯一标识符。
     * @return 返回查询结果，如果博客存在则返回成功的查询结果，否则返回失败结果。
     */
    @Override
    public Result queryById(Long id) {
        Blog blog = getById(id);
        if (blog == null) {
            return Result.fail("博客不存在");
        }

        queryBlogUser(blog); // 查询并设置博客作者的用户信息
        isBlogLiked(blog); // 检查并设置博客的点赞状态

        return Result.ok(blog); // 返回成功的查询结果
    }

    /**
     * 检查并设置博客的点赞状态。
     * <p>
     * 根据当前登录用户和博客ID，检查用户是否已点赞该博客，并设置博客的点赞状态。
     * </p>
     *
     * @param blog 需要检查点赞状态的博客对象。
     */
    private void isBlogLiked(Blog blog) {

        UserDTO userDTO = UserHolder.getUser();

        if(null == userDTO){
            return;
        }

        String blogKey = BLOG_LIKED_KEY + blog.getId(); // 构建Redis中的键名
        Long userId = UserHolder.getUser().getId(); // 获取当前用户ID

        Double score = stringRedisTemplate.opsForZSet().score(blogKey, String.valueOf(userId));

        blog.setIsLike(score != null); // 设置博客的点赞状态
    }

    /**
     * 查询热门博客列表。
     * <p>
     * 分页查询热门博客，并对每篇博客查询并设置用户信息和点赞状态。
     * </p>
     *
     * @param current 当前页码。
     * @return 返回热门博客的查询结果。
     */
    @Override
    public Result queryHotBlog(Integer current) {
        Page<Blog> page = blogService.query()
                .orderByDesc("liked") // 按照点赞数降序排序
                .page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE)); // 创建分页对象

        List<Blog> records = page.getRecords();
        records.forEach(blog -> {
            queryBlogUser(blog); // 为每篇博客查询并设置用户信息
            isBlogLiked(blog); // 为每篇博客检查并设置点赞状态
        });

        return Result.ok(records); // 返回热门博客列表
    }

    /**
     * 点赞博客操作。
     * <p>
     * 根据用户是否已点赞该博客，执行点赞或取消点赞操作，并更新Redis和数据库中的点赞状态。
     * </p>
     *
     * @param id 博客的ID。
     * @return 返回操作结果，包含更新后的博客信息。
     */
    @Override
    public Result likeBlog(Long id) {
        String blogKey = BLOG_LIKED_KEY + id; // 构建Redis中的键名
        Long userId = UserHolder.getUser().getId(); // 获取当前用户ID

        Double score = stringRedisTemplate.opsForZSet().score(blogKey, String.valueOf(userId));

        if (null == score) {
            // 如果未点赞，则进行点赞操作
            stringRedisTemplate.opsForZSet().add(blogKey, String.valueOf(userId), System.currentTimeMillis()); // 在Redis中添加用户ID
            update()
                    .setSql("liked = liked + 1") // 更新数据库中的点赞数
                    .eq("id", id)
                    .update();
        } else {
            // 如果已点赞，则进行取消点赞操作
            stringRedisTemplate.opsForZSet().remove(blogKey, String.valueOf(userId)); // 从Redis中移除用户ID
            update()
                    .setSql("liked = liked - 1") // 更新数据库中的点赞数
                    .eq("id", id)
                    .update();
        }

        return Result.ok();
    }

    /**
     * 查询给定博客的点赞用户列表。
     * <p>
     * 该方法使用Redis的有序集合（sorted set）来存储点赞用户的信息，可以获取top 5的点赞用户。
     * </p>
     *
     * @param id 博客的唯一标识符。
     * @return 返回一个包含top 5点赞用户的列表的结果对象。
     */
    @Override
    public Result queryBlogLikes(Long id) {
        // 构建Redis中的键名，用于存储博客点赞用户的有序集合
        String blogKey = BLOG_LIKED_KEY + id;

        // 使用Redis的range方法查询top 5的点赞用户
        Set<String> top5 = stringRedisTemplate.opsForZSet().range(blogKey, 0, 4);

        // 如果top 5的点赞用户不存在或为空，则返回空的点赞用户列表
        if (CollectionUtils.isEmpty(top5)) {
            return Result.ok(Collections.emptyList());
        }

        // 将Set集合转换为Long类型的ID列表
        List<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());

        //将ids使用`,`拼接，SQL语句查询出来的结果并不是按照我们期望的方式进行排
        //所以我们需要用order by field来指定排序方式，期望的排序方式就是按照查询出来的id进行排序
        String idsStr = StrUtil.join(",", ids);

        // 通过ID列表从用户服务查询用户信息，并将查询结果转换为UserDTO列表
        List<UserDTO> userDTOS = userService.query().in("id", ids)
                .last("order by field(id," + idsStr + ")")
                .list().stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());

        // 返回包含top 5点赞用户信息的列表的结果对象
        return Result.ok(userDTOS);
    }

    /**
     * 查询博客所属用户的用户名和头像，并设置到博客对象中。
     * <p>
     * 该方法通过博客的用户ID查询用户服务，获取用户信息，并设置到博客对象中。
     * </p>
     *
     * @param blog 博客对象，需要查询其用户信息。
     */
    private void queryBlogUser(Blog blog) {
        User user = userService.getById(blog.getUserId()); // 查询用户信息
        blog.setName(user.getNickName()); // 设置博客作者昵称
        blog.setIcon(user.getIcon()); // 设置博客作者头像链接
    }
}

好友关注

FollowController中定义

package com.hmdp.controller;

import com.hmdp.dto.Result;
import com.hmdp.service.IFollowService;
import org.springframework.web.bind.annotation.*;

import javax.annotation.Resource;

/**
 * FollowController 类负责处理与 "关注" 功能相关的 HTTP 请求。
 * 提供了检查是否关注某个ID以及操作关注状态的接口。
 *
 * @author CharmingDaiDai
 * @since 2024/4/18 19:12
 */
@RestController
@RequestMapping("/follow")
public class FollowController {

    /**
     * 注入 IFollowService 服务层的实例，用于执行关注相关的业务逻辑。
     */
    @Resource
    private IFollowService followService;

    /**
     * 根据提供的 ID 检查用户是否已经关注了某个实体。
     *
     * @param id 要检查的实体的 ID。
     * @return Result 封装的响应体，包含是否关注的信息。
     */
    @GetMapping("/or/not/{id}")
    public Result isFollowById(@PathVariable Long id){
        // 调用服务层方法检查是否关注，并返回结果
        return Result.ok(followService.isFollowById(id));
    }

    /**
     * 操作用户的关注状态。
     *
     * @param id 关注实体的 ID。
     * @param op 操作标志，true 表示关注，false 表示取消关注。
     * @return Result 封装的响应体，包含操作结果。
     */
    @PutMapping("/{id}/{op}")
    public Result followOp(@PathVariable Long id, @PathVariable Boolean op){
        // 调用服务层方法执行关注或取消关注操作，并返回结果
        return followService.followOp(id, op);
    }
}

实现类

package com.hmdp.service.impl;

import com.hmdp.dto.Result;
import com.hmdp.entity.Follow;
import com.hmdp.entity.User;
import com.hmdp.mapper.FollowMapper;
import com.hmdp.service.IFollowService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.UserHolder;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;

import javax.annotation.Resource;

import static com.hmdp.utils.RedisConstants.FOLLOW_KEY;

/**
 * FollowServiceImpl 类是 IFollowService 接口的实现类，它使用 MyBatis-Plus 的 ServiceImpl 作为基类，
 * 并添加了对 Redis 的操作来管理用户关注功能。
 *
 * @author CharmingDaiDai
 * @since 2024/4/18 19:23
 **/
@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {

    /**
     * 注入 StringRedisTemplate，它是一个操作字符串的 Redis 模板类，
     * 用于在服务中执行 Redis 的相关操作。
     */
    @Resource
    private StringRedisTemplate stringRedisTemplate;

    /**
     * 检查当前用户是否关注了指定 ID 的实体。
     *
     * @param id 要检查的实体的 ID。
     * @return 一个布尔值，表示用户是否关注了该实体。
     */
    @Override
    public Boolean isFollowById(Long id) {
        String followKey = FOLLOW_KEY + id; // 构建 Redis 存储的 key
        Long userId = UserHolder.getUser().getId(); // 获取当前用户的 ID

        // 使用 Redis Set 数据结构检查用户 ID 是否是关注集合的成员
        return stringRedisTemplate.opsForSet().isMember(followKey, String.valueOf(userId));
    }

    /**
     * 根据操作标志对用户关注状态进行操作。
     * 如果操作标志为 true，则添加关注；如果为 false，则取消关注。
     *
     * @param id    要操作的实体的 ID。
     * @param op    操作标志，true 表示添加关注，false 表示取消关注。
     * @return Result 封装的响应体，表示操作结果。
     */
    @Override
    public Result followOp(Long id, Boolean op) {
        Long userId = UserHolder.getUser().getId(); // 获取当前用户的 ID
        String followKey = FOLLOW_KEY + id; // 构建 Redis 存储的 key

        // 根据操作标志，使用 Redis Set 数据结构添加或移除用户 ID
        if (op) {
            stringRedisTemplate.opsForSet().add(followKey, String.valueOf(userId));
        } else {
            stringRedisTemplate.opsForSet().remove(followKey, String.valueOf(userId));
        }

        // 返回操作成功结果
        return Result.ok();
    }
}

关注和取消关注

当我们进入到笔记详情页面时，会发送一个请求，判断当前登录用户是否关注了笔记博主

请求网址: http://localhost:8080/api/follow/or/not/2
请求方法: GET

当我们点击关注按钮时，会发送一个请求，实现关注/取关

请求网址: http://localhost:8080/api/follow/2/true
请求方法: PUT

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

Field	Type	Collation	Null	Key	Default	Extra	Comment
id	bigint	(NULL)	NO	PRI	(NULL)	auto_increment	主键
user_id	bigint unsigned	(NULL)	NO		(NULL)		用户id
follow_user_id	bigint unsigned	(NULL)	NO		(NULL)		关联的用户id
create_time	timestamp	(NULL)	NO		CURRENT_TIMESTAMP	DEFAULT_GENERATED	创建时间

FollowController

package com.hmdp.controller;

import com.hmdp.dto.Result;
import com.hmdp.service.IFollowService;
import org.springframework.web.bind.annotation.*;

import javax.annotation.Resource;

/**
 * FollowController 类负责处理与 "关注" 功能相关的 HTTP 请求。
 * 提供了检查是否关注某个ID以及操作关注状态的接口。
 *
 * @author CharmingDaiDai
 * @since 2024/4/18 19:12
 */
@RestController
@RequestMapping("/follow")
public class FollowController {

    /**
     * 注入 IFollowService 服务层的实例，用于执行关注相关的业务逻辑。
     */
    @Resource
    private IFollowService followService;

    /**
     * 根据提供的 ID 检查用户是否已经关注了某个实体。
     *
     * @param id 要检查的实体的 ID。
     * @return Result 封装的响应体，包含是否关注的信息。
     */
    @GetMapping("/or/not/{id}")
    public Result isFollowById(@PathVariable Long id){
        // 调用服务层方法检查是否关注，并返回结果
        return Result.ok(followService.isFollowById(id));
    }

    /**
     * 操作用户的关注状态。
     *
     * @param id 关注实体的 ID。
     * @param op 操作标志，true 表示关注，false 表示取消关注。
     * @return Result 封装的响应体，包含操作结果。
     */
    @PutMapping("/{id}/{op}")
    public Result followOp(@PathVariable Long id, @PathVariable Boolean op){
        // 调用服务层方法执行关注或取消关注操作，并返回结果
        return followService.followOp(id, op);
    }
}

FollowServiceImpl实现类

package com.hmdp.service.impl;

import com.baomidou.mybatisplus.core.conditions.query.LambdaQueryWrapper;
import com.baomidou.mybatisplus.core.conditions.query.QueryWrapper;
import com.hmdp.dto.Result;
import com.hmdp.entity.Follow;
import com.hmdp.entity.User;
import com.hmdp.mapper.FollowMapper;
import com.hmdp.service.IFollowService;
import com.baomidou.mybatisplus.extension.service.impl.ServiceImpl;
import com.hmdp.utils.UserHolder;
import org.springframework.data.redis.core.StringRedisTemplate;
import org.springframework.stereotype.Service;
import org.springframework.transaction.annotation.Transactional;

import javax.annotation.Resource;

import java.time.LocalDateTime;
import java.util.Collection;

import static com.hmdp.utils.RedisConstants.FOLLOW_KEY;

/**
 * FollowServiceImpl 类是 IFollowService 接口的实现类，它使用 MyBatis-Plus 的 ServiceImpl 作为基类，
 * 并添加了对 Redis 的操作来管理用户关注功能。
 *
 * @author CharmingDaiDai
 * @since 2024/4/18 19:23
 **/
@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {

    /**
     * 注入 StringRedisTemplate，它是一个操作字符串的 Redis 模板类，
     * 用于在服务中执行 Redis 的相关操作。
     */
    @Resource
    private StringRedisTemplate stringRedisTemplate;

    @Resource
    private IFollowService followService;

    /**
     * 检查当前用户是否关注了指定 ID 的实体。
     *
     * @param id 要检查的实体的 ID。
     * @return 一个布尔值，表示用户是否关注了该实体。
     */
    @Override
    public Boolean isFollowById(Long id) {
        String followKey = FOLLOW_KEY + id; // 构建 Redis 存储的 key
        Long userId = UserHolder.getUser().getId(); // 获取当前用户的 ID

        // 使用 Redis Set 数据结构检查用户 ID 是否是关注集合的成员
        return stringRedisTemplate.opsForSet().isMember(followKey, String.valueOf(userId));
    }

    /**
     * 根据操作标志对用户关注状态进行操作。
     * 如果操作标志为 true，则添加关注；如果为 false，则取消关注。
     *
     * @param id    要操作的实体的 ID。
     * @param op    操作标志，true 表示添加关注，false 表示取消关注。
     * @return Result 封装的响应体，表示操作结果。
     */
    @Override
    public Result followOp(Long id, Boolean op) {
        Long userId = UserHolder.getUser().getId(); // 获取当前用户的 ID
        String followKey = FOLLOW_KEY + id; // 构建 Redis 存储的 key

        // 根据操作标志，使用 Redis Set 数据结构添加或移除用户 ID
        if (op) {
            // 用户选择关注，将 userId 添加到 Redis 的 followKey 集合中
            stringRedisTemplate.opsForSet().add(followKey, String.valueOf(userId));

            // 创建并保存新的关注记录到数据库
            Follow follow = new Follow();
            follow.setCreateTime(LocalDateTime.now()); // 设置创建时间为当前时间
            follow.setUserId(id); // 设置被关注的用户 ID
            follow.setFollowUserId(userId); // 设置执行关注操作的用户 ID

            this.save(follow); // 保存关注记录
        } else {
            // 用户选择取消关注，将 userId 从 Redis 的 followKey 集合中移除
            stringRedisTemplate.opsForSet().remove(followKey, String.valueOf(userId));

            // 构建删除数据库中关注记录的条件
            remove(new QueryWrapper<Follow>()
                    .eq("user_id", id)
                    .eq("follow_user_id", userId));
        }

        // 返回操作成功结果
        return Result.ok();
    }
}

共同关注

检测NetWork选项卡，查看发送的请求
- 查询用户信息
请求网址: http://localhost:8080/api/user/2
请求方法: GET
- 查看共同关注
请求网址: http://localhost:8080/api/follow/common/undefined
请求方法: GET

UserController 查用户

    @GetMapping("/{id}")
    public Result getById(@PathVariable Long id){
        // 查询详情
        User user = userService.getById(id);
        if (user == null) {
            // 没有详情，应该是第一次查看详情
            return Result.ok();
        }
        UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);
        // 返回
        return Result.ok(userDTO);
    }

重启服务器，现在可以看到用户信息，但是不能看到用户发布的笔记信息，查看NetWork检测的请求，我们还需要完成这个需求

请求网址: http://localhost:8080/api/blog/of/user?&id=2&current=1
请求方法: GET

BlogController

    @GetMapping("/of/user")
    public Result queryBlogByUserId(@RequestParam(value = "current", defaultValue = "1") Integer current, @RequestParam("id")Long id){
        // 根据用户查询
        Page<Blog> page = blogService.query()
                .eq("user_id", id).page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));
        // 获取当前页数据
        List<Blog> records = page.getRecords();
        return Result.ok(records);
    }

FollowController添加方法

    /**
     * 获取当前用户与指定用户 ID 的共同关注用户列表。
     *
     * @param id 指定用户的 ID。
     * @return Result 封装的响应体，包含共同关注用户的信息。
     */
    @GetMapping("/common/{id}")
    public Result commonFollow(@PathVariable Long id){
        // 调用服务层方法获取共同关注用户列表，并返回结果
        return followService.commonFollow(id);
    }

FollowServiceImpl实现类

    /**
     * 服务实现类中用于获取两个用户共同关注的用户列表的方法。
     *
     * @param id 要比较的用户的 ID。
     * @return Result 封装的响应体，包含共同关注的用户信息。
     */
    @Override
    public Result commonFollow(Long id) {
        // 获取当前用户的 ID
        Long userId = UserHolder.getUser().getId();

        // 使用 Redis 找出两个用户关注列表的交集
        Set<String> intersect = stringRedisTemplate.opsForSet().intersect(FOLLOW_KEY + id, FOLLOW_KEY + userId);

        // 如果交集为空，直接返回空列表
        if (null == intersect || intersect.isEmpty()) {
            return Result.ok(Collections.emptyList());
        }

        // 将交集中的字符串 ID 转换为 Long 类型
        List<Long> userIds = intersect.stream()
                .map(Long::parseLong)
                .collect(Collectors.toList());

        // 根据 ID 列表获取用户信息，并转换为 UserDTO
        List<UserDTO> userDTOs = userService.listByIds(userIds)
                .stream()
                .map(user -> BeanUtil.toBean(user, UserDTO.class)) // 使用 BeanUtil 工具类将 User 转换为 UserDTO
                .collect(Collectors.toList());

        // 返回包含共同关注用户信息的响应体
        return Result.ok(userDTOs);
    }

关注推送

Feed流实现方案

当我们关注了用户之后，这个用户发布了动态，那我们应该把这些数据推送给用户，这个需求，我们又称其为Feed流，关注推送也叫作Feed流，直译为投喂，为用户提供沉浸式体验，通过无限下拉刷新获取新的信息，
对于传统的模式内容检索：用户需要主动通过搜索引擎或者是其他方式去查找想看的内容
对于新型Feed流的效果：系统分析用户到底想看什么，然后直接把内容推送给用户，从而使用户能更加节约时间，不用去主动搜素
Feed流的实现有两种模式
1. 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(B站关注的up，朋友圈等)
  - 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
2. 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，推送用户感兴趣的信息来吸引用户
  - 优点：投喂用户感兴趣的信息，用户粘度很高，容易沉迷
  - 缺点：如果算法不精准，可能会起到反作用（给你推的你都不爱看）
那我们这里针对好友的操作，采用的是Timeline方式，只需要拿到我们关注用户的信息，然后按照时间排序即可
采用Timeline模式，有三种具体的实现方案
1. 拉模式
2. 推模式
3. 推拉结合
拉模式：也叫读扩散
- 该模式的核心含义是：当张三和李四、王五发了消息之后，都会保存到自己的发件箱中，如果赵六要读取消息，那么他会读取他自己的收件箱，此时系统会从他关注的人群中，将他关注人的信息全都进行拉取，然后进行排序
- 优点：比较节约空间，因为赵六在读取信息时，并没有重复读取，并且读取完之后，可以将他的收件箱清除
- 缺点：有延迟，当用户读取数据时，才会去关注的人的时发件箱中拉取信息，假设该用户关注了海量用户，那么此时就会拉取很多信息，对服务器压力巨大
推模式：也叫写扩散
- 推模式是没有写邮箱的，当张三写了一个内容，此时会主动把张三写的内容发送到它粉丝的收件箱中，假设此时李四再来读取，就不用再去临时拉取了
- 优点：时效快，不用临时拉取
- 缺点：内存压力大，假设一个大V发了一个动态，很多人关注他，那么就会写很多份数据到粉丝那边去
推拉结合：页脚读写混合，兼具推和拉两种模式的优点
- 推拉模式是一个折中的方案，站在发件人这一边，如果是普通人，那么我们采用写扩散的方式，直接把数据写入到他的粉丝收件箱中，因为普通人的粉丝数量较少，所以这样不会产生太大压力。但如果是大V，那么他是直接将数据写入一份到发件箱中去，在直接写一份到活跃粉丝的收件箱中，站在收件人这边来看，如果是活跃粉丝，那么大V和普通人发的都会写到自己的收件箱里，但如果是普通粉丝，由于上线不是很频繁，所以等他们上线的时候，再从发件箱中去拉取信息。

推送到粉丝收件箱

需求：
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，必须使用Redis的数据结构实现
3. 查询收件箱数据时，可实现分页查询
Feed流中的数据会不断更新，所以数据的角标也会不断变化，所以我们不能使用传统的分页模式
假设在t1时刻，我们取读取第一页，此时page = 1，size = 5，那么我们拿到的就是10~6这几条记录，假设t2时刻有发布了一条新纪录，那么在t3时刻，我们来读取第二页，此时page = 2，size = 5，那么此时读取的数据是从6开始的，读到的是6~2，那么我们就读到了重复的数据，所以我们要使用Feed流的分页，不能使用传统的分页
Feed流的滚动分页
- 我们需要记录每次操作的最后一条，然后从这个位置去开始读数据
- 举个例子：我们从t1时刻开始，拿到第一页数据，拿到了10~6，然后记录下当前最后一次读取的记录，就是6，t2时刻发布了新纪录，此时这个11在最上面，但不会影响我们之前拿到的6，此时t3时刻来读取第二页，第二页读数据的时候，从6-1=5开始读，这样就拿到了5~1的记录。我们在这个地方可以使用SortedSet来做，使用时间戳来充当表中的1~10
核心思路：我们保存完探店笔记后，获取当前用户的粉丝列表，然后将数据推送给粉丝
那现在我们就需要修改保存笔记的方法
BlogContorller

    @PostMapping
    public Result saveBlog(@RequestBody Blog blog) {
        return blogService.saveBlog(blog);
    }

实现类

/**
     * 保存博客文章并推送给粉丝的方法。
     *
     * @param blog 要保存的博客文章。
     * @return Result 封装的响应体，包含操作结果和博客 ID。
     */
    @Override
    public Result saveBlog(Blog blog) {
        // 获取当前登录的用户信息
        UserDTO user = UserHolder.getUser();
        // 将用户 ID 设置到博客对象中
        blog.setUserId(user.getId());
        // 调用博客服务保存博客文章
        boolean saved = blogService.save(blog);

        // 如果保存失败，返回失败结果
        if (!saved) {
            return Result.fail("保存博文失败");
        }

        // 查询该用户的所有粉丝
        Long userId = user.getId();
        List<Follow> follows = followService.query().eq("follow_user_id", userId).list();

        // 遍历粉丝列表，将博客 ID 推送到每个粉丝的 feed 中
        for (Follow follow : follows) {
            Long followUserId = follow.getUserId();
            // 构建粉丝的 feed 键
            String key = "feed:" + followUserId;
            // 将博客 ID 添加到粉丝的 feed 中，并使用当前时间作为分数
            stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
        }

        // 返回保存成功的博客 ID
        return Result.ok(blog.getId());
    }

实现分页查询收件箱

需求：在个人主页的关注栏中，查询并展示推送的Blog信息
具体步骤如下
1. 每次查询完成之后，我们要分析出查询出的最小时间戳，这个值会作为下一次的查询条件
2. 我们需要找到与上一次查询相同的查询个数，并作为偏移量，下次查询的时候，跳过这些查询过的数据，拿到我们需要的数据（例如时间戳8 6 6 5 5 4，我们每次查询3个，第一次是8 6 6，此时最小时间戳是6，如果不设置偏移量，会从第一个6之后开始查询，那么查询到的就是6 5 5，而不是5 5 4，如果这里说的不清楚，那就看后续的代码）
综上：我们的请求参数中需要携带lastId和offset，即上一次查询时的最小时间戳和偏移量，这两个参数
编写一个通用的实体类，不一定只对blog进行分页查询，这里用泛型做一个通用的分页查询，list是封装返回的结果，minTime是记录的最小时间戳，offset是记录偏移量

滚动分页查询参数：
max: 当前时间戳 | 上一次查询的最小时间戳
min:0
offset:0 在上一次的结果中，与最小值一样的元素的个数 | 0
count:3

    /**
     * 查询用户关注的博客文章的方法。
     *
     * @param max    查询的最大数量。
     * @param offset 查询的偏移量。
     * @return Result 封装的响应体，包含查询结果和分页信息。
     */
    @Override
    public Result queryBlogFollow(Long max, Integer offset) {

        // 获取当前登录的用户 ID
        Long userId = UserHolder.getUser().getId();

        // 构建 Redis 中用户 feed 的键
        String key = "feed:" + userId;

        // ZREVRANGEBYSCORE key Max Min LIMIT offset count
        // 使用 Redis ZREVRANGEBYSCORE 命令获取按分数排序的逆序范围
        Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().
                reverseRangeByScoreWithScores(key, 0, max, offset, 2);

        // 如果获取的集合为空，返回空列表
        if (null == typedTuples || typedTuples.isEmpty()) {
            return Result.ok(Collections.emptyList());
        }

        // 准备用于查询数据库的 ID 列表
        List<Long> ids = new ArrayList<>(typedTuples.size());
        long minTime = 0;
        offset = 1;
        for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {
            // 添加博客 ID 到列表
            ids.add(Long.valueOf(typedTuple.getValue()));
            // 获取博客的时间戳，并更新最小时间
            long time = typedTuple.getScore().longValue();

            if (time == minTime) {
                offset++;
            } else {
                minTime = time;
                offset = 1;
            }
        }

        // 构建用于数据库查询的 SQL 语句
        String idStr = StrUtil.join(",", ids);
        List<Blog> blogs = query().in("id", ids).last("ORDER BY field(id," + idStr + ")").list();

        // 处理查询到的博客，获取用户信息和喜欢状态
        for (Blog blog : blogs) {
            queryBlogUser(blog); // 查询博客的用户信息
            isBlogLiked(blog); // 检查博客是否被喜欢
        }

        // 准备返回的数据对象，包含博客列表、新的 offset 和最小时间
        ScrollResult r = new ScrollResult();
        r.setList(blogs);
        r.setOffset(offset);
        r.setMinTime(minTime);

        return Result.ok(r);
    }

附近商户

GEO数据结构的基本用法

GEO就是Geolocation的简写形式，代表地理坐标。Redis在3.2版本中加入了对GEO的支持，允许存储地理坐标信息，帮助我们根据经纬度来检索数据，常见的命令有
- GEOADD：添加一个地理空间信息，包含：经度（longitude）、纬度（latitude）、值（member）
- 命令格式
```
GEOADD key longitude latitude member [longitude latitude member …]
```
- 返回值：添加到sorted set元素的数目，但不包括已更新score的元素
- 复杂度：每⼀个元素添加是O(log(N)) ，N是sorted set的元素数量
- 举例
```
GEOADD china 13.361389 38.115556 "shanghai" 15.087269 37.502669 "beijing"
```
- GEODIST：计算指定的两个点之间的距离并返回
- 命令格式
```
GEODIST key member1 member2 [m|km|ft|mi]
```
- 如果两个位置之间的其中⼀个不存在，那么命令返回空值。
- 指定单位的参数 unit 必须是以下单位的其中⼀个：
  - m 表示单位为米。
  - km 表示单位为千米。
  - mi 表示单位为英⾥。
  - ft 表示单位为英尺。
- 如果用户没有显式地指定单位参数，那么 GEODIST 默认使用米作为单位。
- GEODIST 命令在计算距离时会假设地球为完美的球形，在极限情况下，这⼀假设最⼤会造成 0.5% 的误差
- 返回值：计算出的距离会以双精度浮点数的形式被返回。如果给定的位置元素不存在，那么命令返回空值
- 举例
```
GEODIST china beijing shanghai km
```
- GEOHASH：将指定member的坐标转化为hash字符串形式并返回
- 命令格式
```
GEOHASH key member [member …]
```
- 通常使用表示位置的元素使用不同的技术，使用Geohash位置52点整数编码。由于编码和解码过程中所使用的初始最小和最大坐标不同，编码的编码也不同于标准。此命令返回一个标准的Geohash，在维基百科和geohash.org网站都有相关描述
- 返回值：一个数组，数组的每个项都是一个 geohash 。命令返回的 geohash 的位置与用户给定的位置元素的位置一一对应
- 复杂度：O(log(N)) for each member requested, where N is the number of elements in the sorted set
- 举例
```
云服务器:0>GEOHASH china beijing shanghai
1) "sqdtr74hyu0"
2) "sqc8b49rny0"
```
- GEOPOS：返回指定member的坐标
- 格式：GEOPOS key member [member …]
- 给定一个sorted set表示的空间索引，密集使用 geoadd 命令，它以获得指定成员的坐标往往是有益的。当空间索引填充通过 geoadd 的坐标转换成一个52位Geohash，所以返回的坐标可能不完全以添加元素的，但小的错误可能会出台。
- 因为 GEOPOS 命令接受可变数量的位置元素作为输入，所以即使用户只给定了一个位置元素，命令也会返回数组回复
- 返回值：GEOPOS 命令返回一个数组，数组中的每个项都由两个元素组成：第一个元素为给定位置元素的经度，而第二个元素则为给定位置元素的纬度。当给定的位置元素不存在时，对应的数组项为空值
- 复杂度：O(log(N)) for each member requested, where N is the number of elements in the sorted set
```
云服务器:0>geopos china beijing shanghai
1)  1) "15.08726745843887329"
    2) "37.50266842333162032"

2)  1) "13.36138933897018433"
    2) "38.11555639549629859"
```
- GEOGADIUS：指定圆心、半径，找到该园内包含的所有member，并按照与圆心之间的距离排序后返回，6.2之后已废弃
- 命令格式
```
GEORADIUS key longitude latitude radius m|km|ft|mi [WITHCOORD] [WITHDIST] [WITHHASH] 
[COUNT count [ANY]] [ASC|DESC] [STORE key] [STOREDIST key]
```
- 范围可以使用以下其中一个单位：
  - m 表示单位为米。
  - km 表示单位为千米。
  - mi 表示单位为英里。
  - ft 表示单位为英尺。
- 在给定以下可选项时，命令会返回额外的信息：
  - WITHDIST: 在返回位置元素的同时，将位置元素与中心之间的距离也一并返回。距离的单位和用户给定的范围单位保持一致。
  - WITHCOORD: 将位置元素的经度和维度也一并返回。
  - WITHHASH: 以 52 位有符号整数的形式，返回位置元素经过原始 geohash 编码的有序集合分值。这个选项主要用于底层应用或者调试，实际中的作用并不大。
- 命令默认返回未排序的位置元素。通过以下两个参数，用户可以指定被返回位置元素的排序方式：
  - ASC: 根据中心的位置，按照从近到远的方式返回位置元素。
  - DESC: 根据中心的位置，按照从远到近的方式返回位置元素。
- 在默认情况下， GEORADIUS 命令会返回所有匹配的位置元素。虽然用户可以使用 COUNT 选项去获取前 N 个匹配元素，但是因为命令在内部可能会需要对所有被匹配的元素进行处理，所以在对一个非常大的区域进行搜索时，即使只使用 COUNT 选项去获取少量元素，命令的执行速度也可能会非常慢。但是从另一方面来说，使用 COUNT 选项去减少需要返回的元素数量，对于减少带宽来说仍然是非常有用的
- 返回值：
  - 在没有给定任何 WITH 选项的情况下，命令只会返回一个像 [“New York”,”Milan”,”Paris”] 这样的线性（linear）列表。
  - 在指定了 WITHCOORD 、 WITHDIST 、 WITHHASH 等选项的情况下，命令返回一个二层嵌套数组，内层的每个子数组就表示一个元素。
  - 在返回嵌套数组时，子数组的第一个元素总是位置元素的名字。至于额外的信息，则会作为子数组的后续元素，按照以下顺序被返回：
    - 以浮点数格式返回的中心与位置元素之间的距离，单位与用户指定范围时的单位一致。
    - geohash 整数。
    - 由两个元素组成的坐标，分别为经度和纬度
- 举例
```
云服务器:0>GEORADIUS china 15 37 200 km WITHDIST WITHCOORD
1)  1) "shanghai"
    2) "190.4424"
    3)  1) "13.36138933897018433"
        2) "38.11555639549629859"

2)  1) "beijing"
    2) "56.4413"
    3)  1) "15.08726745843887329"
        2) "37.50266842333162032"

云服务器:0>GEORADIUS china 15 37 200 km WITHDIST
1)  1) "shanghai"
    2) "190.4424"

2)  1) "beijing"
    2) "56.4413"
```
- GEOSEARCH：在指定范围内搜索member，并按照与制定点之间的距离排序后返回，范围可以使圆形或矩形，6.2的新功能
命令格式
```
GEOSEARCH key [FROMMEMBER member] [FROMLONLAT longitude latitude] [BYRADIUS radius m|km|ft|mi] 
[BYBOX width height m|km|ft|mi] [ASC|DESC] [COUNT count [ANY]] [WITHCOORD] [WITHDIST] [WITHHASH]
```
- 举例
```
云服务器:0>geosearch china FROMLONLAT 15 37 BYRADIUS 200 km ASC WITHCOORD WITHDIST
1)  1) "beijing"
    2) "56.4413"
    3)  1) "15.08726745843887329"
        2) "37.50266842333162032"


2)  1) "shanghai"
    2) "190.4424"
    3)  1) "13.36138933897018433"
        2) "38.11555639549629859"



云服务器:0>geosearch china FROMLONLAT 15 37 BYBOX 400 400 km DESC WITHCOORD WITHDIST
1)  1) "shanghai"
    2) "190.4424"
    3)  1) "13.36138933897018433"
        2) "38.11555639549629859"


2)  1) "beijing"
    2) "56.4413"
    3)  S1) "15.08726745843887329"
        2) "37.50266842333162032"
```
- GEOSEARCHSTORE：与GEOSEARCH功能一致，不过可以把结果存储到一个指定的key，也是6.2的新功能
- 命令格式
```
GEOSEARCHSTORE destination source [FROMMEMBER member] [FROMLONLAT longitude latitude] 
[BYRADIUS radius m|km|ft|mi] [BYBOX width height m|km|ft|mi] 
[ASC|DESC] [COUNT count [ANY]] [STOREDIST]
```
- 这个命令和 GEORADIUS 命令一样，都可以找出位于指定范围内的元素，但是 GEORADIUSBYMEMBER 的中心点是由给定的位置元素决定的，而不是像 GEORADIUS 那样，使用输入的经度和纬度来决定中心点
- 指定成员的位置被用作查询的中心。
- 关于 GEORADIUSBYMEMBER 命令的更多信息，请参考 GEORADIUS 命令的文档
- 复杂度：O(N+log(M)) where N is the number of elements inside the bounding box of the circular area delimited by center and radius and M is the number of items inside the index
```
云服务器:0>GEORADIUSBYMEMBER china beijing 200 km
1) "shanghai"
2) "beijing"
```

导入店铺数据到GEO

以当前坐标为圆心，同时绑定相同的店家类型type，以及分页信息，把这几个条件插入后台，后台查询出对应的数据再返回
那现在我们要做的就是：将数据库中的数据导入到Redis中去，GEO在Redis中就是一个member和一个经纬度，经纬度对应的就是tb_shop中的x和y，而member，我们用shop_id来存，因为Redis只是一个内存级数据库，如果存海量的数据，还是力不从心，所以我们只存一个id，用的时候再拿id去SQL数据库中查询shop信息
但是此时还有一个问题，我们在redis中没有存储shop_type，无法根据店铺类型来对数据进行筛选，解决办法就是将type_id作为key，存入同一个GEO集合即可

    void testAddGeo() {
        List<Shop> shopList = shopService.list();

        // GEOADD key longitude latitude member
        // GEOADD SHOP_GEO_KEY + type_id x y id

        //2. 按照typeId，将店铺进行分组
        Map<Long, List<Shop>> map = shopList.stream().collect(Collectors.groupingBy(Shop::getTypeId));
        //3. 逐个写入Redis
        for (Map.Entry<Long, List<Shop>> entry : map.entrySet()) {
            //3.1 获取类型id
            Long typeId = entry.getKey();
            //3.2 获取同类型店铺的集合
            List<Shop> shops = entry.getValue();
            String key = SHOP_GEO_KEY + typeId;
            for (Shop shop : shops) {
                //3.3 写入redis GEOADD key 经度 纬度 member
                stringRedisTemplate.opsForGeo().add(key,new Point(shop.getX(),shop.getY()),shop.getId().toString());
            }
        }
    }

但是上面的代码不够优雅，是一条一条写入的，效率较低，那我们现在来改进一下，这样只需要写入等同于type_id数量的次数

    void testAddGeo() {
        List<Shop> shopList = shopService.list();

        // GEOADD key longitude latitude member
        // GEOADD SHOP_GEO_KEY + type_id x y id

        //2. 按照typeId，将店铺进行分组
        Map<Long, List<Shop>> map = shopList.stream().collect(Collectors.groupingBy(Shop::getTypeId));

        for (Map.Entry<Long, List<Shop>> entry : map.entrySet()) {
            Long typeId = entry.getKey();
            List<Shop> shops = entry.getValue();
            String key = SHOP_GEO_KEY + typeId;
            List<RedisGeoCommands.GeoLocation<String>> locations = new ArrayList<>(shops.size());
            for (Shop shop : shops) {
                //将当前type的商铺都添加到locations集合中
                locations.add(new RedisGeoCommands.GeoLocation<>(shop.getId().toString(), new Point(shop.getX(), shop.getY())));
            }
            //批量写入
            stringRedisTemplate.opsForGeo().add(key, locations);
        }
    }

实现附近商户功能

SpringDataRedis的2.3.9版本并不支持Redis 6.2提供的GEOSEARCH命令，因此需要提高版本，修改自己的pom.xml文件

<?xml version="1.0" encoding="UTF-8"?>
<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 https://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.0</modelVersion>
    <parent>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-parent</artifactId>
        <version>2.3.12.RELEASE</version>
        <relativePath/> <!-- lookup parent from repository -->
    </parent>
    <groupId>com.hmdp</groupId>
    <artifactId>hm-dianping</artifactId>
    <version>0.0.1-SNAPSHOT</version>
    <name>hm-dianping</name>
    <description>Demo project for Spring Boot</description>
    <properties>
        <java.version>1.8</java.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
            <exclusions>
                <exclusion>
                    <artifactId>spring-data-redis</artifactId>
                    <groupId>org.springframework.data</groupId>
                </exclusion>
                <exclusion>
                    <artifactId>lettuce-core</artifactId>
                    <groupId>io.lettuce</groupId>
                </exclusion>
            </exclusions>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
        </dependency>
        <dependency>
            <groupId>org.apache.commons</groupId>
            <artifactId>commons-pool2</artifactId>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-web</artifactId>
        </dependency>

        <dependency>
            <groupId>mysql</groupId>
            <artifactId>mysql-connector-java</artifactId>
            <scope>runtime</scope>
            <version>5.1.47</version>
        </dependency>
        <dependency>
            <groupId>org.projectlombok</groupId>
            <artifactId>lombok</artifactId>
            <optional>true</optional>
        </dependency>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-test</artifactId>
            <scope>test</scope>
        </dependency>
        <dependency>
            <groupId>com.baomidou</groupId>
            <artifactId>mybatis-plus-boot-starter</artifactId>
            <version>3.4.3</version>
        </dependency>
        <!--hutool-->
        <dependency>
            <groupId>cn.hutool</groupId>
            <artifactId>hutool-all</artifactId>
            <version>5.7.17</version>
        </dependency>
        <dependency>
            <groupId>org.aspectj</groupId>
            <artifactId>aspectjweaver</artifactId>
        </dependency>
        <dependency>
            <groupId>org.redisson</groupId>
            <artifactId>redisson</artifactId>
            <version>3.13.6</version>
        </dependency>
        <dependency>
            <groupId>org.springframework.data</groupId>
            <artifactId>spring-data-redis</artifactId>
            <version>2.6.9</version>
        </dependency>
        <dependency>
            <groupId>io.lettuce</groupId>
            <artifactId>lettuce-core</artifactId>
            <version>6.1.10.RELEASE</version>
        </dependency>
    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.springframework.boot</groupId>
                <artifactId>spring-boot-maven-plugin</artifactId>
                <configuration>
                    <excludes>
                        <exclude>
                            <groupId>org.projectlombok</groupId>
                            <artifactId>lombok</artifactId>
                        </exclude>
                    </excludes>
                </configuration>
            </plugin>
        </plugins>
    </build>

</project>

ShopController

    @GetMapping("/of/type")
    public Result queryShopByType(
            @RequestParam(value = "typeId") Long typeId,
            @RequestParam(value = "current") Integer current,
            @RequestParam(value = "x", required = false) Double x,
            @RequestParam(value = "y", required = false) Double y
    ){
        return shopService.queryShopByType(typeId, current, x, y);
    }

用户签到

Field	Type	Collation	Null	Key	Default	Extra	Comment
id	bigint unsigned	(NULL)	NO	PRI	(NULL)	auto_increment	主键
user_id	bigint unsigned	(NULL)	NO		(NULL)		用户id
year	year	(NULL)	NO		(NULL)		签到的年
month	tinyint	(NULL)	NO		(NULL)		签到的月
date	date	(NULL)	NO		(NULL)		签到的日期
is_backup	tinyint unsigned	(NULL)	YES		(NULL)		是否补签

用户签到一次，就是一条记录，假如有1000W用户，平均没人每年签到10次，那这张表一年的数据量就有1亿条
那有没有方法能简化一点呢？我们可以使用二进制位来记录每个月的签到情况，签到记录为1，未签到记录为0
把每一个bit位对应当月的每一天，形成映射关系，用0和1标识业务状态，这种思路就成为位图（BitMap）。这样我们就能用极小的空间，来实现大量数据的表示
Redis中是利用String类型数据结构实现BitMap，因此最大上限是512M，转换为bit则是2^32个bit位
BitMap的操作命令有
- SETBIT：向指定位置（offset）存入一个0或1
- GETBIT：获取指定位置（offset）的bit值
- BITCOUNT：统计BitMap中值为1的bit位的数量
- BITFIELD：操作（查询、修改、自增）BitMap中bit数组中的指定位置（offset）的值
- BITFIELD_RO：获取BitMap中bit数组，并以十进制形式返回
- BITOP：将多个BitMap的结果做位运算（与、或、异或）
- BITPOS：查找bit数组中指定范围内第一个0或1出现的位置

实现签到功能

需求：实现签到接口，将当前用户当天签到信息保存到Redis中

	说明
请求方式	Post
请求路径	/user/sign
请求参数	无
返回值	无

    /**
     * 用户签到操作。
     * <p>
     * 该方法首先获取当前登录用户的ID，然后根据用户ID和当前的年月构建Redis中的键名。
     * 检查用户是否已经签到，如果已签到则返回提示信息，否则执行签到操作，使用Redis的位图（bit array）功能，
     * 将对应日期的位设置为1，表示用户在该日签到。
     * </p>
     *
     * @return 返回操作结果，如果签到成功或已签到则返回成功的标记。
     */
    @Override
    public Result sign() {
        // 获取当前登录用户的ID
        Long id = UserHolder.getUser().getId();

        LocalDateTime now = LocalDateTime.now(); // 获取当前的日期时间
        String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM")); // 格式化日期，生成Redis键名的后缀
        String key = USER_SIGN_KEY + id + keySuffix; // 构建Redis中的键名

        // 获取当前月份的天数，减1得到Redis位图中的位置
        int dayOfMonth = now.getDayOfMonth() - 1;

        // 使用getBit方法检查对应日期的位是否已经被设置，如果已被设置则表示已签到
        Boolean bit = stringRedisTemplate.opsForValue().getBit(key, dayOfMonth);
        if (Boolean.TRUE.equals(bit)) {
            // 如果已经签过到，则返回已签到的提示信息
            return Result.ok("今天已经签过到了");
        }

        // 如果今天尚未签到，则使用setBit方法设置位图中对应日期的位为true，表示用户签到
        stringRedisTemplate.opsForValue().setBit(key, dayOfMonth, true);

        // 返回操作成功的结果
        return Result.ok();
    }

签到统计

需求：实现下面接口，统计当前用户截止当前时间在本月的连续签到天数

	说明
请求方式	GET
请求路径	/user/sign/count
请求参数	无
返回值	连续签到天数

/**
     * 统计用户在当前月份的签到次数。
     * <p>
     * 该方法首先获取当前登录用户的ID，然后根据用户ID和当前的年月构建Redis中的键名。
     * 使用Redis的BITFIELD命令获取截止到今天的签到记录，然后计算签到次数。
     * </p>
     *
     * @return 返回操作结果，包含用户在当前月份的签到次数。
     */
    @Override
    public Result signCount() {
        // 获取当前登录用户的ID
        Long id = UserHolder.getUser().getId();

        LocalDateTime now = LocalDateTime.now(); // 获取当前的日期时间
        String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM")); // 格式化日期，生成Redis键名的后缀
        String key = USER_SIGN_KEY + id + keySuffix; // 构建Redis中的键名

        // 获取当前月份的天数
        int dayOfMonth = now.getDayOfMonth();

        // 获取截止至今日的签到记录  BITFIELD key GET uDay 0
        List<Long> result = stringRedisTemplate.opsForValue().bitField(key, BitFieldSubCommands.create()
                .get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)).valueAt(0));
        if (result == null || result.isEmpty()) {
            return Result.ok(0);
        }

        int cnt = 0;
        Long n = result.get(0);
        while((n & 1) == 1){
            cnt++;
            n >>>= 1;
        }

        return Result.ok(cnt);
    }

UV统计

HyperLogLog

UV：全称Unique Visitor，也叫独立访客量，是指通过互联网访问、浏览这个网页的自然人。1天内同一个用户多次访问该网站，只记录1次。
PV：全称Page View，也叫页面访问量或点击量，用户每访问网站的一个页面，记录1次PV，用户多次打开页面，则记录多次PV。往往用来衡量网站的流量。
本博客的首页侧边栏就有本站访客量和本站总访问量，对应的就是UV和PV
通常来说PV会比UV大很多，所以衡量同一个网站的访问量，我们需要综合考虑很多因素。
UV统计在服务端做会很麻烦，因为要判断该用户是否已经统计过了，需要将统计过的信息保存，但是如果每个访问的用户都保存到Redis中，那么数据库会非常恐怖，那么该如何处理呢？
HyperLogLog(HLL)是从Loglog算法派生的概率算法，用户确定非常大的集合基数，而不需要存储其所有值，算法相关原理可以参考下面这篇文章：https://juejin.cn/post/6844903785744056333#heading-0
Redis中的HLL是基于string结构实现的，单个HLL的内存永远小于16kb，内存占用低的令人发指！作为代价，其测量结果是概率性的，有小于0.81％的误差。不过对于UV统计来说，这完全可以忽略。

命令：

PFADD key element [element...]
summary: Adds the specified elements to the specified HyperLogLog

PFCOUNT key [key ...]
Return the approximated cardinality of the set(s) observed by the HyperLogLog at key(s).

PFMERGE destkey sourcekey [sourcekey ...]
lnternal commands for debugging HyperLogLog values

    @Test
    void testHyperLogLog(){
        String[] values = new String[1000];

        int j  = 0;

        for(int i = 0; i < 1000000; i++){
            j = i % 1000;
            values[j] = "user_" + i;
            if(999 == j){
                stringRedisTemplate.opsForHyperLogLog().add("hl2", values);
            }
        }

        Long size = stringRedisTemplate.opsForHyperLogLog().size("hl2");
        System.out.println("size = " + size);

    }