Redis 实现用户积分和积分排行榜微服务优化
文章目录
- 修改添加积分方法
- 积分排行控制层redis实现
- 积分排行业务逻辑层
- Redis排行榜测试
- 使用 JMeter 压测对比
在之前的博客中我通过 MySQL数据库实现了积分和积分排行榜功能，在数据量大和并发量高的情况下会有以下缺点：
- SQL编写复杂；
- 数据量大，执行统计SQL慢；
- 高并发下会拖累其他业务表的操作，导致系统变慢；
使用 Sorted Sets 保存用户的积分总数，因为 Sorted Sets 有 score 属性，能够方便保存与读取，使用指令：
# 添加元素的分数，如果member不存在就会自动创建
ZINCRBY key increment member
# 按分数从大到小进行读取
zrevrange key
# 根据分数从大到小获取member排名
zrevrank key member
修改添加积分方法
当将用户积分记录插入数据库后，同时利用ZINCRBY指令，将数据存入Redis中，这里不使用ZADD的原因是当用户不存在记录要插入，而且存在时需要将分数累加。
积分排行控制层redis实现
/**
* 查询前 20 积分排行榜，同时显示用户排名 -- Redis
*
* @param access_token
* @return
*/
@GetMapping("redis")
public ResultInfo findDinerPointsRankFromRedis(String access_token) {
List<UserPointsRankVO> ranks = userPointsService.findUserPointRankFromRedis(access_token);
return ResultInfoUtil.buildSuccess(request.getServletPath(), ranks);
}
积分排行业务逻辑层
- 排行榜：从Redis中根据user:points的key按照score的排序进行读取，这里使用Redis的
ZREVRANGE指令，但在ZREVRANGE指令只返回member，不返回score，在RedisTemplate的ZSetOperations中有一个一个API方法叫reverseRangeWithScores(key, start, end)其中start从0开始，返回的是member和score，底层是将ZREVRANGE与ZSCORE指令进行组装。 - 个人排名：使用
REVRANK和ZSCORE操作进行读取；
/**
* 查询前 20 积分排行榜，并显示个人排名 -- Redis
*
* @param accessToken
* @return
*/
public List<UserPointsRankVO> findUserPointRankFromRedis(String accessToken) {
// 获取登录用户信息
SignInUserInfo signInUserInfo = loadSignInUserInfo(accessToken);
// 统计积分排行榜
Set<ZSetOperations.TypedTuple<Integer>> rangeWithScores = redisTemplate.opsForZSet().reverseRangeWithScores(
RedisKeyConstant.user_points.getKey(), 0, 19);
if (rangeWithScores == null || rangeWithScores.isEmpty()) {
return Lists.newArrayList();
}
// 初始化用户 ID 集合
List<Integer> rankuserIds = Lists.newArrayList();
// 根据 key：用户 ID value：积分信息 构建一个 Map
Map<Integer, UserPointsRankVO> ranksMap = new LinkedHashMap<>();
// 初始化排名
int rank = 1;
// 循环处理排行榜，添加排名信息
for (ZSetOperations.TypedTuple<Integer> rangeWithScore : rangeWithScores) {
// 用户ID
Integer userId = rangeWithScore.getValue();
// 积分
int points = rangeWithScore.getScore().intValue();
// 将用户 ID 添加至用户 ID 集合
rankuserIds.add(userId);
UserPointsRankVO userPointsRankVO = new UserPointsRankVO();
userPointsRankVO.setId(userId);
userPointsRankVO.setRanks(rank);
userPointsRankVO.setTotal(points);
// 将 VO 对象添加至 Map 中
ranksMap.put(userId, userPointsRankVO);
// 排名 +1
rank++;
}
// 获取 users 用户信息
ResultInfo resultInfo = restTemplate.getForObject(usersServerName +
"findByIds?access_token=${accessToken}&ids={ids}",
ResultInfo.class, accessToken, StrUtil.join(",", rankuserIds));
if (resultInfo.getCode() != ApiConstant.SUCCESS_CODE) {
throw new ParameterException(resultInfo.getCode(), resultInfo.getMessage());
}
List<LinkedHashMap> dinerInfoMaps = (List<LinkedHashMap>) resultInfo.getData();
// 完善用户昵称和头像
for (LinkedHashMap dinerInfoMap : dinerInfoMaps) {
ShortUserInfo shortDinerInfo = BeanUtil.fillBeanWithMap(dinerInfoMap,
new ShortUserInfo(), false);
UserPointsRankVO rankVO = ranksMap.get(shortDinerInfo.getId());
rankVO.setNickname(shortDinerInfo.getNickname());
rankVO.setAvatarUrl(shortDinerInfo.getAvatarUrl());
}
// 判断个人是否在 ranks 中，如果在，添加标记直接返回
if (ranksMap.containsKey(signInUserInfo.getId())) {
UserPointsRankVO rankVO = ranksMap.get(signInUserInfo.getId());
rankVO.setIsMe(1);
return Lists.newArrayList(ranksMap.values());
}
// 如果不在 ranks 中，获取个人排名追加在最后
// 获取排名
Long myRank = redisTemplate.opsForZSet().reverseRank(
RedisKeyConstant.user_points.getKey(), signInUserInfo.getId());
if (myRank != null) {
UserPointsRankVO me = new UserPointsRankVO();
BeanUtils.copyProperties(signInUserInfo, me);
me.setRanks(myRank.intValue() + 1);// 排名从 0 开始
me.setIsMe(1);
// 获取积分
Double points = redisTemplate.opsForZSet().score(RedisKeyConstant.user_points.getKey(),
signInUserInfo.getId());
me.setTotal(points.intValue());
ranksMap.put(signInUserInfo.getId(), me);
}
return Lists.newArrayList(ranksMap.values());
}
Redis排行榜测试
查询结果如下：
{
"code": 1,
"message": "Successful.",
"path": "/redis",
"data": [
{
"id": 1171,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 773,
"ranks": 1,
"isMe": null
},
{
"id": 482,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 772,
"ranks": 2,
"isMe": null
},
{
"id": 161,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 762,
"ranks": 3,
"isMe": null
},
{
"id": 740,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 757,
"ranks": 4,
"isMe": null
},
{
"id": 1629,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 754,
"ranks": 5,
"isMe": null
},
{
"id": 912,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 747,
"ranks": 6,
"isMe": null
},
{
"id": 213,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 744,
"ranks": 7,
"isMe": null
},
{
"id": 1477,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 742,
"ranks": 8,
"isMe": null
},
{
"id": 771,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 737,
"ranks": 9,
"isMe": null
},
{
"id": 791,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 736,
"ranks": 10,
"isMe": null
},
{
"id": 1989,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 735,
"ranks": 11,
"isMe": null
},
{
"id": 1027,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 735,
"ranks": 12,
"isMe": null
},
{
"id": 492,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 734,
"ranks": 13,
"isMe": null
},
{
"id": 1743,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 733,
"ranks": 14,
"isMe": null
},
{
"id": 1529,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 729,
"ranks": 15,
"isMe": null
},
{
"id": 242,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 727,
"ranks": 16,
"isMe": null
},
{
"id": 1126,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 725,
"ranks": 17,
"isMe": null
},
{
"id": 796,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 719,
"ranks": 18,
"isMe": null
},
{
"id": 418,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 718,
"ranks": 19,
"isMe": null
},
{
"id": 1435,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 717,
"ranks": 20,
"isMe": null
},
{
"id": 6,
"nickname": "共饮一杯无",
"avatarUrl": null,
"total": 627,
"ranks": 172,
"isMe": 1
}
]
}
可以看到id为6的用户排名172，同时展示排名前20名的数据。
使用 JMeter 压测对比
通过JMeter分别对数据库和Redis两种方式实现的积分排行榜进行压力测试（5000并发），可以发现Redis在响应速度，吞吐量上面都提升明显，同时异常率更低。
使用Sorted Sets优势：
- Redis本身内存数据库，读取性能高；
- Sorted Sets底层是SkipList + ZipList既能保证有序又能对数据进行压缩存储；
- Sorted Sets操作简单，几个命令搞定；
Redis Sorted Sets是类似Redis Sets数据结构，不允许重复项的String集合。不同的是Sorted Sets中的每个成员都分配了一个分数值(score)，它用于在Sorted Sets中进行成员排序，从最小值到最大值。Sorted Sets中所有的成员都是唯一的，其分数(score)是可以重复的，即是说一个分数可能会对应多个值。
用Sorted Sets可以非常快的进行添加、删除、或更新成员，其复杂度是O(m*log(n))，m是添加或查询的成员数量。因为成员是按照顺序添加的，所以可以非常快的通过score或者索引进行范围查询。访问Sorted Sets中间的元素也是非常快的，因此可以用sort sets作为一个不重复的小型有序列表。 通过Sorted Sets可以快速操作任何你想做的事情：排序成员，判断成员是否在集合中，快速访问集合中间的成员。
总的来说，在其他数据库比较难完成的任务，用Sorted Sets可以更快更优性能的完成。
更多Sorted Sets的用法可以查看官方文档。
本文内容到此结束了，
如有收获欢迎点赞👍收藏💖关注✔️，您的鼓励是我最大的动力。
如有错误❌疑问💬欢迎各位指出。
主页：共饮一杯无的博客汇总👨💻保持热爱，奔赴下一场山海。🏃🏃🏃