目录
- 引言
- 一、Redis BitMap 基本用法
- ⛅BitMap 基本语法、指令
- ⚡使用 BitMap 完成功能实现
- 二、SpringBoot 整合 Redis 实现签到 功能
- ☁️需求介绍
- ⚡核心源码
- 三、SpringBoot 整合Redis 实现 签到统计功能
- 四、关于使用bitmap来解决缓存穿透的方案
- ⛵小结
引言
在各个项目中,我们都可能需要用到签到和 统计功能。 签到后会给用户一些礼品以此来吸引用户持续在该平台进行活跃。
签到功能,我们可以通过Redis中的 BitMap功能来实现
一、Redis BitMap 基本用法
⛅BitMap 基本语法、指令
签到功能我们可以使用MySQL来完成,比如下表:
用户一次签到,就是一条记录,假如有1000万用户,平均每人每年签到次数为10次,则这张表一年的数据量为 1亿条
每签到一次需要使用(8 + 8 + 1 + 1 + 3 + 1)共22 字节的内存,一个月则最多需要600多字节
这样的坏处,占用内存太大了,极大的消耗内存空间!
我们可以根据 Redis中 提供的 BitMap 位图功能来实现,每次签到与未签到用0 或1 来标识 ,一次存31个数字,只用了2字节 这样我们就用极小的空间实现了签到功能
BitMap 的操作指令:
- 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
⚡使用 BitMap 完成功能实现
服务器Redis版本采用 6.2
进入redis查询 SETBIT 命令
新增key 进行存储
查询 GETBIT命令
查看指定坐标的签到状态
查询 BITFIELD
无符号查询
BITPOS 查询1 和 0 第一次出现的坐标
二、SpringBoot 整合 Redis 实现签到 功能
☁️需求介绍
采用BitMap实现签到功能
实现签到接口,将当前用户当天签到信息保存到Redis中
思路分析:
我们可以把 年和月 作为BitMap的key,然后保存到一个BitMap中,每次签到就到对应的位上把数字从0 变为1,只要是1,就代表是这一天签到了,反之咋没有签到。
实现签到接口,将当前用户当天签到信息保存至Redis中
说明 | |
请求方式 | POST |
请求路径 | /user/sign |
请求参数 | 无 |
返回值 | 无 |
提示: 因为BitMap 底层是基于String数据结构,因此其操作都封装在字符串操作中了。
⚡核心源码
UserController
@PostMapping("sign")
public Result sign() {
return userService.sign();
}
UserServiceImpl
public Result sign() {
//. 获取登录用户
Long userId = UserHolder.getUser().getId();
//. 获取日期
LocalDateTime now = LocalDateTime.now();
//. 拼接key
String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
String key = RedisConstants.USER_SIGN_KEY + userId + keySuffix;
//. 获取今天是本月的第几天
int dayOfMonth = now.getDayOfMonth();
//. 写入redis setbit key offset 1
stringRedisTemplate.opsForValue().setBit(key, dayOfMonth -, true);
return Result.ok();
}
接口进行测试
ApiFox进行测试
查看Redis 数据
三、SpringBoot 整合Redis 实现 签到统计功能
问题一: 什么叫做连续签到天数?
从最后一次签到开始向前统计,直到遇到第一次未签到为止,计算总的签到次数,就是连续签到天数。
逻辑分析:
获得当前这个月的最后一次签到数据,定义一个计数器,然后不停的向前统计,直到获得第一个非0的数字即可,每得到一个非0的数字计数器+1,直到遍历完所有的数据,就可以获得当前月的签到总天数了
问题二: 如何得到本月到今天为止的所有签到数据?
BITFIELD key GET u[dayOfMonth]
假设今天是7号,那么我们就可以从当前月的第一天开始,获得到当前这一天的位数,是7号,那么就是7位,去拿这段时间的数据,就能拿到所有的数据了,那么这7天里边签到了多少次呢?统计有多少个1即可。
**问题三:**如何从后向前遍历每个Bit位?
注意:bitMap返回的数据是10进制,哪假如说返回一个数字8,那么我哪儿知道到底哪些是0,哪些是1呢?
我们只需要让得到的10进制数字和1做与运算就可以了,因为1只有遇见1 才是1,其他数字都是0 ,我们把签到结果和1进行与操作,每与一次,就把签到结果向右移动一位,依次内推,我们就能完成逐个遍历的效果了。
需求:
实现以下接口,统计当前截至当前时间在本月的连续天数
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的天数
说明 | |
请求方式 | GET |
请求路径 | /user/sign/count |
请求参数 | 无 |
返回值 | 连续签到的天数 |
核心源码
UserController
@GetMapping("/signCount")
public Result signCount() {
return userService.signCount();
}
UserServiceImpl
public Result signCount() {
//. 获取登录用户
Long userId = UserHolder.getUser().getId();
//. 获取日期
LocalDateTime now = LocalDateTime.now();
//. 拼接key
String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
String key = RedisConstants.USER_SIGN_KEY + userId + keySuffix;
//. 获取今天是本月的第几天
int dayOfMonth = now.getDayOfMonth();
//. 获取本月截至今天为止的所有的签到记录,返回的是一个十进制的数字 BITFIELD sign:5:202301 GET u3 0
List<Long> result = stringRedisTemplate.opsForValue().bitField(
key,
BitFieldSubCommands.create()
.get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)).valueAt());
//没有任务签到结果
if (result == null || result.isEmpty()) {
return Result.ok();
}
Long num = result.get();
if (num == null || num ==) {
return Result.ok();
}
//. 循环遍历
int count =;
while (true) {
//.1 让这个数字与1 做与运算,得到数字的最后一个bit位 判断这个数字是否为0
if ((num &) == 0) {
//如果为,签到结束
break;
} else {
count ++;
}
num >>>=;
}
return Result.ok(count);
}
进行测试
查看 Redis 变量
从今天开始,往前查询 连续签到的天数,结果为2 测试无误!
四、关于使用bitmap来解决缓存穿透的方案
回顾缓存穿透:
发起了一个数据库不存在的,redis里边也不存在的数据,通常你可以把他看成一个攻击
解决方案:
- 判断id<0
- 数据库为空的话,向redis里边把这个空数据缓存起来
第一种解决方案:遇到的问题是如果用户访问的是id不存在的数据,则此时就无法生效
第二种解决方案:遇到的问题是:如果是不同的id那就可以防止下次过来直击数据
所以我们如何解决呢?
我们可以将数据库的数据,所对应的id写入到一个list集合中,当用户过来访问的时候,我们直接去判断list中是否包含当前的要查询的数据,如果说用户要查询的id数据并不在list集合中,则直接返回,如果list中包含对应查询的id数据,则说明不是一次缓存穿透数据,则直接放行。
现在的问题是这个主键其实并没有那么短,而是很长的一个 主键
哪怕你单独去提取这个主键,但是在 11年左右,淘宝的商品总量就已经超过10亿个
所以如果采用以上方案,这个list也会很大,所以我们可以使用bitmap来减少list的存储空间
我们可以把list数据抽象成一个非常大的bitmap,我们不再使用list,而是将db中的id数据利用哈希思想,比如:
id 求余bitmap长度 :id % bitmap.size = 算出当前这个id对应应该落在bitmap的哪个索引上,然后将这个值从0变成1,然后当用户来查询数据时,此时已经没有了list,让用户用他查询的id去用相同的哈希算法, 算出来当前这个id应当落在bitmap的哪一位,然后判断这一位是0,还是1,如果是0则表明这一位上的数据一定不存在,采用这种方式来处理,需要重点考虑一个事情,就是误差率,所谓的误差率就是指当发生哈希冲突的时候,产生的误差。