黑马点评笔记（自用）

自用）"/>

黑马点评笔记（自用）

1.优惠卷秒杀
（1）全局唯一ID
订单如果用自增，容易被猜到交易量，且数据量大的话分成多个表，都是自增，容易出现重复。所以用全局ID生成器，Redis独立自增不会重复，但安全性不保证，所以用符号位+时间戳+序列号来代替：

时间戳：当前时间-初始时间
序列号：设置每天一个KEY，在一天内KEY都相同，不同天的KEY不相同。
时间戳左移32位，留出32位进行拼接，然后让时间戳和序列号完成|运算，即可完成拼接。
还可以使用雪花算法来生成全局唯一ID
（2）添加优惠卷
优惠卷分为普通优惠卷和秒杀优惠卷，秒杀优惠卷优惠力度大，有库存、开始时间、结束时间，这是比普通多的信息。
(3)实现秒杀下单
判断1、是否在时间内
2、库存是否足够
(4)超卖问题
两个线程并发执行，线程1先查询，线程2随后查询，线程1库存-1，线程2库存-1，但线程1去-1后库存变为0了，线程2再减就变为-1了这就是超卖。在修改之前，都查询完。
解决方法：悲观锁或乐观锁
乐观锁：很乐观认为不会修改数据，每次就在更新数据时判断数据有没有修改，若修改发生异常。
给设置一个版本号，线程1、2先查询版本号为1，线程1去-1则版本号+1为2，线程2修改数据判断发现版本号变了就不改了。若用库存stock去代替版本号，那么就是CAS法。要使stock>0，因为若只等于的话，会造成一个线程成功修改，其他线程失败就不尝试了。
(5)实现一人一单功能
秒杀优惠卷需要限量，一个用户只能用它下一单。
所以扣库存之前需要先根据userid和优惠卷id判断数据库内是否已经有了订单，若有了就错误。可以用悲观锁，把功能封装成类，用的时候调用它，同步锁就在调用它的地方加，这样先加锁，然后到下单一直都有锁，其他线程不会趁虚而入。（仅限单机情况下）
集群情况下上边的方法就不行了，例如有两个JVM，里边有两个锁监视器，两个线程都可以各获得一把锁互不干扰，都可以去减库存。
(6)分布式锁
在多个JVM外边创建一个JVM都可以看见的并且互斥的锁监视器，这样一旦一个线程获取锁，其他JVM就会获取失败。可以利用Redis来实现，因为Redis独立与JVM，并且利用setnx来实现互斥，向Redis中set数据时，只有里边不存在数据时才能set成功，否则失败，这样来保证互斥。安全性利用锁超时释放。
(7)Redis分布式锁误删问题
线程1获取锁，然后业务阻塞，一直到锁超时释放，这时候线程2可以获取锁执行业务，过一段时间，线程1业务执行完毕，去执行释放锁操作，线程2还没完成业务，线程3也获得了锁，这时候多个线程同时执行，出现安全问题。
解决方法：先获取锁的标识（用UUID），释放锁的时候，判断一下锁的标识看是否是同一把锁，若是就释放失败，不是可以释放。
(8)分布式锁的原子性问题
上边的解决后，若在判断操作和释放锁操作之间，业务阻塞了（JVM的Full GC垃圾回收机制造成所有都阻塞了），然后锁超时释放，这是线程2获取锁，线程1阻塞结束释放锁，线程2被释放锁，线程3获取锁。
解决方法：将判断操作和释放锁操作变成原子性。
用lua脚本执行命令时，会一块执行保证原子性，具体lua命令查菜鸟教程。
(9)Redisson实现分布式锁
因为setnx会有


重试获取锁：

防止锁提前超时释放：

解决主从一致性问题：可以试用Redisson的联锁来解决，核心是开启多个Redis的主节点，设置锁时，必须所有主节点都写入成功，才算设置成功。
实现联锁的关键点：
1、所有节点都必须成功才行，否则就要从头来过
2、在所有锁设置成功后，要设置统一释放时间。
3、锁释放时间必须要大于抢锁等待时间，不然还没抢到锁就先释放了

(10)异步秒杀
为了优化秒杀业务，首先校验功能执行快，创建订单涉及到数据库操作执行慢，原本他俩在一个线程拖慢速度，现在把他俩分离开来，这样提高了速度。所以校验完后直接返回订单id给前端，创建订单操作数据库可以和校验异步执行。校验这部分就放到Redis里去执行。并且用set集合去储存数据。校验这部分放到lua脚本里去做，java代码只需调用id即可。注意下单业务是放到阻塞队列中的跟之前的校验异步下单
(11)Redis消息队列实现异步秒杀
消息队列中分为生产者、消息队列、消费者。相当于快递员、快递柜、我。把下单那一部分放到消息队列，我什么时候用就什么时候取。且它独立与JVM，不会造成内存溢出。
stream的单消费者模式：消息可以回溯、一个消息可被多个消费者读取、可以阻塞读取就是什么时候新消息发过来再读取，但是若在读取之前一下发了多条消息只能读最新的一条会漏读。
stream消费者组模式：
消费者组：同组中多个消费者相互竞争，只有一个消费者能抢到，增加消费能力。
消息标识：比作书签，从上次没读完的地方接着读
消息确认机制：默认消费的信息为pending状态，会放到每个消费者的pending-list中去，只有确认(ACK)以消费才移除，这样Redis宕机也可以从新处理。

点赞
首先判断是否已经点过赞了，防止同一个用户重复点赞，就给Blog表内设置一个islike字段来判断是否点过赞。用Redis的set集合，若已存在点赞则失败，不存在就成功然后把点赞信息放进去。
点赞排行榜
去显示最新点赞的五个人，用Redis的Soretedset来排序，里面会自动按score来排序，把score设为时间就行。

关注与取关
写关注、取关、判断关注接口。关注要先获得用户id，再封装到接口、保存，取关就直接remove（）删除就行。
共同关注
本质是求两个用户关注集合的交集，用set集合。因为set有可能过期，过期后开启异步任务，构建缓存。
Feed流
Feed流指像抖音那样不断下拉刷视频那种，而现在要做的是Feed流关注推送给粉丝。
Feed流分两种：
1、Timeline：按时间顺序排的，比如朋友圈。
2、智能排序模式：抖音推荐算法
我们用的是Timeline，分为推、拉、推拉结合模式。
拉模式：up主一个发件箱，粉丝一个收件箱先到发件箱，再到收件箱。适合粉丝数多的。
推模式：只有粉丝有个收件箱，直接发到收件箱，适合粉丝数少的。
推拉结合：给活跃粉丝进行推模式，普通粉丝拉模式。
GEO地理坐标计算
GEO是Redis实现储存多个地理坐标、计算坐标间的距离、坐标半径范围内的其他点和距离（附近的人）GEO底层是Sortedset类型
签到用Bitmap
一共31bit，一个bit上0或1代表是否签到（二进制101010等），一个月正好31天，这样用的数据也少，底层是string类型
统计连续签到天数
从后往前统计，直到遇到0就断签，至于如何从后向前遍历，就是拿数据和1做与运算，都是1结果为1，否则为0，先从最后一位比较，然后数据右移比较倒数第二位，以此类推。