Redis——達人探店

達人探店

發布探店筆記

探店筆記類似點評網站的評價，往往是圖文結合，對應的表有兩個：

發布博文對應兩個接口

案例：實現查看發布探店筆記的接口

需求：點擊首頁的探店筆記，會進入詳情頁面，實現該頁面的查詢接口

@Override
public Result queryBlogById(Long id) {// 1.查詢blogBlog blog = getById(id);if (blog == null) {return Result.fail("筆記不存在！");}// 2.查詢blog有關的用戶queryBlogUser(blog);return Result.ok(blog);
}private void queryBlogUser(Blog blog) {Long userId = blog.getUserId();User user = userService.getById(userId);blog.setName(user.getNickName());blog.setIcon(user.getIcon());}

點贊

初始代碼：

@GetMapping("/likes/{id}")
public Result queryBlogLikes(@PathVariable("id") Long id) {//修改點贊數量blogService.update().setSql("liked = liked +1 ").eq("id",id).update();return Result.ok();
}

問題分析：這導致一個用戶能無限點贊，明顯不合理

當前邏輯，發起請求只是給數據庫+1，所以才會出現這個問題

案例：完善點贊功能

需求：同一個用戶只能點贊一次，再次點擊則取消點贊

如果當前用戶已經點贊，則點贊按鈕高亮顯示（前端已實現，判斷字段Blog類的isLike屬性）

實現步驟：

給Blog類中添加一個isLike字段，判斷是否被當前用戶點贊
修改點贊功能，利用Redis的set集合判斷是否點贊過，未點贊過則點贊數+1，已點贊過則點贊-1
修改根據id查詢Blog業務，判斷當前登錄用戶是否點贊過，賦值給isLike字段
修改分頁查詢Blog的業務，判斷當前登錄用戶是否點贊過，賦值給isLike字段

為什么采用set集合？

因為我們的數據是不能重復的，當用戶操作后，無論他怎么操作，都是只能存在一個

具體步驟：

1.在Blog添加一個字段

@TableField(exist = false)
private Boolean isLike;

2.修改代碼

 @Overridepublic Result likeBlog(Long id){// 1.獲取登錄用戶Long userId = UserHolder.getUser().getId();// 2.判斷當前登錄用戶是否已經點贊String key = BLOG_LIKED_KEY + id;Boolean isMember = stringRedisTemplate.opsForSet().isMember(key, userId.toString());if(BooleanUtil.isFalse(isMember)){//3.如果未點贊，可以點贊//3.1 數據庫點贊數+1boolean isSuccess = update().setSql("liked = liked + 1").eq("id", id).update();//3.2 保存用戶到Redis的set集合if(isSuccess){stringRedisTemplate.opsForSet().add(key,userId.toString());}}else{//4.如果已點贊，取消點贊//4.1 數據庫點贊數-1boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();//4.2 把用戶從Redis的set集合移除if(isSuccess){stringRedisTemplate.opsForSet().remove(key,userId.toString());}}
}

點贊排行榜

在探店筆記的詳情頁面，應該把給筆記點贊的人顯示出來，比如最早點贊的TOP5，形成點贊排行榜；接口如下：

之前的點贊是放到set集合，但是set集合是不能排序的，所以這個時候，咱么可以采用一個可以排序的set集合，就是咱們的sortedSet

所有點贊的人，需要是唯一的，其次需要排序，可以直接鎖定使用sortedSet

案例：實現查詢點贊排行榜的接口

修改邏輯代碼

1.點贊邏輯代碼

從sortedSet集合中取出score，進行非空判斷，如果為空，說明未點贊，不為空，說明點過贊，將其從sortedSet中移出。

  @Overridepublic Result likeBlog(Long id) {// 1.獲取登錄用戶Long userId = UserHolder.getUser().getId();// 2.判斷當前登錄用戶是否已經點贊String key = BLOG_LIKED_KEY + id;Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());if (score == null) {// 3.如果未點贊，可以點贊// 3.1.數據庫點贊數 + 1boolean isSuccess = update().setSql("liked = liked + 1").eq("id", id).update();// 3.2.保存用戶到Redis的set集合  zadd key value scoreif (isSuccess) {stringRedisTemplate.opsForZSet().add(key, userId.toString(), System.currentTimeMillis());}} else {// 4.如果已點贊，取消點贊// 4.1.數據庫點贊數 -1boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();// 4.2.把用戶從Redis的set集合移除if (isSuccess) {stringRedisTemplate.opsForZSet().remove(key, userId.toString());}}return Result.ok();}private void isBlogLiked(Blog blog) {// 1.獲取登錄用戶UserDTO user = UserHolder.getUser();if (user == null) {// 用戶未登錄，無需查詢是否點贊return;}Long userId = user.getId();// 2.判斷當前登錄用戶是否已經點贊String key = "blog:liked:" + blog.getId();Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());blog.setIsLike(score != null);}

2.點贊列表查詢列表

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

@Override
public Result queryBlogLikes(Long id) {String key = BLOG_LIKED_KEY + id;// 1.查詢top5的點贊用戶 zrange key 0 4Set<String> top5 = stringRedisTemplate.opsForZSet().range(key, 0, 4);if (top5 == null || top5.isEmpty()) {return Result.ok(Collections.emptyList());}// 2.解析出其中的用戶idList<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());String idStr = StrUtil.join(",", ids);// 3.根據用戶id查詢用戶 WHERE id IN ( 5 , 1 ) ORDER BY FIELD(id, 5, 1)List<UserDTO> userDTOS = userService.query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list().stream().map(user -> BeanUtil.copyProperties(user, UserDTO.class)).collect(Collectors.toList());// 4.返回return Result.ok(userDTOS);
}

好友關注

關注和取關

在探店圖文的詳情頁中，可以關注發布筆記的作者.

案例：實現關注和取關功能

需求：基于該表數據結構，實現兩個接口

關注和取關接口，判斷是否關注的接口

關注是User之間的關系，是博主與粉絲的關系，數據庫中有一張tb_follow表來表示：

注意：這里需要把主鍵修改為自增長，簡化開發。

取消關注

@Override
public Result isFollow(Long followUserId) {// 1.獲取登錄用戶Long userId = UserHolder.getUser().getId();// 2.查詢是否關注 select count(*) from tb_follow where user_id = ? and follow_user_id = ?Integer count = query().eq("user_id", userId).eq("follow_user_id", followUserId).count();// 3.判斷return Result.ok(count > 0);}

關注service

 @Overridepublic Result follow(Long followUserId, Boolean isFollow) {// 1.獲取登錄用戶Long userId = UserHolder.getUser().getId();String key = "follows:" + userId;// 1.判斷到底是關注還是取關if (isFollow) {// 2.關注，新增數據Follow follow = new Follow();follow.setUserId(userId);follow.setFollowUserId(followUserId);boolean isSuccess = save(follow);} else {// 3.取關，刪除 delete from tb_follow where user_id = ? and follow_user_id = ?remove(new QueryWrapper<Follow>().eq("user_id", userId).eq("follow_user_id", followUserId));}return Result.ok();}

共同關注

點擊博主頭像，可以進入到博主首頁：

博主個人首頁依賴兩個接口

1.根據id查詢user信息

2.根據id查詢博主的探店筆記

案例：實現共同關注功能

需求：利用Redis中恰當的數據結構，實現共同關注功能。在博主個人頁面展示出當前用戶與博主的共同好友。

之前使用的set集合，在set集合中，有交集并集補集的api，我們可以把兩人的關注的人分別放入到一個set集合中，任何通過api去查看這兩個set集合中的交流數據。

改造關注列表

改造原因是我們需要在用戶關注了某位用戶后，需要將數據放入到set集合中，方便后續進行共同更關注，同時當取消關注，也需要從set集合中刪除

@Override
public Result follow(Long followUserId, Boolean isFollow) {// 1.獲取登錄用戶Long userId = UserHolder.getUser().getId();String key = "follows:" + userId;// 1.判斷到底是關注還是取關if (isFollow) {// 2.關注，新增數據Follow follow = new Follow();follow.setUserId(userId);follow.setFollowUserId(followUserId);boolean isSuccess = save(follow);if (isSuccess) {// 把關注用戶的id，放入redis的set集合 sadd userId followerUserIdstringRedisTemplate.opsForSet().add(key, followUserId.toString());}} else {// 3.取關，刪除 delete from tb_follow where user_id = ? and follow_user_id = ?boolean isSuccess = remove(new QueryWrapper<Follow>().eq("user_id", userId).eq("follow_user_id", followUserId));if (isSuccess) {// 把關注用戶的id從Redis集合中移除stringRedisTemplate.opsForSet().remove(key, followUserId.toString());}}return Result.ok();
}

共同關注

關注推送

????????當我們關注了用戶后，這個用戶發了動態，那么我們應該把這些數據推送給用戶，這個需求，其實我們又把他叫做Feed流，關注推送也叫做Feed流，直譯為投喂。為用戶持續的提供“沉浸式”的體驗，通過無限下拉刷新獲取新的信息。

Feed流的模式

Feed流產品有兩種常見模式：

Timeline ：不做內容篩選，簡單的按照內容發布時間排序，常用于好友或關注。例如朋友圈

? 優點：信息全面，不會有缺失。并且實現也相對簡單

? 缺點：信息噪音較多，用戶不一定感興趣，內容獲取效率低

智能排序 ：利用智能算法屏蔽掉違規的、用戶不感興趣的內容。推送用戶感興趣信息來吸引用戶

? 優點：投喂用戶感興趣信息，用戶粘度很高，容易沉迷

? 缺點：如果算法不精準，可能起到反作用

本例中的個人頁面，是基于關注的好友來做Feed流，因此采用Timeline的模式。該模式的實現方案有三種：

① 拉模式

② 推模式

③ 推拉結合

拉模式：也叫讀擴散。

????????該模式的核心含義就是：當張三和李四和王五發了消息后，都會保存在自己的郵箱中，假設趙六要讀取信息，那么他會從讀取他自己的收件箱，此時系統會從他關注的人群中，把他關注人的信息全部都進行拉取，然后在進行排序

優點：比較節約空間，因為趙六在讀信息時，并沒有重復讀取，而且讀取完之后可以把他的收件箱進行清楚。

缺點：比較延遲，當用戶讀取數據時才去關注的人里邊去讀取數據，假設用戶關注了大量的用戶，那么此時就會拉取海量的內容，對服務器壓力巨大。

推模式：也叫做寫擴散

????????推模式是沒有寫郵箱的，當張三寫了一個內容，此時會主動的把張三寫的內容發送到他的粉絲收件箱中去，假設此時李四再來讀取，就不用再去臨時拉取了

優點：時效快，不用臨時拉取

缺點：內存壓力大，假設一個大V寫信息，很多人關注他，就會寫很多分數據到粉絲那邊去

推拉結合模式：也叫做讀寫混合，兼具推和拉兩種模式的優點。

????????推拉模式是一個折中的方案，站在發件人這一段，如果是個普通的人，那么我們采用寫擴散的方式，直接把數據寫入到他的粉絲中去，因為普通的人他的粉絲關注量比較小，所以這樣做沒有壓力，如果是大V，那么他是直接將數據先寫入到一份到發件箱里邊去，然后再直接寫一份到活躍粉絲收件箱里邊去，現在站在收件人這端來看，如果是活躍粉絲，那么大V和普通的人發的都會直接寫入到自己收件箱里邊來，而如果是普通的粉絲，由于他們上線不是很頻繁，所以等他們上線時，再從發件箱里邊去拉信息。

案例：基于推模式實現關注推送功能

需求：

修改新增探店筆記的業務，在保存blog到數據庫的同時，推送到粉絲的收件箱
收件箱滿足可以根據時間戳排序，必須用Redis的數據結構實現
查詢收件箱數據時，可以實現分頁查詢

傳統了分頁在feed流是不適用的，因為我們的數據會隨時發生變化

????????假設在t1 時刻，我們去讀取第一頁，此時page = 1 ，size = 5 ，那么我們拿到的就是10~6 這幾條記錄，假設現在t2時候又發布了一條記錄，此時t3 時刻，我們來讀取第二頁，讀取第二頁傳入的參數是page=2 ，size=5 ，那么此時讀取到的第二頁實際上是從6 開始，然后是6~2 ，那么我們就讀取到了重復的數據，所以feed流的分頁，不能采用原始方案來做。

Feed流的滾動分頁

我們需要記錄每次操作的最后一條，然后從這個位置去讀取數據

舉個例子：我們從t1時刻開始，拿第一頁數據，拿到了10~6，然后記錄下當前最后一次拿取的記錄，就是6，t2時刻發布了新的記錄，此時這個11放到最頂上，但是不會影響我們之前記錄的6，此時t3時刻來拿第二頁，第二頁這個時候拿數據，還是從6后一點的5去拿，就拿到了5-1的記錄。我們這個地方可以采用sortedSet來做，可以進行范圍查詢，并且還可以記錄當前獲取數據時間戳最小值，就可以實現滾動分頁了

核心的意思：我們保存完探店筆記后，獲得到當前筆記的粉絲，然后把數據推送到粉絲的redis去。

    @Overridepublic Result saveBlog(Blog blog) {// 1.獲取登錄用戶UserDTO user = UserHolder.getUser();blog.setUserId(user.getId());//2. 保存探店博文boolean isSuccess = save(blog);if(!isSuccess){return Result.fail("新增筆記失敗");}//3.查詢筆記作者的所有粉絲 select * from tb_follow where follow_user_id = ?List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();//4.推送筆記id給所有粉絲for (Follow follow : follows) {//獲取粉絲idLong userId = follow.getUserId();//4.2推送String key="feed:" +userId;stringRedisTemplate.opsForZSet().add(key,blog.getId().toString(),System.currentTimeMillis());}// 返回idreturn Result.ok(blog.getId());}

案例：實現分頁查詢收郵箱

需求：在個人主頁的“關注”卡片中，查詢并展示推送的Blog信息：

具體操作如下：

1、每次查詢完成后，我們要分析出查詢出數據的最小時間戳，這個值會作為下一次查詢的條件

2、我們需要找到與上一次查詢相同的查詢個數作為偏移量，下次查詢時，跳過這些查詢過的數據，拿到我們需要的數據

綜上：我們的請求參數中就需要攜帶 lastId：上一次查詢的最小時間戳和偏移量這兩個參數。

這兩個參數第一次會由前端來指定，以后的查詢就根據后臺結果作為條件，再次傳遞到后臺。

一、定義出來具體的返回值實體類

@Data
public class ScrollResult {private List<?> list;private Long minTime;private Integer offset;
}

注意：RequestParam表示接收url地址欄傳參的注解，當方法上參數的名稱與url地址欄不同時，可以通過RequestParam來指定

@GetMapping("/of/follow")
public Result queryBlogOfFollow(@RequestParam("lastId") Long max, @RequestParam(value = "offset", defaultValue = "0") Integer offset){return blogService.queryBlogOfFollow(max, offset);
}

實現滾動分頁功能的業務流程

首先獲取當前用戶id，查詢收件箱，也就是查redis中存儲的博客

然后解析數據，獲取對應的id和時間戳

最后根據id查詢blog，按照給定的id進行排序。

查看blog有關的用戶

查詢是否被點贊

封裝數據進行返回

 @Overridepublic Result queryBlogOfFollow(Long max, Integer offset) {//1.獲取當前用戶Long userId = UserHolder.getUser().getId();//2.查詢收件箱  ZREVRANGEBYSCORE key Max Min LIMIT offset countString key="feed:"+userId;//每頁最多查兩條Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 2);//3.非空判斷if(typedTuples ==null || typedTuples.isEmpty()){return Result.ok();}//4.解析數據：blogId、minTime（時間戳）、offsetList<Long> ids=new ArrayList<>(typedTuples.size());long minTime = 0;int os=1;for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {//4.1 獲取idids.add(Long.valueOf(tuple.getValue()));//4.2獲取分數(時間戳）long time = tuple.getScore().longValue();if(time==minTime){os++;}else {minTime=time;os=1;}}String idStr = StrUtil.join(",", ids);//5.根據id查詢blogList<Blog> blogs=query().in("id", ids).last("ORDER BY FIELD(id,"+idStr+")").list();for (Blog blog : blogs) {//5.1.查詢blog有關的用戶queryBlogUser(blog);//5.2.查詢blog是否被點贊isBlogLiked(blog);}//5.封裝并返回ScrollResult r=new ScrollResult();r.setList(blogs);r.setOffset(os);r.setMinTime(minTime);return Result.ok(r);}@Overridepublic Result queryBlogById(Long id) {//1.查詢blogBlog blog = getById(id);if(blog==null){return Result.fail("筆記不存在");}//2.查詢blog有關的用戶queryBlogUser(blog);//3.查詢blog是否被點贊isBlogLiked(blog);return Result.ok(blog);}private void isBlogLiked(Blog blog) {//1.獲取登錄用戶UserDTO user = UserHolder.getUser();if(user==null){//用戶未登錄，無需查詢是否點贊return;}Long userId = user.getId();//2.判斷當前用戶是否已經點贊String key="blog:liked:"+blog.getId();Double score= stringRedisTemplate.opsForZSet().score(key, userId.toString());blog.setIsLike(score!=null);}

附近商戶

GEO數據結構

GEO就是Geolocation的簡寫形式，代表地理坐標。Redis在3.2版本中加入了對GEO的支持，允許存儲地理坐標信息，幫助我們根據經緯度來檢索數據。常見的命令有：

* GEOADD：添加一個地理空間信息，包含：經度（longitude）、緯度（latitude）、值（member）

* GEODIST：計算指定的兩個點之間的距離并返回

* GEOHASH：將指定member的坐標轉為hash字符串形式并返回

* GEOPOS：返回指定member的坐標

* GEORADIUS：指定圓心、半徑，找到該圓內包含的所有member，并按照與圓心之間的距離排序后返回。6.以后已廢棄

* GEOSEARCH：在指定范圍內搜索member，并按照與指定點之間的距離排序后返回。范圍可以是圓形或矩形。6.2.新功能

* GEOSEARCHSTORE：與GEOSEARCH功能一致，不過可以把結果存儲到一個指定的key。

導入店鋪數據到GEO

????????當我們點擊美食之后，會出現一系列的商家，商家中可以按照多種排序方式，我們此時關注的是距離，這個地方就需要使用到我們的GEO，向后臺傳入當前app收集的地址(我們此處是寫死的) ，以當前坐標作為圓心，同時綁定相同的店家類型type，以及分頁信息，把這幾個條件傳入后臺，后臺查詢出對應的數據再返回。

????????我們要做的事情是：將數據庫表中的數據導入到redis中去，redis中的GEO，GEO在redis中就一個menber和一個經緯度，我們把x和y軸傳入到redis做的經緯度位置去，但我們不能把所有的數據都放入到menber中去，畢竟作為redis是一個內存級數據庫，如果存海量數據，redis還是力不從心，所以我們在這個地方存儲他的id即可。

????????但是這個時候還有一個問題，就是在redis中并沒有存儲type，所以我們無法根據type來對數據進行篩選，所以我們可以按照商戶類型做分組，類型相同的商戶作為同一組，以typeId為key存入同一個GEO集合中即可

寫一個測試，把按typeId分類的商戶存入到GEO中

實現附近商戶功能

1.導入pop依賴文件

SpringDataRedis的2.3.9版本并不支持Redis 6.2提供的GEOSEARCH命令，因此我們需要提示其版本，修改自己的POM

@GetMapping("/of/type")
public Result queryShopByType(@RequestParam("typeId") Integer typeId,@RequestParam(value = "current", defaultValue = "1") Integer current,@RequestParam(value = "x", required = false) Double x,@RequestParam(value = "y", required = false) Double y
) {return shopService.queryShopByType(typeId, current, x, y);
}

@Overridepublic Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {// 1.判斷是否需要根據坐標查詢if (x == null || y == null) {// 不需要坐標查詢，按數據庫查詢Page<Shop> page = query().eq("type_id", typeId).page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));// 返回數據return Result.ok(page.getRecords());}// 2.計算分頁參數int from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;int end = current * SystemConstants.DEFAULT_PAGE_SIZE;// 3.查詢redis、按照距離排序、分頁。結果：shopId、distanceString key = SHOP_GEO_KEY + typeId;GeoResults<RedisGeoCommands.GeoLocation<String>> results = stringRedisTemplate.opsForGeo() // GEOSEARCH key BYLONLAT x y BYRADIUS 10 WITHDISTANCE.search(key,GeoReference.fromCoordinate(x, y),new Distance(5000),RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(end));// 4.解析出idif (results == null) {return Result.ok(Collections.emptyList());}List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();if (list.size() <= from) {// 沒有下一頁了，結束return Result.ok(Collections.emptyList());}// 4.1.截取 from ~ end的部分List<Long> ids = new ArrayList<>(list.size());Map<String, Distance> distanceMap = new HashMap<>(list.size());list.stream().skip(from).forEach(result -> {// 4.2.獲取店鋪idString shopIdStr = result.getContent().getName();ids.add(Long.valueOf(shopIdStr));// 4.3.獲取距離Distance distance = result.getDistance();distanceMap.put(shopIdStr, distance);});// 5.根據id查詢ShopString idStr = StrUtil.join(",", ids);List<Shop> shops = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();for (Shop shop : shops) {shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());}// 6.返回return Result.ok(shops);}

用戶簽到

BitMap用法

用戶一次簽到，就是一條記錄，假如有1000萬用戶，平均每人每年簽到次數為10次，則這張表一年的數據量為 1億條

每簽到一次需要使用（8 + 8 + 1 + 1 + 3 + 1）共22 字節的內存，一個月則最多需要600多字節

我們如何能夠簡化一點呢？其實可以考慮小時候一個挺常見的方案，就是小時候，咱們準備一張小小的卡片，你只要簽到就打上一個勾，我最后判斷你是否簽到，其實只需要到小卡片上看一看就知道了

我們可以采用類似這樣的方案來實現我們的簽到需求。

我們按月來統計用戶簽到信息，簽到記錄為1，未簽到則記錄為0.

把每一個bit位對應當月的每一天，形成了映射關系。用0和1標示業務狀態，這種思路就稱為位圖（BitMap）。這樣我們就用極小的空間，來實現了大量數據的表示

Redis中是利用string類型數據結構實現BitMap，因此最大上限是512M，轉換為bit則是 2^32個bit位。

BitMap的操作命令有：

* SETBIT：向指定位置（offset）存入一個0或1

* GETBIT ：獲取指定位置（offset）的bit值

* BITCOUNT ：統計BitMap中值為1的bit位的數量

* BITFIELD ：操作（查詢、修改、自增）BitMap中bit數組中的指定位置（offset）的值

* BITFIELD_RO ：獲取BitMap中bit數組，并以十進制形式返回

* BITOP ：將多個BitMap的結果做位運算（與、或、異或）

* BITPOS ：查找bit數組中指定范圍內第一個0或1出現的位置

案例：簽到功能

需求：實現簽到接口，將當前用戶當天簽到信息保存到Redis中

思路：我們可以把年和月作為bitMap的key，然后保存到一個bitMap中，每次簽到就到對應的位上把數字從0變成1，只要對應是1，就表明說明這一天已經簽到了，反之則沒有簽到。

我們通過接口文檔發現，此接口并沒有傳遞任何的參數，沒有參數怎么確實是哪一天簽到呢？這個很容易，可以通過后臺代碼直接獲取即可，然后到對應的地址上去修改bitMap。

UserController

 @PostMapping("/sign")public Result sign(){return userService.sign();}

UserServiceImpl

@Override
public Result sign() {// 1.獲取當前登錄用戶Long userId = UserHolder.getUser().getId();// 2.獲取日期LocalDateTime now = LocalDateTime.now();// 3.拼接keyString keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));String key = USER_SIGN_KEY + userId + keySuffix;// 4.獲取今天是本月的第幾天int dayOfMonth = now.getDayOfMonth();// 5.寫入Redis SETBIT key offset 1stringRedisTemplate.opsForValue().setBit(key, dayOfMonth - 1, true);return Result.ok();
}

簽到統計

什么是連續簽到天數？

從最后一次簽到開始向前統計，直到遇到第一次簽到為止，計算總的簽到次數，就是連續簽到次數。

Java邏輯代碼：獲得當前這個月的最后一次簽到數據，定義一個計數器，然后不停的向前統計，直到獲得第一個非0的數字即可，每得到一個非0的數字計數器+1，直到遍歷完所有的數據，就可以獲得當前月的簽到總天數了

如何得到本月到今天為止的所有簽到數據？

????????假設今天是10號，那么我們就可以從當前月的第一天開始，獲得到當前這一天的位數，是10號，那么就是10位，去拿這段時間的數據，就能拿到所有的數據了，那么這10天里邊簽到了多少次呢？統計有多少個1即可。

如何從后往前遍歷每個bit位？

注意：bitMap返回的數據是10進制，哪假如說返回一個數字8，那么我哪兒知道到底哪些是0，哪些是1呢？我們只需要讓得到的10進制數字和1做與運算就可以了，因為1只有遇見1 才是1，其他數字都是0 ，我們把簽到結果和1進行與操作，每與一次，就把簽到結果向右移動一位，依次內推，我們就能完成逐個遍歷的效果了。

與1做與運算，就能得到最后一個bit位。

隨后右移1位，下一個bit位就成為了最后一個bit位。

案例：實現簽到統計功能

需求：實現下面接口，統計當前用戶截止當前時間在本月的連續簽到天數

有用戶有時間我們就可以組織出對應的key，此時就能找到這個用戶截止這天的所有簽到記錄，再根據這套算法，就能統計出來他連續簽到的次數了

@GetMapping("/sign/count")
public Result signCount(){return userService.signCount();
}

@Override
public Result signCount() {// 1.獲取當前登錄用戶Long userId = UserHolder.getUser().getId();// 2.獲取日期LocalDateTime now = LocalDateTime.now();// 3.拼接keyString keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));String key = USER_SIGN_KEY + userId + keySuffix;// 4.獲取今天是本月的第幾天int dayOfMonth = now.getDayOfMonth();// 5.獲取本月截止今天為止的所有的簽到記錄，返回的是一個十進制的數字 BITFIELD sign:5:202203 GET u14 0List<Long> result = stringRedisTemplate.opsForValue().bitField(key,BitFieldSubCommands.create().get(BitFieldSubCommands.BitFieldType.unsigned(dayOfMonth)).valueAt(0));if (result == null || result.isEmpty()) {// 沒有任何簽到結果return Result.ok(0);}Long num = result.get(0);if (num == null || num == 0) {return Result.ok(0);}// 6.循環遍歷int count = 0;while (true) {// 6.1.讓這個數字與1做與運算，得到數字的最后一個bit位  // 判斷這個bit位是否為0if ((num & 1) == 0) {// 如果為0，說明未簽到，結束break;}else {// 如果不為0，說明已簽到，計數器+1count++;}// 把數字右移一位，拋棄最后一個bit位，繼續下一個bit位num >>>= 1;}return Result.ok(count);
}