SYSTEM
整体设计思路
src/content/notes/blog-dev/浏览记录异步持久化-点赞功能-RabbitMQ-解耦-整体设计思路.md 一、整体设计思路
1.1 为什么需要异步持久化
问题:在文章详情页,每次用户访问都要同步执行两步 DB 写操作——记录浏览历史 + 更新阅读量。高并发下 DB 写操作成为瓶颈。
方案:将”浏览记录持久化”和”点赞计数持久化”从同步流程中剥离,改为:
用户请求 → Controller → Redis 先写(即时响应)
↓
RabbitMQ 消息
↓
Consumer 异步 → DB 持久化
核心收益:
- 用户请求响应时间从
Redis + DB写降为Redis写,延迟降低 50%+ - 点赞/浏览的瞬时高峰被 MQ 削峰填谷,DB 压力可控
- 消费者故障不影响用户操作,消息进入死信队列后补处理
1.2 点赞功能的数据流
POST /api/like/article/{articleId}?action=like
│
▼
┌─ LikeController ─────────────────────────────────────────────┐
│ ① Redis Set 记录"谁点赞了"(SADD / SREM) │
│ ② Redis String 原子计数(INCR / DECR) │
│ ③ Redis Set 标记脏文章(SADD dirty) │
│ ④ 发送 LikeMessage 到 RabbitMQ LIKE_QUEUE │
│ ⑤ 返回最新点赞状态(liked + likeCount) │
└──────────────────────────────────────────────────────────────┘
│
▼
┌─ LikeConsumer ───────────────────────────────────────────────┐
│ ① 幂等性检查(Redis SET NX) │
│ ② DB 原子更新:UPDATE article SET like_count = like_count + delta │
│ ③ 失败 → 抛 RuntimeException → 进入 DLX_QUEUE │
└──────────────────────────────────────────────────────────────┘
⏰ 定时任务(每 10 分钟)
▼
┌─ ArticleServiceImpl.syncLikeCountToDB() ─────────────────────┐
│ ① 获取分布式锁(Redisson) │
│ ② 读取 Redis 脏文章集合 │
│ ③ 遍历每篇文章:Redis 计数 → DB 覆盖更新 │
│ ④ 移除脏标记(SREM) │
└──────────────────────────────────────────────────────────────┘
为什么需要两层持久化:
- LikeConsumer:实时增量同步(
like_count + delta),处理点赞/取消点赞的增量 - 定时任务 syncLikeCountToDB:兜底覆盖同步(
like_count = redisCount),修复 MQ 消息丢失或延迟导致的数据不一致
1.3 浏览记录的数据流
GET /api/article/{id}(用户查看文章详情)
│
▼
┌─ ArticleController.getArticle() ─────────────────────────────┐
│ ① Redis List 记录浏览历史(LPUSH + LTRIM,最多保留 50 条) │
│ ② Redis Set 标记脏用户(SADD dirty) │
│ ③ 发送 BrowseHistoryMessage 到 RabbitMQ HISTORY_QUEUE │
└──────────────────────────────────────────────────────────────┘
│
▼
┌─ BrowseHistoryConsumer ──────────────────────────────────────┐
│ ① 幂等性检查(userId:articleId:timestamp) │
│ ② DB INSERT 浏览记录 │
│ ③ 失败 → 抛 RuntimeException → 进入 DLX_QUEUE │
└──────────────────────────────────────────────────────────────┘
GET /api/user/history(用户查看浏览历史)
│
▼
┌─ UserHistoryController ──────────────────────────────────────┐
│ ① 优先从 Redis List 读取(LRANGE 分页) │
│ ② Redis 无数据 → 回源 DB(BrowseHistory 表) │
│ ③ 按 articleId 批量查询 Article 实体 │
└──────────────────────────────────────────────────────────────┘
为什么 Redis List 只存 50 条:浏览历史是”最近浏览”场景,用户只关心最近的几十条。全量存 Redis 浪费内存,超出的部分靠 DB 提供全量查询。
二、具体步骤与核心代码
步骤 1:定义缓存常量
文件:common/constant/BlogCacheConstants.java
设计思路:所有 Redis key 集中管理,避免硬编码字符串导致 key 不一致。
// 点赞
public static final String ARTICLE_LIKE_COUNT_KEY = "blog:article:like:count:"; // 计数 key
public static final String ARTICLE_LIKE_USER_SET_KEY = "blog:article:like:user:"; // 用户集合 key
public static final String ARTICLE_LIKE_DIRTY_KEY = "blog:article:like:dirty"; // 脏文章标记
public static final String LIKE_SYNC_LOCK = "blog:article:like:sync:lock"; // 同步分布式锁
public static final String LIKE_DONE_PREFIX = "blog:like:done:"; // 幂等性 key
// 浏览记录
public static final String USER_HISTORY_KEY = "blog:user:history:"; // 浏览历史 List
public static final String USER_HISTORY_DIRTY_KEY = "blog:user:history:dirty"; // 脏用户标记
public static final String HISTORY_SYNC_LOCK = "blog:user:history:sync:lock"; // 同步分布式锁
public static final String HISTORY_DONE_PREFIX = "blog:history:done:"; // 幂等性 key
public static final long USER_HISTORY_MAX = 50L; // 每个用户最多 50 条
Redis 数据结构选型:
| 场景 | Redis 类型 | Key | 说明 |
|---|---|---|---|
| 点赞计数 | String | blog:article:like:count:{articleId} |
INCR/DECR 原子操作 |
| 点赞用户 | Set | blog:article:like:user:{articleId} |
SISMEMBER 快速判断是否已点赞 |
| 脏文章标记 | Set | blog:article:like:dirty |
定时任务扫描需要同步的文章 |
| 浏览历史 | List | blog:user:history:{userId} |
LPUSH 最新在前,LTRIM 限长 |
| 脏用户标记 | Set | blog:user:history:dirty |
记录哪些用户有新浏览数据 |
| 幂等性 | String | blog:like:done:{articleId}:{userId}:{timestamp} |
SET NX 防重复消费 |
步骤 2:定义消息 DTO
文件:dto/LikeMessage.java、dto/BrowseHistoryMessage.java
设计思路:
LikeMessage使用delta(+1/-1)而非liked布尔值,因为 DB 端用UPDATE SET like_count = like_count + delta的原子操作,无需先查后改- 两个 DTO 都带
timestamp,用于幂等性去重(区分同一次投递的重复消息和不同时间点的正常消息)
// LikeMessage.java
@Data
public class LikeMessage implements Serializable {
private Long articleId;
private Long userId;
private int delta; // 1=点赞, -1=取消点赞
private Long timestamp; // 用于幂等性去重
}
// BrowseHistoryMessage.java
@Data
public class BrowseHistoryMessage implements Serializable {
private Long userId;
private Long articleId;
private Long timestamp; // 用于幂等性去重
}