黑马点评

• 一、短信登陆功能
• • 1.基于session实现
  • 2.基于session实现登陆的问题
  • 3.基于redis实现短信登陆
  • 4.补充ThreadLocal相关知识
  • • a.ThreadLocal的数据结构
    • b.内存泄露问题
• 二、redis缓存
• • 1.选择缓存更新策略
  • 2.业务逻辑
  • 3.缓存存在的问题
  • • a.缓存穿透
    • b.缓存雪崩
    • c.缓存击穿
  • 4.基于逻辑过期解决缓存击穿问题
• 三、优惠券秒杀
• • 1.优惠券秒杀下单
  • 2.超卖问题
  • 3.一人一单功能
  • 4.基于redis的分布式锁
  • • a.setnx命令
    • b.普通setnx分布式锁出现的问题
• 四、消息队列优化
• 五、达人探店
• • 1.发布探店笔记
  • 2.实现点赞功能
  • 3.点赞排行榜
• 六、好友关注
• • 1.关注和取关
  • 2.共同关注
  • 3.关注推送
  • 4.实现推送功能
• 七、签到功能
• • 1.数据库实现
  • 2.redis实现
  • 3.具体代码

一、短信登陆功能

1.基于session实现

2.基于session实现登陆的问题

单体应用时用户的会话信息保存在session中，session存在于服务器端的内存中，由于前前后后用户只针对一个WEB服务器，所以没啥问题。但是一到了web服务器集群的环境下（我们一般都是用Nginx做负载均衡，若是使用了轮询等这种请求分配策略），就会导致用户小a在A服务器登录了，session存在于A服务器中，但是第二次请求被分配到了B服务器，由于B服务器中没有用户小a的session会话，导致用户小a还要再登陆一次，以此类推。这样用户体验很不好。当然解决办法也有很多种，比如同一个用户分配到同一个服务处理、使用cookie保持用户会话信息等。
因此，要解决这样的问题必须满足以下条件：

• 数据共享
• 内存存储
• key、value结构

3.基于Redis实现短信登陆

发送验证码：

@PostMapping("code")public Result sendCode(@RequestParam("phone") String phone, httpsession session) {    return userService.sendCode(phone,session);}@Overridepublic Result sendCode(String phone, HttpSession session) {    //1.校验手机号    if (RegexUtils.isPhoneInvalid(phone)) {        //2.如果不符合，返回错误信息        return Result.fail("手机号格式错误！");    }    //3.符合则生成验证码    final String code = RandomUtil.randomNumbers(6);    //4.保存验证码到redis    stringRedisTemplate.opsForValue().set(LOGIN_CODE_KEY+phone,code,LOGIN_CODE_TTL, TimeUnit.MINUTES);    //5.发送验证码    log.debug("发送短信验证码成功，验证码：{}",code);    //6.返回null    return Result.ok();}

验证登陆功能：
login方法会把生成的token返回给前端，浏览器会将其保存到session中。

@PostMapping("/login")public Result login(@RequestBody LoginFORMDTO loginForm, HttpSession session){    return userService.login(loginForm,session);}@Overridepublic Result login(LoginFormDTO loginForm, HttpSession session) {    //1.校验手机号    final String phone = loginForm.getPhone();    if (RegexUtils.isPhoneInvalid(phone)) {        //2.如果不符合，返回错误信息        return Result.fail("手机号格式错误！");    }    //2.校验验证码,从redis中获取    final String cacheCode = stringRedisTemplate.opsForValue().get(LOGIN_CODE_KEY+phone);    final String code = loginForm.getCode();    if(cacheCode==null||!cacheCode.equals(code)){        //3.不一直，报错        return Result.fail("验证码错误");    }    //4.一致，根据手机号查询用户    User user = query().eq("phone", phone).one();    //5.判断用户是否存在    if (user == null) {        //6.不存在，创建新用户并保存        user = createUserWithPhone(phone);    }    //7.保存用户信息到redis中    //7.1随机生成token，作为登陆令牌    String token = UUID.randomUUID().toString(true);    //7.2将User对象转为HashMap存储    UserDTO userDTO = BeanUtil.copyProperties(user,UserDTO.class);    final Map<String, Object> map = BeanUtil.beanToMap(userDTO, new HashMap<>(),            CopyOptions.create().setIgnoreNullValue(true).setFieldValueEditor((fieldName,fieldValue)->{                return fieldValue.toString();            })    );    //7.3存储    stringRedisTemplate.opsForHash().putAll(LOGIN_USER_KEY+token,map);    //7.4设置token有效期    stringRedisTemplate.expire(LOGIN_USER_KEY+token,3000,TimeUnit.MINUTES);    //8.返回token    return Result.ok(token);}private User createUserWithPhone(String phone) {    User user = new User();    user.setPhone(phone);    user.setNickName(USER_NICK_NAME_PREFIX+RandomUtil.randomString(5));    save(user);    return user;}

这里使用redis的hash结构存储user信息，原因是：

• 若使用String结构，以JSON字符串来保存，比较直观
• 但Hash结构可以将对象中的每个字段独立存储，可以针对单个字段做CRUD，并且内存占用更少

拦截器：

• 首先，对于每个请求，我们首先根据token判断用户是否已经登陆（是否已经保存到ThreadLocal中），如果没有登陆，放行交给登陆拦截器去做，如果已经登陆，刷新token的有效期，然后放行。
• 之后来到登陆拦截器，如果ThreadLocal没有用户，说明没有登陆，拦截，否则放行。
  

定义UserHolder工具类：

public class UserHolder {    private static final ThreadLocal<UserDTO> tl = new ThreadLocal<>();    public static void saveUser(UserDTO user){        tl.set(user);    }    public static UserDTO getUser(){        return tl.get();    }    public static void removeUser(){        tl.remove();    }}

刷新token拦截器：

@Slf4jpublic class RefreshTokenInterceptor implements HandlerInterceptor {    private StringRedisTemplate stringRedisTemplate;    public RefreshTokenInterceptor(StringRedisTemplate stringRedisTemplate){        this.stringRedisTemplate = stringRedisTemplate;    }    @Override    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {        //1.获取请求头中的token        final String token = request.getHeader("authorization");        if (token == null) {            return true;        }        //2.获取redis中的用户        final Map<Object, Object> userMap = stringRedisTemplate.opsForHash().entries(LOGIN_USER_KEY + token);        //3.判断用户是否存在        if (userMap.isEmpty()) {            return true;        }        //5.将查询到的Hash数据转换为UserDto对象        final UserDTO userDTO = BeanUtil.fillBeanWithMap(userMap, new UserDTO(), false);        //6.存在，保存用户信息到ThreadLocal        UserHolder.saveUser(userDTO);        //7.刷新token有效期        stringRedisTemplate.expire(LOGIN_USER_KEY+token,3000, TimeUnit.MINUTES);        //8.放行        return true;    }    @Override    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {        UserHolder.removeUser();    }}

登陆拦截器：

public class LoginInterceptor implements HandlerInterceptor {    @Override    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) throws Exception {        //1.判断是否需要拦截（ThreadLocal中是否有用户)        if(UserHolder.getUser()==null){            response.setStatus(401);            return false;        }        //8.放行        return true;    }    @Override    public void afterCompletion(HttpServletRequest request, HttpServletResponse response, Object handler, Exception ex) throws Exception {        UserHolder.removeUser();    }}

在配置类中配置拦截器：

@Configurationpublic class mvcConfig implements WebMvcConfigurer {    @Resource    private StringRedisTemplate stringRedisTemplate;    @Override    public void addInterceptors(InterceptorReGIStry registry) {        //登陆拦截器        registry.addInterceptor(new LoginInterceptor()).excludePathPatterns(                "/user/code","/user/login","/blog/hot","/shoppublic <R,ID> R queryWithPassThrough(String keyPrefix, ID id, Class<R> type, Long time, TimeUnit unit,Function<ID,R> dbFallback){    String key = keyPrefix+id;    //1.从redis查询商铺缓存    String json = stringRedisTemplate.opsForValue().get(key);    //2.判断是否存在    if (StrUtil.isNotBlank(json)) {        //3.存在，直接返回        return JSONUtil.toBean(json, type);    }    //命中的是否是空值    if (json != null) {        return null;    }    //4.不存在，根据id查询数据库    R r = dbFallback.apply(id);    //5.不存在，返回错误    if(r==null){        //将空值写入reddis        stringRedisTemplate.opsForValue().set(key,"",CACHE_NULL_TTL, TimeUnit.MINUTES);        return null;    }    //6.存在，写入redis    this.set(key,r,time,unit);    //7.返回    return r;}

b.缓存雪崩

缓存雪崩是指在同一时段大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大压力。
解决方案：

• 给不同的Key的TTL添加随机值
• 利用Redis集群提高服务的可用性
• 给缓存业务添加降级限流策略
• 给业务添加多级缓存

c.缓存击穿

缓存击穿问题也叫热点Key问题，就是一个被高并发访问并且缓存重建业务较复杂的key突然失效了，无数的请求访问会在瞬间给数据库带来巨大的冲击。
常见的解决方案有两种：

• 互斥锁
• 逻辑过期

4.基于逻辑过期解决缓存击穿问题

private static final ExecutorService CACHE_REBUILD_EXECUTOR = Executors.newFixedThreadPool(10);public <R,ID> R queryWithLogicalExpire(String keyPrefix,ID id,Class<R> type, Long time, TimeUnit unit,Function<ID,R> dbFallback){    String key = keyPrefix+id;    //1.从redis查询商铺缓存    String json = stringRedisTemplate.opsForValue().get(key);    //2.判断是否存在    if (StrUtil.isBlank(json)) {        //3.不存在，直接返回        return null;    }    //4.命中，先把json反序列化    RedisData redisData = JSONUtil.toBean(json, RedisData.class);    JSONObject data = (JSONObject) redisData.getData();    R r = JSONUtil.toBean(data, type);    LocalDateTime expireTime = redisData.getExpireTime();    //5.判断是否过期    if(expireTime.isAfter(LocalDateTime.now())){        //5.1未过期，直接返回        return r;    }    //5.2已过期，需要缓存重建    //6.缓存重建    //6.1获取互斥锁    String lockkey = LOCK_SHOP_KEY + id;    boolean lock = tryLock(lockkey);    //6.2判断是否获取锁成功    if(lock){        //6.3成功，开启独立线程，实现缓存重建        CACHE_REBUILD_EXECUTOR.submit(()->{            try {                //查询数据库                R r1 = dbFallback.apply(id);                //写入redis                this.setWithLogicalExpire(key,r1,time,unit);            } catch (Exception e) {                e.printStackTrace();            } finally {                //释放锁                unlock(lockkey);            }        });    }    //6.4返回商铺信息    return r;}

三、优惠券秒杀

1.优惠券秒杀下单

一般流程：

2.超卖问题

请求a查询库存，发现库存为1，请求b这时也来查询库存，库存也为1，然后请求a让数据库减1，这时候b查询到的仍然是1，也继续让库存减1，就会导致超卖。

超卖问题有以下几个解决方案：

• 乐观锁：认为线程安全问题不一定会发生，因此不加锁，只是在更新数据时去判断有没有其它线程对数据做了修改。如果没有修改则认为是安全的，自己才更新数据。如果已经被其它线程修改说明发生了安全问题，此时可以重试或异常。
• 悲观锁：认为线程安全问题一定会发生，因此在操作数据之前先获取锁，确保线程串行执行。例如Synchronized、Lock都属于悲观锁

实现乐观锁主要有以下两种方法：

1. 版本号法

每次更新数据库的时候按照版本查询，并且要更新版本。

2. CAS

CAS是英文单词Compare And Swap的缩写，翻译过来就是比较并替换。
CAS机制当中使用了3个基本操作数：内存地址V，旧的预期值A，要修改的新值B。
更新一个变量的时候，只有当变量的预期值A和内存地址V当中的实际值相同时，才会将内存地址V对应的值修改为B。

CAS的缺点：

CPU开销较大
在并发量比较高的情况下，如果许多线程反复尝试更新某一个变量，却又一直更新不成功，循环往复，会给CPU带来很大的压力。

不能保证代码块的原子性
CAS机制所保证的只是一个变量的原子性操作，而不能保证整个代码块的原子性。比如需要保证3个变量共同进行原子性的更新，就不得不使用Synchronized了。

3.一人一单功能

要求同一个优惠券，一个用户只能下一单

这样的方式会产生并发安全问题：

通过加锁可以解决在单机情况下的一人一单安全问题，但是在集群模式下就不行了（每个jvm都有自己的锁监视器，集群模式下各个服务器的锁不共享）。
因此，我们的解决方案就是实现一个共享的锁监视器，即：
分布式锁：满足分布式系统或集群模式下多进程可见并且互斥的锁。

4.基于redis的分布式锁

a.setnx命令

setnx = SET if Not eXists

• 将 key 的值设为 value ，当且仅当 key 不存在。

• 若给定的 key 已经存在，则 SETNX 不做任何动作

b.普通setnx分布式锁出现的问题

在某个线程获取锁执行业务时若发生阻塞，且阻塞过程中锁超时，此时另一个线程同样来请求锁，发现可以获取锁，但实际上前一个线程还没执行完。

解决方案：

• 在获取锁时存入线程标示（可以用UUID表示）
• 在释放锁时先获取锁中的线程标示，判断是否与当前线程标示一致
• 如果一致则释放锁
• 如果不一致则不释放锁

四、消息队列优化

（三四章先占坑）

五、达人探店

1.发布探店笔记

简单的crud

2.实现点赞功能

需求：

• 同一个用户只能点赞一次，再次点击则取消点赞
• 如果当前用户已经点赞，则点赞按钮高亮显示（前端已实现，判断字段Blog类的isLike属性）

实现步骤：

1. 给Blog类中添加一个isLike字段，标示是否被当前用户点赞
2. 修改点赞功能，利用Redis的set集合判断是否点赞过，未点赞过则点赞数+1，已点赞过则点赞数-1
3. 修改根据id查询Blog的业务，判断当前登录用户是否点赞过，赋值给isLike字段
4. 修改分页查询Blog业务，判断当前登录用户是否点赞过，赋值给isLike字段

3.点赞排行榜

需求：按照点赞时间先后排序，返回Top5的用户
使用SortedSet：

• 通过 ZSCORE 命令获取 SortedSet 中存储的元素的相关的 SCORE 值。
• 通过 ZRANGE 命令获取指定范围内的元素。

完整代码：
BlogController

@RestController@RequestMapping("/blog")public class BloGController {    @Resource    private IBlogService blogService;    @PutMapping("/like/{id}")    public Result likeBlog(@PathVariable("id") Long id) {        return blogService.likeBlog(id);    }    @GetMapping("/hot")    public Result queryHotBlog(@RequestParam(value = "current", defaultValue = "1") Integer current) {        return blogService.queryHotBlog(current);    }    @GetMapping("/{id}")    public Result queryBlogById(@PathVariable("id") String id){        return blogService.queryBlogById(id);    }    @GetMapping("/likes/{id}")    public Result queryBlogLikes(@PathVariable("id") String id) {        return blogService.queryBlogLikes(id);    }}

IBlogService

public interface IBlogService extends IService<Blog> {    Result queryBlogById(String id);    Result queryHotBlog(Integer current);    Result likeBlog(Long id);    Result queryBlogLikes(String id);}

BlogServiceImpl

Servicepublic class BlogServiceImpl extends ServiceImpl<BlogMapper, Blog> implements IBlogService {    @Autowired    private IUserService userService;    @Autowired    private StringRedisTemplate stringRedisTemplate;    @Override    public Result queryHotBlog(Integer current) {        // 根据用户查询        Page<Blog> page = query()                .orderByDesc("liked")                .page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));        // 获取当前页数据        List<Blog> records = page.getRecords();        // 查询用户        records.forEach(blog -> {            this.queryBlogUser(blog);            this.isBlogLiked(blog);        });        return Result.ok(records);    }    @Override    public Result likeBlog(Long id) {        // 1、获取登录用户        UserDTO user = UserHolder.getUser();        // 2、判断当前登录用户是否已经点赞        Double score = stringRedisTemplate.opsForZSet().score(RedisConstants.BLOG_LIKED_KEY + id, user.getId().toString());        if(score == null) {            // 3、如果未点赞，可以点赞            // 3.1、数据库点赞数 +1            boolean isSuccess = update().setsql("liked = liked+1").eq("id", id).update();            // 3.2、保存用户到 Redis 的 set 集合            if(isSuccess){                // 时间作为 key 的 score                stringRedisTemplate.opsForZSet().add(RedisConstants.BLOG_LIKED_KEY + id, user.getId().toString(), System.currentTimeMillis());            }        } else {            // 4、如果已点赞，取消点赞            // 4.1、数据库点赞数 -1            boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();            // 4.2、把用户从 Redis 的 set 集合移除            if(isSuccess){                stringRedisTemplate.opsForZSet().remove(RedisConstants.BLOG_LIKED_KEY + id, user.getId().toString());            }        }        return Result.ok();    }    @Override    public Result queryBlogLikes(String id) {        String key = RedisConstants.BLOG_LIKED_KEY + id;        // 查询 top5 的点赞用户        Set<String> top5 = stringRedisTemplate.opsForZSet().range(key, 0, 4);        if(top5 == null){            return Result.ok(Collections.emptyList());        }        // 解析出其中的用户id        List<Long> ids = top5.stream().map(Long::valueOf).collect(Collectors.toList());        String join = StrUtil.join(",", ids);        // 根据用户id查询用户        List<UserDTO> userDTOS = userService.query().in("id", ids).last("order by filed(id, "+join+")").list()                .stream()                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))                .collect(Collectors.toList());        return Result.ok(userDTOS);    }    private void queryBlogUser(Blog blog) {        Long userId = blog.getUserId();        User user = userService.getById(userId);        blog.setName(user.getNickName());        blog.setIcon(user.getIcon());    }    @Override    public Result queryBlogById(String id) {        Blog blog = getById(id);                if(blog == null){            return Result.fail("笔记不存在！");        }        queryBlogUser(blog);        // 查询 Blog 是否被点赞        isBlogLiked(blog);        return Result.ok(blog);    }    private void isBlogLiked(Blog blog) {        UserDTO user = UserHolder.getUser();        if(user == null){            return;        }        Long userId = user.getId();        String key = RedisConstants.BLOG_LIKED_KEY + blog.getId();        Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());        blog.setIsLike(score != null);    }}

六、好友关注

1.关注和取关

基于Mysql实现：

基于redis实现：
设置一个给每个用户设置一个key，利用set结构存储关注该用户的人。
代码：

@PutMapping("/{id}/{isFollow}")public Result follow(@PathVariable("id") Long followUserId,@PathVariable("isFollow") Boolean isFollow){    return followService.follow(followUserId,isFollow);}@Overridepublic Result follow(Long followUserId, Boolean isFollow) {    Long userId = UserHolder.getUser().getId();    String key = "follows:" + userId;    //1.判断关注还是取关    if(isFollow){        //2.关注，新增数据        Follow follow = new Follow();        follow.setUserId(userId);        follow.setFollowUserId(followUserId);        boolean success = save(follow);        if(success){            //把关注用户的id，放入redis的set集合            stringRedisTemplate.opsForSet().add(key,followUserId.toString());        }    }else{        //3.取关，删除数据        boolean success = remove(new QueryWrapper<Follow>().eq("user_id", userId).eq("follow_user_id", followUserId));        //把关注的用户id从redis集合中移除        if(success)  stringRedisTemplate.opsForSet().remove(key,followUserId.toString());    }    return Result.ok();}

@GetMapping("/or/not/{id}")public Result isFollow(@PathVariable("id") Long followUserId){    return followService.isFollow(followUserId);}@Overridepublic Result isFollow(Long followUserId) {    Long userId = UserHolder.getUser().getId();    //1.查询是否关注    Integer count = query().eq("user_id", userId).eq("follow_user_id", followUserId).count();    return Result.ok(count>0);}

2.共同关注

在关注点击关注用户时，用redis的set结构存储自己关注了哪些用户，然后利用集合的交集就能轻松求出共同关注的用户了。

@GetMapping("/common/{id}")public Result followCommons(@PathVariable("id") Long id){    return followService.followCommons(id);}@Overridepublic Result followCommons(Long id) {    //1.获取当前用户    Long userId = UserHolder.getUser().getId();    String key = "follows:" + userId;    //2.求交集    String key2 = "follows:" + id;    Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key, key2);    if(intersect==null||intersect.isEmpty()){        //无交集        return Result.ok(Collections.emptyList());    }    //3.解析id集合    List<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());    //4.查询用户    List<UserDTO> users = userService.listByIds(ids)            .stream()            .map(user -> BeanUtil.copyProperties(user, UserDTO.class))            .collect(Collectors.toList());    return Result.ok(users);}

3.关注推送

Feed流产品有两种常见模式：

• Timeline：不做内容筛选，简单的按照内容发布时间排序，常用于好友或关注。例如朋友圈
  优点：信息全面，不会有缺失。并且实现也相对简单
  缺点：信息噪音较多，用户不一定感兴趣，内容获取效率低
• 智能排序：利用智能算法屏蔽掉违规的、用户不感兴趣的内容。推送用户感兴趣信息来吸引用户
  优点：投喂用户感兴趣信息，用户粘度很高，容易沉迷
  缺点：如果算法不精准，可能起到反作用

本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。该模式的实现方案有三种：

• 拉模式
• 推模式
• 推拉结合
  
  
  
  

这里基于推模式模式实现关注推送，需求：

• 修改新增探店笔记的业务，在保存blog到数据库的同时，推送到粉丝的收件箱
• 收件箱满足可以根据时间戳排序，必须用Redis的数据结构实现
• 查询收件箱数据时，可以实现分页查询
  

4.实现推送功能

推送：

@PostMappingpublic Result saveBlog(@RequestBody Blog blog) {    return blogService.saveBlog(blog);}@Overridepublic Result saveBlog(Blog blog) {    // 1.获取登录用户    UserDTO user = UserHolder.getUser();    blog.setUserId(user.getId());    // 2.保存探店博文    boolean success = this.save(blog);    if(!success) return Result.fail("新增笔记失败！");    //3.查询笔记作者的所有粉丝    List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();    //4.推送笔记id给有所粉丝    for (Follow follow : follows) {        //4.1获取粉丝id        Long followId = follow.getUserId();        //4.2推送        String key = FEED_KEY+followId;        stringRedisTemplate.opsForZSet().add(key,blog.getId().toString(),System.currentTimeMillis());    }    // 返回id    return Result.ok(blog.getId());}

读取：

@GetMapping("/of/follow")public Result queryBloGofFollow(        @RequestParam("lastId") Long max,@RequestParam(value = "offset",defaultValue = "0") Integer offset){    return blogService.queryBlogOfFollow(max,offset);}@Overridepublic Result queryBlogOfFollow(Long max, Integer offset) {    //1.获取当前用户    Long userId = UserHolder.getUser().getId();    //2.查询收件箱    String key = FEED_KEY + userId;    Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()            .reverseRangeByScoreWithScores(key, 0, max, offset, 2);    if(typedTuples==null||typedTuples.isEmpty()) return Result.ok();    //3.解析数据：blogId，minTime（时间戳），offset    List<Long> ids = new ArrayList<>(typedTuples.size());    long minTime = 0;    int os = 1;    for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {        //3.1查询id        String idStr = tuple.getValue();        ids.add(Long.valueOf(idStr));        //4.2获取分数（时间戳）        if(tuple.getScore().longValue()==minTime){            os++;        }else os  = 1;        minTime = tuple.getScore().longValue();    }    //4.根据id查询blog    String idStr = StrUtil.join(",", ids);    List<Blog> blogs = query()            .in("id",ids).last("ORDER BY FIELD(ID,"+idStr+")").list();    for (Blog blog : blogs) {        queryBlogUser(blog);        isBlogLiked(blog);    }    //5.封装并返回    ScrollResult r = new ScrollResult();    r.setList(blogs);    r.setOffset(os);    r.setMinTime(minTime);    return Result.ok(r);}

七、签到功能

1.数据库实现

2.redis实现

3.具体代码

@PostMapping("/sign")public Result sign(){    return userService.sign();} @Override public Result sign() {     //1.获取当前用户     Long userId = UserHolder.getUser().getId();     //2.获取日期     LocalDateTime now = LocalDateTime.now();     //3.拼接key     String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));     String key = USER_SIGN_KEY + userId + keySuffix;     //4.获取今天是本月的第几天     int dayOfMonth = now.getDayOfMonth() - 1;     //5.写入redis     stringRedisTemplate.opsForValue().setBit(key,dayOfMonth,true);     return Result.ok(); }

来源地址：https://blog.csdn.net/qq_45733304/article/details/126443684