A SpringBoot project based on Redis, Kafka,Elasticsearch from nowcoder.
牛客讨论区项目总结 本项目是基于牛客高级课的关于牛客讨论区的项目，项目的技术栈以及框架都是比较新的，是一个基于SpringBoot的Java Web项目，框架使用了SSM，数据库采用了Mysql和Redis，使用Kafka作为消息队列，以及Elastic Search作为搜索引擎。
准备工作就是一些工作环境的配置，IDE使用IntellijIDEA，具体的框架的版本与配置，以及mysql，redis，kafka，es的安装与配置，视频里都会有详细的介绍，kafka，es在mac系统上的安装我也有写博客介绍，在此就不必再做详细的说明。下面介绍一些关于此项目的主要模块后端代码的实现部分。
注册是登录功能是每个网站最基本的功能，实现的主要难点我觉得在于怎么解决分布式Session问题，密码安全问题，以及怎么优化登录的问题。
用户表实现
| id | username | password | salt | type | status | activation_code | header_url | create_time |
|---|
为了保证安全，密码不能明文的在网络中进行传输，也不能以明文的形式存到数据库中。 存在数据库的密码 = MD5( 密码 + salt ) 防止密码泄露
由于现在网站基本是多台服务器分布式部署的，如果将用于信息存到session中，而session是存到服务器上，在分布式环境下，由于各个服务器主机之间的信息并不共享，将用户信息存到服务器1上，同一个用户的下一个请求过来的时候，由于nginx的负载均衡策略，去请求了服务器2，就找不到之前的session了。下面介绍几种分布式Session问题的解决策略。
-
粘性session：同一个ip分给同一个服务器，很难做负载均衡
-
同步Session：当一个服务器创建了session之后，会将该Session同步给其他 服务器。服务器之间耦合，加大服务器之间的同步开销
-
Session服务器：专门一个服务器管理Session，这台服务器是单体的，万一挂掉，有安全隐患
-
将客户端会话数据不存到Session中而是存到数据库中： 关系型数据库性能较慢 存到redis中（项目中采用的方式）
本项目中先采用将用户登录信息存到数据库的login_ticket表中，后续采用存到redis中优化。
由于Http是无状态的，为了保证用户每次请求不用重新输入账号密码，
登陆成功的时候生成登录凭证，生成Loginticket往数据库login_ticket存，并且被设置为cookie，下次用户登录的时候会带上这个ticket，ticket是个随机的UUID字符串，有过期的时间expired和有效的状态status。
用login_ticket存储用户的登录信息，每次请求会随着cookie带到服务端，服务端只要与数据库比对携带的ticket，就可以通过表中的used_id字段查到用户的信息。 用户退出时将status更改为0即可。
| id | user_id | ticket | status | expired |
|---|---|---|---|---|
-
使用Redis存储验证码
- 验证码需要频繁的访问与刷新，对性能要求比较高
- 验证码不需要永久保存，通常在很短的时间后就会失效（redis设置失效时间）
- 分布式部署的时候，存在Session共享的问题（之前验证码是存到session里面，使用redis避免session共享问题）
Key Value kaptcha:owner string
owner : 由于此时用户还未登录，owner为临时生成的凭证,存到cookie中发送给客户端。 登录的时候从cookie中取值构造redisKey,再从redis中取值。并与用户输入的验证码进行比对。
-
使用Redis存储登录凭证，作废login_ticket
- 处理每次请求的时候，都要从请求的cookie中取出登录凭证并与从数据库mysql中查询用户的登录凭证作比对，访问的频率非常高（原来登录凭证ticket是存到mysql里面，ticket如果用redis存，mysql就可以不用存了，login_ticket可以作废）
Key Value ticket:ticket Loginticket 第二个ticket为实际的ticket字符串，Loginticket被序列化为Json字符串。
- 退出登录的是，需要让登录凭证失效，此时根据key将Loginticket取出来，在更改其状态为1失效态，再重新存回Redis中。 （不删除可以保留用户登录的记录）
-
使用Redis缓存用户信息
-
处理每次请求的时候，都要根据登录凭证查询用户信息，访问的评率非常高（每次请求的时候需要根据凭证中的用户id查询用户）
-
查询User的时候，先尝试从缓存中取值，如果没有的话，就需要初始化，有些地方会改变用户数据，需要更新缓存，可以直接把该用户的缓存删除，下一次请求的时候发现没有用户的信息，就会重新查一次再放到缓存中
-
声明拦截器（实现HandleInterceptor）并在spring中配置拦截信息
- 在请求开始时查询登录用户
- 在本次请求中持有用户数据
使用拦截器Interceptor来拦截所有的用户请求，判断请求中的cookie是否存在有效的ticket，如果有的话就将查询用户信息并将用户的信息写入ThreadLocal在本次请求中持有用户，将每个线程的threadLocal都存在一个叫做hostHolder的实例中，根据这个实例就可以在本次请求中全局任意的位置获取用户信息。
使用AJAX异步发帖
* AJAX - Asychronous JavaScript and XML
* 异步的JavaScript与XML, 不是一门新的技术，只是一门新的术语
* 使用AJAX，网页能够将改变的量更新呈现在页面上，而不需要刷新整个页面
* 虽然X代表XML,但是目前JSON的使用比XML更加普遍
发布帖子的时候需要对帖子的标题和内容进行敏感词，通过Trie实现敏感词过滤算法，过滤敏感词首先需要建立一颗字典树，并且读取一份保存敏感词的文本文件，并用文件初始化字典树，最后将敏感词作为一个服务，让需要过滤敏感词的服务进行调用即可。
具体实现见下： 利用Trie(字典树)实现敏感词过滤算法
防止xss注入：防止xss注入直接使用HTMLUtils的方法即可实现。
评论的是每一个帖子都评论，并且支持对评论进行评论，也就是评论的回复， 能够显示评论的数量，具体的内容，以及评论人回复人等等。
评论表的实现：
| id | user_id | entity_type | entity_id | target_id | content | status | create_time |
|---|
其中
- Entity_type 评论的目标的类别 1：帖子 2: 评论 支持回复评论
- entity_id 评论具体的目标
- target_id 记录回复指向的人 (只会发生在回复中 判断target_id==0)
- user_id 评论的作者
添加评论时：(将添加评论和更新评论数量放在一个事务中)使用spring声明式事务管理@Transactional实现
私信是支持两个用户之间发送消息，有一个唯一的会话id，以用户id小的开头，id大的结尾比如12_111，以varchar的形式存储到数据库中，这个会话里可以有多条两个用户交互的消息。
私信表的实现
| id | form_id | to_id | conversion_id | content | status | create_time |
|---|---|---|---|---|---|---|
- form_id 112 其中id = 1代表的是：系统通知
- to_id 111
- conversion_id 111_112(id小的在前)111与112 之间的会话
- status 0：未读 1:已读 2：删除
复杂sql 这块的sql编写是相对比较复杂的，主要是在会话列表中显示每条会话中最新的消息内容。 显示未读消息的数量。根据时间顺序排列会话
查询当前用户的会话列表，针对每个会话只返回一条最新的私信
select id, from_id, to_id, conversion_id, content, status, create_time from message
where id in(
select max(id) from message
where status != 2
and from_id != 1
and (from_id = user_id or to_id = user_id)
group by conversion_id
)
order by id desc
limit 0, 10
同样这里也采用异步请求的方式发送私信，发送成功后刷新私信列表
aop实现对service层所有的业务方法记录日志
- Aop是一种编程思想，是对OOP的补充，可以进一步提升效率
- Aop解决纵向切面的问题，主要实现日志和权限控制的功能
- aspect实现切面，并且使用Logger来记录日志。用该切面的切面方法来监听controller
- 拦截器主要针对的是控制层controller
点赞和关注从功能上来说用传统的关系型数据库实现，但是其关系性并非很强，而且也是非常频繁的操作，用简单快速的Nosql也可以实现。
- 支持对帖子、评论点赞
- 第一次点赞，第2次取消点赞(判断userId在不在set集合中，就可以判断用户有否点过赞，如果已经点过赞了，就将用户从集合中删除)
- 在查询某人对某实体的点在状态时，用可以用boolean作为返回值，但项目中使用int（支持业务扩展，可以支持是否点踩）
| Key | Value |
|---|---|
| like:entity:entityType:entityId | set(userId) |
value使用set集合存放userId是为了能看对谁点了赞。
点赞时同样需要记录点赞实体的用户id
某个用户收到的赞
| Key | Value |
|---|---|
| like:user:userId | int |
使用Redis实现了每一个用户的粉丝列表，以及每一个用户的关注列表。
由于关注成功以及添加粉丝成功需要在同一个事务中，Redis的事务主要是由multi与exec两个命令实现。
关键点：
- A关注了B，则A是B的Follwer，B是A的Followee(目标）
- 关注的目标，可是用户、帖子、题目，在是现实将这些目标抽象为实体
某个用户关注的实体
| Key | Value |
|---|---|
| followee:userId:entityType | zset(entityId,now) |
使用zset以当前时间作为分数排序
某个实体拥有的粉丝
| Key | Value |
|---|---|
| follower:entityType:entityId | zset(userId,now) |
在项目中，会有一些不需要实时执行但是是非常频繁的操作或者任务，为了提升网站的性能，可以使用异步消息的形式进行发送，再次消息队列服务器kafka来实现。kafka的具体配置与使用可参考下文：
mac下消息队列服务器kafka（结合springboot）的配置与使用
评论，点赞，关注等事件是非常频繁的操作，发送关系其的系统通知却并不是需要立刻执行的。主要实现分为下面几步：
-
触发事件
- 评论后，发布通知
- 点赞后，发布通知
- 关注后，发布通知
-
处理事件
- 封装事件对象（Event）
private String topic; private int userId; private int entityType; private int entityUserId; private Map<String,object> data;- 开发事件的生产者 向特定的主题（评论，点赞，关注）发送事件
//处理事件(发送事件) public void fireEvent(Event event){ //将事件发布到指定的主题 kafkaTemplate.send(event.getTopic(), JSONObject.toJSONString(event)); }
- 开发事件的消费者 使用@KafkaListener注解监听事件，如果监听成果并进行相应的处理，最后调用messageService添加到数据库中，下次用户显示消息列表的时候就可以看到系统消息了。
@KafkaListener(topics = {TOPIC_COMMENT, TOPIC_LIKE, TOPIC_FOLLOW})
public void handleCommentMessage(ConsumerRecord record) {
Event event = JSONObject.parseObject(record.value().toString(), Event.class);
//发送站内的通知
Message message = new Message();
message.setFromId(SYSTEM_USER_ID);
message.setToId(event.getEntityUserId());
message.setConversationId(event.getTopic());//comment like follow
message.setCreateTime(new Date());
message.setContent(JSONObject.toJSONString(content));
System.out.println(content);
//调用messageService添加到数据库中
messageService.addMessage(message);
}
项目中的搜索服务采用的是ES来实现，有关es的介绍与使用可以点击下文。 mac下Elasticsearch的安装与简单使用，结合命令行和postman SpringBoot整合Elasticsearch配置与使用
- 搜索服务
- 将帖子保存到Elasticsearch服务器
- 从 Elasticsearch 服务器中删除帖子
- 从 Elasticsearch 服务器搜索帖子
- 发布事件（将发帖或者更改帖子的事件存到kafka中，消费事件并将帖子存到es服务器中）
- 发布帖子时，将帖子异步的提交到Elasticsearch服务器
- 增加评论的时候，将帖子异步的提交到Elasticsearch服务
- 在kafka消费组件中增加一个方法，消费帖子发布事件
- 显示结果
- 在控制器中处理搜索请求，在HTML高亮显示搜索结果
##Redis高级数据类型，实现网站数据统计 项目中的数据统计功能如独立访客，以及日活跃用户，需要使用redis的高级数据类型超级日志以及位图来实现。
- HyperLogLog（超级日志）
- 采用一种基数算法，用于完成独立总数（独立访客）的统计
- 占据空间小，我无论统计多少个数据，只占有12k的内存空间
- 不精确的统计算法，标准误差为0.81%
- Bitmap（位图）
- 不是一种独立的数据结构，实际上就是字符串
- 支持按位存取数据，可以将其看成是byte数据
- 适合存储所大量的连续的数据的布尔值（签到）
-
UV(Unique Vistior)
- 独立访客，需要通过用户IP排重统计数据（可以统计游客，在拦截器中实现）
- 每次访问都要进行统计
- HyperLogLog,性能好，且存储空间小 单日uv
Key Value uv:date ip 区间UV Key Value uv:startData:endData ip -
DAU(Daily active User)
- 日活跃用户，需要通过用户ID排重统计数据（排除游客，需要精确）
- 访问一次，则认为其活跃
- Bitmap，性能好，且可以统计精确的结果 单日dau（在userId的比特位上标记为true）
Key Value dau:date userId,true 区间DAU(在区间内，任何一天登录都算活跃，对区间内日期做异或运算) Key Value dau:startDate:endDate userId,true
由于热帖排行功能的实现是需要定时实现的，即每隔段时间就要从数据库中查询最热门的帖子显示，所以可以使用定时任务的形式来实现，JDK自带的ScheduledExecutorService以及Spring自带的ThreadPoolTaskScheduler都可以实现定时任务的功能，但是其在分布式的环境下会出现问题，Scheduler是基于内存，服务器1和服务器2的上的Scheduler代码是相同的，会定时的做同样的事情。本项目采用的是Quartz，因为quartz实现定时任务的参数是存到数据库中的，所以不会出现重复代码的问题。
-
JDK线程池
- ExecutorService
- ScheduledExecutorService
-
Spring线程池
- ThreadPoolTaskExecutor
- ThreadPoolTaskScheduler
-
分布式定时任务
- Spring Quartz
Job:定义任务
JobDetail、trigger :任务的配置类，一旦任务初始化完成就会存到数据库的表中qrtz_triggers，只在第一次时有用
帖子排行的计算公式： **log（精华分 + 评论数 10 + 点赞数 2 + 收藏数 * 2）+ （发布时间 - 纪元）
将分数发生变换的帖子丢到Redis缓存中去，每10分钟计算一下帖子的分数。
| key | value |
|---|---|
| post:score | set(存帖子id） |
由于热门帖子数量不大，直接存储在服务器本地上并不会给服务器带来过重的存储负担，而且热门帖子的改变并不是很频繁，适合缓存存储，并且热门帖子不涉及用户信息，不会存在服务器之间的共享问题，综上比较适合使用本地缓存存储。
项目中使用了本地缓存Caffeine优化热门帖子
- 本地缓存
-
将数据缓存在应用服务器上，性能最好 -
常用缓存工具:Ehcache、Guava、Caffeine
-
- 分布式缓存
-
将数据缓存在NoSQL数据库上，跨服务器（登录凭证不适合直接存到服务器上 -
常用缓存工具:Redis
-
- 多级缓存
- 一级缓存（本地缓存）->二级缓存（分布式缓存）->DB
- 避免缓存雪崩（缓存失效，大量请求直达DB），提高系统的可用性
| Key | Value |
|---|---|
| offset:limit | list(热门帖子) |
offset以及limit代表的是起始行和终止行，就是某一页的热门帖子。
使用本地缓存优化后，用JMeter做一下压力测试
使用JMeter创建了100个线程请求首页热门帖子
优化前：qps稳定在9.5左右：
以上只是对本项目的相对比较重要的功能进行了总结，当然了这个项目还有一些其他的功能，比如SpringSecurity实现权限控制,文件上传到七牛云服务器，spring统一处理异常之类的。感兴趣的同学可以参考视频以及我提供的代码敲一敲。