开发点赞功能，用 MySQL 还是 Redis ？

今天药忘吃喽~ 2023-02-25 02:09 62阅读 0赞

![format_png][]

点击上方蓝字关注我们

![format_png 1][]

点赞功能是目前app开发基本的功能

今天我们就来聊聊 点赞、评论、收藏等这些场景的db数据库设计问题，

## **1、我们先来看看场景的需求：** ##

*  显示点赞数量
 *  判断用户是否点过赞，用于去重，必须的判断
 *  显示个人点赞列表，一般在用户中心
 *  显示文章点赞列表

我们先看一下头条和微博的例子

![format_png 2][]

image

![format_png 3][]

image

这两个都是具有顶级流量的，后端肯定有复杂的架构，我们今天只谈大众化的方案。

**2.1 mysql方案**

mysql方案, 随着nosql的流行，大数据的持续热点，但是mysql仍然不可替代，对于大多数的中小项目，低于千万级的数据量，采用mysql分表+cache，是完全可以胜任的，而且稳定性是其他方案无可比拟的：

-- 文章表
    
    
    create table post {
    
    
            post_id int(11) NOT NULL AUTO_INCREMENT,
    
    
            ......
    
    
            star_num int(11) COMMENT '点赞数量'
    
    
    }
    
    
    -- 用户表
    
    
    create table user {
    
    
            user_id int(11) NOT NULL AUTO_INCREMENT,
    
    
            ......
    
    
            star_num int(11) COMMENT '点赞数量'
    
    
    }
    
    
    -- 点赞表
    
    
    create table star {
    
    
            id int(11) NOT NULL AUTO_INCREMENT,
    
    
            post_id,
    
    
            user_id,
    
    
            ......
    
    
    }

**常用的查询：**

查询用户点赞过的文章 `select post_id from star where user_id=?`

查询文章的点赞用户 `select user_id from star where post_id=?`

点赞数量可以通过定时异步统计更新到post和user 表中。

数据量不大的时候，这种设计基本可以满足需求了，

**缺点：**

数据量大时，一张表在查询时压力巨大，需要分表，而不论用post\_id还是user\_id来hash分表都与我们的需求有冲突，唯一的办法就是做两个表冗余。这增加了存储空间和维护工作量，还可能有一致性问题。

### **2.2 redis方案** ###

当数据量达到上亿的量，上cache是必经的阶段，由于点赞这种动作很随意，很多人看到大拇指就想点，所以数据量增长很快，数据规模上来后，对mysql读写都有很大的压力，这时就要考虑memcache、redis进行存储或cache。

为什么一般都选择redis， redis作为流行的nosql，有着丰富的数据类型，可以适应多个场景的需求。

采用redis有两种用途，一种是storage，一种是纯cache，需要+mysql一起。纯cache就是把数据从mysql先写入redis，用户先读cache，miss后再拉取MySQL，同时cache做同步。

![format_png 4][]

image

多数场景二者是同时使用的，并不冲突。

下面说下redis作为storage的方案：

#### 场景a ：显示点赞数量 ####

在点赞的地方，只是显示一个点赞数量，能区分用户是否点赞过，一般用户不关心这个列表，这个场景只要一个数字就可以了，当数量比较大时，一般显示为"7k" ,"10W" 这样。

以文章id为key

//以文章id=888为例 
    127.0.0.1:6379[2]> set star:tid:888 898 //设置点赞数量 
    OK 
    127.0.0.1:6379[2]> incr star:tid:888 //实现数量自增 (integer) 
    899

#### 场景b：点赞去重，避免重复点赞 ####

要实现这个需求，必须有文章点赞的uid列表，以uid为key场景c：一般在用户中心，可以看到用户自己的点赞列表

这个需求可以使用场景b的数据来实现。

![format_png 5][]

image

场景d：文章的点赞列表，类似场景b，以文章id为key

//以文章id=888为例 
    127.0.0.1:6379[2]> set star:tid:888 898 //设置点赞数量 
    OK 
    127.0.0.1:6379[2]> incr star:tid:888 //实现数量自增 (integer) 
    899

点赞的地方，如果点赞过显示红色，没有则显示黑白色，

今日头条是没有地方可以看到点赞列表的，而微博点进去，详情页可以看到点赞列表，但是只会显示最近的几十条，没有分页显示。

如下图，我选了一条热点，拥有众多粉丝的“猪猪”

![format_png 6][]

image

可能有人觉得，点赞列表没人关心，存储又会浪费大量资源，不如不存！但是，这个数据是必须要有的。两点：

*  去重。点赞数可以不精确，但去重必须是精确的，
 *  另外一个社交产品，用户行为的一点一滴都需要记录，对于后续的用户行为分析和数据挖掘都是有意义的。

上面使用string存储的用户点赞数量，除了string，还可以用hash来存储，对文章id分块，每100个存到一个hash，分别存入hash table，每个文章id为hash的一个key，value存储点赞的用户id，如果点赞用户很多，避免id过多产生性能问题，可以单列出来，用sorted set结构保存，热点的毕竟是少数。

![format_png 7][]

image

方案优缺点比对

hash：使用了更少的全局key ，节省了内存空间；但是也带来了问题

如何根据文章id路由到对应的hash？

查找一个用户id是在hash还是set？存在不确定性

使用hash虽然节省了空间，但增加了复杂度，如何选择就看个人需求了。

除此之外，你还有其他的方法吗？

## **3、数据一致性** ##

redis作为storage使用时，一定要做好数据的持久化，必须开启 rdb 和 aof，这会导致业务只能使用一半的机器内存，所以要做好容量的监控，及时扩容。

另外只要有数据copy，就会有一致性问题，这就是另外一个很重要的话题了。以后有时间再细聊吧！

彩

[有个定时任务突然不执行了，别急，原因可能在这][Link 1]  
[边缘计算  一文简单读懂][Link 2]  
[Tomcat是如何运行的？整体架构又是怎样的？][Tomcat]

[支持百亿级别的 Java 分布式日志组件EasyLog][Java _EasyLog]

![format_png 8][]

![format_png 9][]

戳这儿

[format_png]: /images/20230209/91ef6260c1c04e189e82d67a07d9b6a9.png
[format_png 1]: /images/20230209/d9ffd90b07384b1d96736d7cf7652d2a.png
[format_png 2]: /images/20230209/c8c39a60d0ab473693f88c256047947c.png
[format_png 3]: /images/20230209/2b05ddb925f94c6b9168f109f22a41da.png
[format_png 4]: /images/20230209/446138f3ceec49c9b8edffdd07be7c63.png
[format_png 5]: /images/20230209/35bad7f12d6c49bea7809d7c40cbeac4.png
[format_png 6]: /images/20230209/188fee81ed064bf6bfc4c4ec85774e79.png
[format_png 7]: /images/20230209/9fc94d3734d242d78b5e8b4a5e4f58f8.png
[Link 1]: https://blog.csdn.net/u012811805/article/details/107171929
[Link 2]: http://mp.weixin.qq.com/s?__biz=MzU2NDc4MjE2Ng%3D%3D&chksm=fc44f274cb337b62cc7edea14329c91d78603bb89f88ea3347ae4cecc6551145cf5fe4bf87dd&idx=1&mid=2247485261&scene=21&sn=925f195372cfe5102198bd007c7ec932#wechat_redirect
[Tomcat]: https://blog.csdn.net/u012811805/article/details/106561816
[Java _EasyLog]: https://blog.csdn.net/u012811805/article/details/106485531
[format_png 8]: /images/20230209/f24d16ec9dde496da7ac9ffeea034189.png
[format_png 9]: /images/20230209/be16f283823b4bf8ad42f129855c0257.png