共计 2277 个字符,预计需要花费 6 分钟才能阅读完成。
真正聪明的人看似笨拙,其实是不自炫耀;真正有才华的人看似木讷,其实是不露锋芒。
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
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。
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。
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]> sadd star:list:tid:888 123 456 789 // 点赞 uid 列表 (integer)
3
127.0.0.1:6379[2]> sismember star:list:tid:888 456 // 判断是否点赞 (integer)
1
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”
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。
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。