使用LRU？
LRU是一种常见的算法，假如我们设定TOP10的热点数据，那么我们可以规定LRU容量为10，当容量没有满的时候，我们可以直接放入，当满了的时候我们就将最后一个排除然后引入最新的放在首部
这看似实现了热点排行但是没有，比如说2号数据访问100次而11号数据才访问一次，那么使用LRU就把100次访问的排除掉了，这就是不合理的，所以我们应该以每个数据的访问频率来选择排行
如何进行访问率排行
把所有数据都加入内存中，然后记录每个数据被访问的频率，这看起来就是很简单的，使用zset就可以实现，但是假如你的数据有100w条呢？你这样全部存入Redis，那么会导致大key的出现，同时引起Redis的效率降低，那么可以单独启动一台服务器来保存排行榜的数据？这其实是浪费的，因为一般我们的排行榜都是TOP10~TOP100，基本占用不了多少内存，而在我们的项目中我们的数据量是比较少的，而且有上传时间，一般上传时间越近更容易上TOP10，而且我们需要的只是TOP10，所有有两种方案
第一种：在数据库中挑选最近上传的10条数据，然后如果有人访问了这10条数据，那么对应的数据的访问频率就加一，不在这10条数据里面就不去管它，然后经过一段时间就去掉末尾几条访问频率较低的数据，再随机挑选几条假如TOP10，然后循环
第二种：第一种还是存在一点缺陷，就是有可能最开始TOP10就是访问最高的，那么可能会把真正的TOP10挤下去，所有在第二种方案中，我们缓存20条数据，每隔一段时间去掉访问频率最低的5-10条，然后随机挑选进来补充至20条但是我们只取前10，其它与方案一类似，只是缓存更多的数据
代码编写
理解思路过后，代码编写是最简单的一步，如何在项目中引入Redis以及操作Redis的依赖配置就不再赘述，因为那个与代码编写逻辑没有什么关联
选择最近20条数据
public void getCur2MySQL(){ Set<ZSetOperations.TypedTuple<String>> set = new HashSet<>(); List<Integer> cur2Ids = baseMapper.getCur2Ids(); cur2Ids.stream().forEach(e->{ DefaultTypedTuple<String> tuple = new DefaultTypedTuple<String>(String.valueOf(e),0d); set.add(tuple); }); redisTemplate.opsForZSet().removeRange(Constant.POLICY_TOP_10,0,-1); redisTemplate.opsForZSet().add(Constant.POLICY_TOP_10,set); }
有访问就加一
这里加一方法可以使用Lua脚本，感兴趣的大佬可以去优化
//访问 public PolicyEntity getByPolicyById(Integer id) { addVisited(id); Object o = redisTemplate.opsForHash().get(Constant.POLICY_HASH_OBJECT, Integer.toString(id)); PolicyEntity policy = JSON.parseObject((String) o, PolicyEntity.class); return policy; } //加一 public void addVisited(Integer id){ if(redisTemplate.opsForZSet().score(Constant.POLICY_TOP_10, String.valueOf(id)) != null){ redisTemplate.opsForZSet().incrementScore(Constant.POLICY_TOP_10,String.valueOf(id),1d); } }
获取Top10
public List<PolicyEntity> getTop10() { Set<String> ids = redisTemplate.opsForZSet().reverseRange(Constant.POLICY_TOP_10, 0, 9); List<Object> list = new ArrayList<>(); ids.stream().forEach(list::add); List<Object> multiGet = redisTemplate.opsForHash().multiGet(Constant.POLICY_HASH_OBJECT, list); List<PolicyEntity> res = new ArrayList<>(); multiGet.stream().forEach((d)->{ PolicyEntity policyEntity = JSON.parseObject((String) d, PolicyEntity.class); res.add(policyEntity); }); return res; }
接下来就是实现定时任务的代码编写，我使用的是Quartz编写定时任务，这个实现定时任务还是有着其它的方法，如果有兴趣的大佬可以去尝试尝试
编写任务
删除最后五个然后在数据库中随机挑选五个加入其中
@Component public class TopTenQuartzJob extends QuartzJobBean { @Autowired StringRedisTemplate redisTemplate; @Autowired PolicyService policyService; @Override protected void executeInternal(JobExecutionContext jobExecutionContext) throws JobExecutionException { redisTemplate.opsForZSet().removeRange(Constant.POLICY_TOP_10,0,4); Set<String> ids = redisTemplate.opsForZSet().range(Constant.POLICY_TOP_10, 0, -1); List<Integer> list = ids.stream().map(e -> Integer.valueOf(e)).collect(Collectors.toList()); List<Integer> id = policyService.listIdsAndNotIn(list); Set<ZSetOperations.TypedTuple<String>> set = new HashSet<>(); id.stream().forEach(e->{ DefaultTypedTuple<String> tuple = new DefaultTypedTuple<String>(String.valueOf(e),0d); set.add(tuple); }); redisTemplate.opsForZSet().add(Constant.POLICY_TOP_10,set); System.out.println("删除了"); } }
其中的xml文件为
<select id="listIdsAndNotIn" resultType="integer"> select id from p_policy where id not in <foreach collection="list" open="(" close=")" separator="," item="id"> #{id} </foreach> order by RAND() limit 5 </select>
编写Trigger与JobDetail
@Configuration public class QuarztConfig { @Value("${quartz.policy.top10.cron}") private String cron; @Bean public JobDetail topTenQuartzJobDetail(){ JobDetail jobDetail = JobBuilder.newJob(TopTenQuartzJob.class) .storeDurably() .build(); return jobDetail; } @Bean public Trigger topTenQuartzTrigger(){ CronScheduleBuilder schedule = CronScheduleBuilder.cronSchedule(cron); CronTrigger trigger = TriggerBuilder.newTrigger() .forJob(topTenQuartzJobDetail()) .withSchedule(schedule) .build(); return trigger; } }
这种方式实现排行榜还是存在着问题，假如存在一个经常访问的数据但是一直随机没有随机进Redis，那么它就一直上不了排行榜，但是对于我这种项目的实现已经够用了，因为在我这个项目中我们保存的是最新的文件而且比较少，一般对于文件这种上热榜一般都是新发布的，所以该影响对此项目的影响较小
