点评项目-13-附近商铺、用户签到、UV统计

通过 Redis 的 GEO 功能完成地理位置的相关操作

以下是北京几个地区的经纬度：

北京站：116.42803 39.903738

北京南站：116.378248 39.865275

北京西站：116.322287 39.893729

在 redis 中添加一个位置的命令

geoadd key 经度 维度 地区名

查询两个点之间的距离

geodist key 地区1 地区2 km

查看某个地点附近的商铺

geosearch key fromlonlat 经度 维度 byradius(半径) 10 km withdist(返回值带距离)

附近店铺查询功能（未测试）：

请求路径：/shop/of/type

请求类型：get

携带参数：typeId: 商户类型，current ：页码，滚动查询，x：经度，y：维度

返回值：List<shop>：所有符合要求的商户信息

java代码：将店铺按照店铺类型分类作为key，写入 redis 中

opsForGeo.add(key,point(x,y),shopId) 添加一个 Geo 类型的 key

第一步：将 redis 版本换为 6 版本

        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-starter-data-redis</artifactId>
            <exclusions>
                <exclusion>
                    <artifactId>spring-data-redis</artifactId>
                    <groupId>org.springframework.data</groupId>
                </exclusion>
                <exclusion>
                    <artifactId>lettuce-core</artifactId>
                    <groupId>io.lettuce</groupId>
                </exclusion>
            </exclusions>
        </dependency>
        <dependency>
            <groupId>org.springframework.data</groupId>
            <artifactId>spring-data-redis</artifactId>
            <version>2.6.2</version>
        </dependency>
        <dependency>
            <groupId>io.lettuce</groupId>
            <artifactId>lettuce-core</artifactId>
            <version>6.1.6.RELEASE</version>
        </dependency>

第二步，Controller

    /**
     * 根据商铺类型分页查询商铺信息
     * @param typeId 商铺类型
     * @param current 页码
     * @return 商铺列表
     */
    @GetMapping("/of/type")
    public Result queryShopByType(
            @RequestParam("typeId") Integer typeId,
            @RequestParam(value = "current", defaultValue = "1") Integer current,
            @RequestParam(value = "x", required = false) Double x,
            @RequestParam(value = "y", required = false) Double y
    ) {
       return shopService.queryShopByType(typeId, current, x, y);
    }

第三步，Service层

public interface ShopService extends IService<Shop> {

    Result queryById(Long id);

    Result update(Shop shop);

    Result queryShopByType(Integer typeId, Integer current, Double x, Double y);
}

    @Override
    public Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {
        // 1.判断是否需要根据坐标查询
        if (x == null || y == null) {
            // 不需要坐标查询，按数据库查询
            Page<Shop> page = query()
                    .eq("type_id", typeId)
                    .page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));
            // 返回数据
            return Result.ok(page.getRecords());
        }

        // 2.计算分页参数
        int from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;
        int end = current * SystemConstants.DEFAULT_PAGE_SIZE;

        // 3.查询redis、按照距离排序、分页。结果：shopId、distance
        String key = SHOP_GEO_KEY + typeId;
        GeoResults<RedisGeoCommands.GeoLocation<String>> results = stringRedisTemplate.opsForGeo() // GEOSEARCH key BYLONLAT x y BYRADIUS 10 WITHDISTANCE
                .search(
                        key,
                        GeoReference.fromCoordinate(x, y),
                        new Distance(5000),
                        RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs().includeDistance().limit(end)
                );
        // 4.解析出id
        if (results == null) {
            return Result.ok(Collections.emptyList());
        }
        List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();
        if (list.size() <= from) {
            // 没有下一页了，结束
            return Result.ok(Collections.emptyList());
        }
        // 4.1.截取 from ~ end的部分
        List<Long> ids = new ArrayList<>(list.size());
        Map<String, Distance> distanceMap = new HashMap<>(list.size());
        list.stream().skip(from).forEach(result -> {
            // 4.2.获取店铺id
            String shopIdStr = result.getContent().getName();
            ids.add(Long.valueOf(shopIdStr));
            // 4.3.获取距离
            Distance distance = result.getDistance();
            distanceMap.put(shopIdStr, distance);
        });
        // 5.根据id查询Shop
        String idStr = StrUtil.join(",", ids);
        List<Shop> shops = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
        for (Shop shop : shops) {
            shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());
        }
        // 6.返回
        return Result.ok(shops);
    }

用户签到功能：

Redis 中（位图）BitMap 用法：

将一个用户，一个月的签到情况，按照二进制的形式来表示是否签到

BitMap 命令：

setbit 向指定位置 offset 存入 0 或 1

getbit 获取指定位置的 bit 值

bircount 统计 1 的数量

bitfield 操作 BitMap 中 bit 数组中指定位置的值(通常用于查询整个 bit 数组)

bitfield_ro 获取 bit 数组并以十进制形式返回

bitop 将多个 BitMap 的结果做位运算

bitpos 查找bit数组中指定范围内第一个 0 或 1 出现的位置

用户签到，连续签到功能实现：

请求方式：Post

请求路径：/user/sign

携带信息：登录 token

对于连续签到，我们给每一个用户设置一个保存连续签到次数的Redis key，每次签到时，我们都查询前一天该用户是否签到，若是，则将连续签到次数 +1 ；若不是，则将连续签到次数重置为 0

Controller：

    //用户签到
    @PostMapping("sign")
    public Result userSign(){
        return userService.userSign();
    }

Service 实现类：

    @Override
    public Result userSign() {
        UserDTO user = UserHolder.getUser();
        if(user == null){
            return Result.fail("请先登录");
        }
        //获取年月作为 key
        LocalDateTime now = LocalDateTime.now();
        String yearAndMonth = now.format(DateTimeFormatter.ofPattern("yyyyMM"));
        String key = "sign:"+user.getId()+":"+yearAndMonth;
        //获取天数完成签到操作
        int dayOfMonth = now.getDayOfMonth();//起始值为 1
        stringRedisTemplate.opsForValue().setBit(key,dayOfMonth-1,true);
        updateLink(user.getId(),now);
        return Result.ok();
    }
    //更新连续签到天数
    public void updateLink(Long userId,LocalDateTime now){
        //先查询前一天是否成签到
        LocalDateTime yesterday = now.minusHours(24);//当前时间减去 24 小时
        String yearAndMonth = yesterday.format(DateTimeFormatter.ofPattern("yyyyMM"));
        String key = "sign:"+userId+":"+yearAndMonth;
        int dayOfMonth = yesterday.getDayOfMonth();
        Boolean isSing = stringRedisTemplate.opsForValue().getBit(key, dayOfMonth-1);//这里一定要记得 -1 我一开始忽略了导致程序出错，找了半天
        String saveKey = "user:sign:keep:"+userId;
        System.out.println(isSing + " "+yearAndMonth+" "+(dayOfMonth-1));
        if(isSing == null || !isSing){
            //当前用户第一次签到,或未连续签到
            stringRedisTemplate.opsForValue().set(saveKey,"1");
            return;
        }
        //昨天签到过，连续签到次数继续累加
        String s = stringRedisTemplate.opsForValue().get(saveKey);
        if(s != null){
            long save = Long.parseLong(s) + 1;//将原来的值加一
            stringRedisTemplate.opsForValue().set(saveKey,Long.toString(save));
        }
    }

测试：

我们将管理员 1 的今日签到请求发送

然后查询 redis 中管理员1的连续签到次数，预测为1

然后在 redis 中将管理员1昨天的签到点上，再次让管理员1发送签到请求，预测连续签到次数会变为2

UV统计：

UV：独立访客量，即浏览这个网页的自然人量

PV：页面访问量，即浏览页面的次数

HyperLogLog用法：

HyperLogLog 主要用户统计 UV

命令：

pfadd key e1 e2 e3 e4... 往 key 中添加批量元素（若已经有了则无效添加）

pfcount key 查询 key 中的所有元素个数

给项目添加 UV 统计：

    private User createUserByPhone(String phone) {
        User user = new User();
        user.setPhone(phone);
        user.setNickName("user_"+RandomUtil.randomString(10));
        //TODO 添加 UV 统计
        stringRedisTemplate.opsForHyperLogLog().add("UV",phone);//UV统计
        return user;
    }

测试：

发送一个全新手机号的登录请求：

查询 redis