community项目是使用springboot和模板引擎实现的一个简单论坛系统，实现了论坛的一些基本功能。
-
登陆功能：集成github授权登陆（目前存在的问题，github授权访问缓慢会造成连接超时报错）
-
文章发布：数据库使用text存储，前端继承了markdown富文本编辑（图片上传为实现，缺少云存储后续修复）
-
文章评论：实现了文章的评论，包括了一级评论和二级评论
-
评论点赞：利用了redis Set的数据结构，以评论id作为核心Key存储，解决重复点赞问题。
-
文章浏览：利用了redis Set的数据结构，以用户Id和文章Id作为Key存储，并且设置合适的过期时间（5hour）解决重复刷新导致浏览量增加，同时也允许用户多次浏览文章也会增加浏览量的问题
-
文章推荐：根据正在阅读的文章的tag推送相关问题。（利用sql的正则表达式进行tag匹配）
SELECT * FROM t_question WHERE tag REGEXP #{tag,jdbcType=VARCHAR} order by comment_count desc LIMIT 0 , 10 ## tag REGEXP 'Spring|Java'
-
热榜系统（周期榜、滚动榜）项目亮点下面细说
-
评论通知：文章或评论被评论后对应用户上线会被通知，点击通知进行跳转。
-
登陆统计
advice:全局异常处理 annotation:自定义注解 aop:切面类 config:配置类 controller:路由类
dto:网络传输实体类 enums:枚举类 exception:自定义异常 filter:过滤器 interceptor:拦截器
mapper:dao层 model:实体类 provider:服务提供类 service:服务类 task:定时任务类
Utils:自定义工具包
cookie自动登陆：实现了cookie自动登陆功能，并且解决了cookie丢失导致账号异地登陆的功能， 实现过程：在用户github授权登陆的时候，同时把token存入数据库和redis中，并且存入cookie。在redis中以IP地址作为核心key值存入并且设置合适的过期时间。每次访问时验证请求的IP地址与redis中的存储是否一致，以此来达到cookie丢失导致的问题。
登陆统计：利用redis的数据结构HyperLogLogs实现登陆人数统计。以日期作为Key，用户Id作为Val进行每日登陆人数的记载。利用定时任务定期进行清理避免redis内存消耗过高导致频繁swap，性能下降。
知识点：HyperLogLogs存储原理，特性。
热榜系统：
-周期榜：比如日榜，周榜等；
本次项目实现的是日榜功能。Key：计算出当日在一年中的第几天作为Key的核心字段，避免Key的冲突，Val：存储文章的id+title。减少查询数据库的次数。利用redis中的zset数据结构进行去重和排序。每次浏览就增加对应 val 的 score。定时清理：利用spring的任务调度选择在访问量少的时间（凌晨两点）进行数据的清理（清理几天前的数据）。
-滚动榜：比如连续N天榜；
本次项目实现的连续两天的滚动榜。
方案：同时维护三个榜单。今日展示的滚动榜，明日展示的滚动榜，今日滚动榜最后一天的日榜。
在对今日滚动榜读写的时候同时查询日榜，并且把今日滚动榜-日榜的数据存入明日滚动榜。对于没用访问到的Key利用离线工具或者spring task进行数据的迁移（可以选择迁移靠前的百分之70左右数据而不必全部迁移）。
优点：较少的读写次数，以及较少的内存空间。对系统比较友好。
限流：
系统的高可用离不开限流、熔断、降级。常用的限流方案，redis计数器，令牌桶，漏桶算法。
-全局限流
方案：使用redis计数器进行限流，主要利用了redis计数和单线程读写的特性。
利用日期加时间戳的后五位作为Key，val主要存储数字。
通过过滤器拦截请求，向redis执行inc操作根据返回值判断当前时间日期、时间戳下的val表示的数量进行判断是否到达了阈值。 到达则返回，反之通过。
//全局限流
Boolean islimit = redisService.isLimitQPS();
if (islimit){
throw new CustomizeException(ExceptionEnum.LIMITE_RATE);
}
//使用redis 实现限流操作
public Boolean isLimitQPS(){
Date date = new Date();
int day = CommonUtils.calDayInYear(date);
String tmp = String.valueOf(System.currentTimeMillis());
String str =tmp.substring(tmp.length()-5, tmp.length());
String key = "QPS::"+day+"::"+str;
Long rate = redisTemplate.opsForValue().increment(key);
if (rate > LIMIT_RATE) return true;
else return false;
}-API限流
方案：使用guava的限流类进行实现（底层是令牌桶算法）。
- 自定义注解标记限流的Controller。
- 配置AOP切面类，根据注解类型进行拦截。
- 使用concurrenthashmap存储每个controller对应的RateLimite（根据注解的属性设置令牌桶的增长速率）
- 调用tryacuire方法尝试获得令牌，成功则执行方法。否则返回错误信息
@Component
@Scope
@Aspect
public class RateLimitAspect {
//用来存放不同接口的RateLimiter(key为接口名称，value为RateLimiter)
private ConcurrentHashMap<String, RateLimiter> map = new ConcurrentHashMap<>();
private RateLimiter rateLimiter;
@Pointcut("@annotation(com.imnoob.community.annotation.RateLimit)")
public void serviceLimit() {
}
@Around("serviceLimit()")
public Object around(ProceedingJoinPoint joinPoint) throws NoSuchMethodException {
Object obj = null;
//获取拦截的方法名
Signature sig = joinPoint.getSignature();
//获取拦截的方法名
MethodSignature msig = (MethodSignature) sig;
//返回被织入增加处理目标对象
Object target = joinPoint.getTarget();
//为了获取注解信息
Method currentMethod = target.getClass().getMethod(msig.getName(), msig.getParameterTypes());
//获取注解信息
RateLimit annotation = currentMethod.getAnnotation(RateLimit.class);
double limitNum = annotation.qps(); //获取注解每秒加入桶中的token
String functionName = msig.getName(); // 注解所在方法名区分不同的限流策略
//获取rateLimiter
if(map.containsKey(functionName)){
rateLimiter = map.get(functionName);
}else {
map.put(functionName, RateLimiter.create(limitNum));
rateLimiter = map.get(functionName);
}
try {
if (rateLimiter.tryAcquire()) {
//执行方法
obj = joinPoint.proceed();
} else {
//拒绝了请求（服务降级）
throw new CustomizeException(ExceptionEnum.LIMITE_RATE);
}
} catch (Throwable throwable) {
throwable.printStackTrace();
}
return obj;
}
}学习：redis的使用场景，以及三种高级的数据结构。对限流有基本的了解，学习了主流的限流方案以及原理。
编程方面：虽然模块分割的不错，但是缺少了设计模式的使用。不利于后续的扩展以及发展。设计模式有待加强。