微博点赞宕机分析

一、场景痛点分析：为什么传统方案会崩？

String直接计数：INCR命令导致热Key瓶颈（单Key每秒百万级QPS）
重复写入：用户疯狂点击造成数据库雪崩
数据丢失：Redis宕机后点赞数“一夜回到解放前”

💥 传统架构崩溃现场模拟：

1	// 错误示例：直接操作Stringpublic void likePost(String postId) { redisTemplate.opsForValue().increment("post:" + postId); // 热Key警告！}

二、终极解决方案：4层架构抵御流量海啸

1. 数据结构优化：分片Hash + 二级索引

🔑 核心代码：

// 分片Hash存储（1024个分片）
String postShardKey = "post_like:" + postId + ":shard_" + (postId.hashCode() % 1024);
// 原子操作：记录用户点赞并更新计数
redisTemplate.execute(new DefaultRedisScript<Boolean>(    
    "if redis.call('HSETNX', KEYS[1], ARGV[1], 1) == 1 then " +    "   redis.call('HINCRBY', KEYS[1], 'count', 1) " +    "   return true " +    "else " +    "   return false " +    "end", Boolean.class), Arrays.asList(postShardKey), userId.toString());

2. 流量削峰：异步化 + 批量合并

🔑 Kafka生产者代码：

1
2

@Autowiredprivate KafkaTemplate<String, String> kafkaTemplate;
public void asyncLike(String postId, String userId) {    String message = postId + ":" + userId;    kafkaTemplate.send("like_events", postId.hashCode() % 100, message); // 按postId分区}

📦 消费者批量处理（Spring Batch示例）：

@KafkaListener(topics = "like_events", groupId = "like-group")
public void batchProcess(List<ConsumerRecord<String, String>> records) {    
    Map<String, List<String>> postUserMap = new HashMap<>();    
    records.forEach(record -> {        
        String[] parts = record.value().split(":");        
        postUserMap.computeIfAbsent(parts[0], k -> new ArrayList<>()).add(parts[1]);    
    });
    postUserMap.forEach((postId, userIds) -> {        
        String shardKey = "post_like:" + postId + ":shard_" + (postId.hashCode() % 1024);        redisTemplate.opsForHash().putAll(shardKey, userIds.stream()                                                   .collect(Collectors.toMap(u -> u, u -> "1")));    
    });
}

3. 分布式扩展：Redis Cluster + 边缘计算

🌍 全球机房部署架构图：

⚙️ Redis Cluster配置建议：

# redis.conf 关键配置io-threads 4                
# 启用多线程IOcluster-enabled yes         
# 开启集群模式tcp-backlog 10000           
# 高并发连接队列

4. 数据安全：双写保护 + 熔断降级

🔒 双写校验代码：

// 先写Redis，异步写MySQL
@Transactionalpublic boolean likeWithGuard(String postId, String userId) {    
    // 1. Redis原子操作    
    boolean success = redisLikeService.like(postId, userId);    
    if (!success) return false;
    // 2. 发送异步事件（带本地事务）    
    transactionTemplate.execute(status -> {        
        kafkaTemplate.send("like_events", postId, userId);        return null;    
    });
    return true;
}
// 补偿任务：每小时修复数据
@Scheduled(fixedRate = 3600000)public void repairData() {    
    // 对比Redis与MySQL差异，修复计数
}