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：
- 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。以后有时间再细聊吧！
写在最后：把问题写明白，真不是一件容易的事情 ！
前几天写的一篇文章，受到众多同行的热情回复，能和众多同行一起交流，深感荣幸！对于工程类问题，没有标准的方案，一千个人有一千个方案，哪个最适合你只有你自己知道！期待你更好的思路和方法。
