本项目是一个基于springboot的问答平台。数据库使用了redis和mysql,实现注册登录、点赞点踩、评论站内信、Timeline事件流等功能,同时通过一个异步消息框架来实现事件的异步处理,并使用爬虫对网站进行数据填充。
- 项目的基本框架及配置
- AOP和IOC
- MySQL和MyBatis
- 注册与登录的实现
- 发表问题和敏感词过滤
- 发表评论和站内信
- Redis实现点赞和点踩功能
- 异步消息机制
- 关注和粉丝列表的实现
- 推拉模式下的Feed流
- 使用爬虫对网站进行数据填充
- 功能扩展以及深度扩展
创建git仓库,本地配置idea并测试pull和push。
创建springboot工程,导入web,velocity和aop的包。
生成maven项目,pom.xml包含上述依赖。
controller中使用注解配置,requestmapping,responsebody基本可以解决请求转发以及响应内容的渲染。responsebody自动选择viewresolver进行解析。
使用pathvariable和requestparam传递参数,使用velocity编写页面模板,注意其中的语法使用。常用$!{}和${}。
使用http规范下的httpservletrequest和httpservletresponse来封装请求和相响应,使用封装好的session和cookie对象。
使用重定向的redirectview和统一异常处理器exceptionhandler。
IOC解决对象实例化以及依赖传递问题,解耦。
AOP解决纵向切面问题,主要实现日志和权限控制功能。
aspect实现切面,并且使用logger来记录日志,用该切面的切面方法来监听controller。
使用mysql创建数据库和表。
加入mybatis和mysql的maven仓库,注意,由于现在版本的springboot不再支持velocity进而导致我使用较早版本的springboot,所以这里提供一可以正常运行的版本设置。
springboot使用1.4.0,mybatis-spring-boot-starter使用1.2.1,mysql-connector-java使用8.0.12。
注意mybatis的注解语法以及xml的配置要求,xml要求放在resource中并且与dao接口在相同的包路径下。
application.properties增加spring配置数据库链接地址。
两个小工具:
- ViewObject:方便传递任何数据到
- VelocityDateTool:velocity自带工具类
写好静态文件html css和js,并且注意配置。
- spring.velocity.suffix=.html 保证跳转请求转发到html上
- spring.velocity.toolbox-config-location=toolbox.xml
新建数据表login_ticket用来存储ticket字段。该字段在用户登录成功时被生成并存入数据库,并被设置为cookie,下次用户登录时会带上这个ticket,ticket是随机的UUID字符串,有过期时间以及有效状态。
使用拦截器interceptor来拦截所有用户请求,判断请求中是否存在有效的ticket,如果有就将用户信息写入Threadlocal。所有线程的threadlocal都被存在一个叫做hostholder的实例中,根据该实例就可以在全局任意位置获取用户的信息。
该ticket的功能类似session,也是通过cookie写回浏览器,浏览器请求时再通过cookie传递,区别是该字段是存在数据库中的,并且可以用于移动端。
通过用户访问权限拦截器来拦截用户的越界访问,比如用户没有管理员权限就不能访问管理员页面。
配置了json工具类以及md5工具类,并且使用Java自带的盐生成api将用户密码加密为密文。保证密码安全。
数据安全性的保障手段:https使用公钥加密私钥解密,比如支付宝的密码加密,单点登录验证,验证码机制等。
发布问题时检查标题和内容,防止xss注入,并且过滤敏感词。
防止xss注入直接使用HTMLutils的方法即可实现。
过滤敏感词首先需要建立一个字典树,并且读取一份保存敏感词的文本文件,然后初始化字典树。最后将过滤器作为一个服务,让需要过滤敏感词的服务进行调用即可。
首先建立表comment和message分别代表评论和站内信。
评论的逻辑是每一个问题下面都有评论,显示评论数量,具体内容,评论人等信息。
消息的逻辑是,两个用户之间发送一条消息,有一个唯一的会话id,这个会话里可以有多条这两个用户的交互信息。通过一个用户id获取该用户的会话列表,再根据会话id再获取具体的会话内的多条消息。
逻辑清楚之后,再加上一些附加功能,比如显示未读消息数量,根据时间顺序排列会话和消息。
本节内容基本就是业务逻辑的开发,没有新增什么技术点,主要是前后端交互的逻辑比较复杂,前端的开发量也比较大。
首先了解一下redis的基础知识,数据结构,jedis使用等。
编写list,string,hashmap,set,sortset的测试用例,熟悉jedis api。
开发点踩和点赞功能,在此之前根据业务封装好jedis的增删改查操作,放在util包中。
根据需求确定key字段,格式是 like:实体类型:实体id 和 dislike:实体类型:实体id 这样可以将喜欢一条新闻的人存在一个集合,不喜欢的存在另一个集合。通过统计数量可以获得点赞和点踩数。
一般点赞点踩操作是先修改redis的值并获取返回值,然后再异步修改mysql数据库的likecount数值。这样既可以保证点赞操作快速完成,也可保证数据一致性。
在之前的功能中有一些不需要实时执行的操作或者任务,我们可以把它们改造成异步消息来进行发送。
具体操作就是使用redis来实现异步消息队列。代码中使用事件event来包装一个事件,事件需要记录事件实体的各种信息:一个异步工具类(事件生产者+事件消费者+eventHandler接口),让以后各种事件的实现类来实现这个接口。
事件生产者一般作为一个服务,由Controller中的业务逻辑调用并产生一个事件,将事件序列化存入redis队列中,事件消费者则通过一个线程循环获取队列里的事件,并且寻找对应的handler进行处理。
整个异步事件的框架开发完成,后面新加入的登录,点赞等事件都可以这么实现。
新增关注功能,使用redis实现每一个关注对象的粉丝列表以及每一个用户的关注对象列表。通过该列表的crud操作可以对应获取粉丝列表和关注列表,并且实现关注和取关功能。
由于关注成功和添加粉丝成功时同一个事务里的两个操作,可以使用redis的事务multi来包装事务并进行提交。
除此之外,关注成功或者被关注还可以通过事件机制来生成发送邮件的事件,由异步的队列处理器来完成事件响应,同样是根据redis来实现。
对于粉丝列表,除了显示粉丝的基本信息之外,还要显示当前用户是否关注了这个粉丝,以便前端显示。
对于关注列表来说,如果被关注对象是用户的话,除了显示用户的基本信息之外,还要显示当前用户是被这个用户关注,以便前端显示。
微博的新鲜事功能介绍:关注好友的动态(好友的点赞和发表的问题等),关注了某个问题,这些都是feed流的一部分。
在知乎中的feed流主要体现于:关注用户的评论行为,关注用户的关注问题行为。
feed流主要分为两种,推模式和拉模式。推模式主要是把新鲜事推送给关注该用户的粉丝,本例使用redis来存储某个用户接受的新鲜事id列表,这个信息流又称为timeline,根据用户的唯一key来存储;拉模式主要是用户直接找寻自己所有关注的人,并且到数据库去查找这些关注对象的新鲜事,直接返回。
推模式主要适合粉丝较少的小用户,因为他们的粉丝量少,使用推模式产生的冗余副本也比较少,并且可以减少用户访问的压力。
拉模式主要适合大v,因为很多僵尸粉和非活跃用户根本不需要推送信息,用推模式发给这些僵尸粉或者非活跃用户就是浪费资源。所以让用户通过拉模式请求,只需要一个数据副本即可。同时如果是热点信息,这些信息也可以放在缓存,让用户首先拉取这些信息,提高查询效率。
使用feedhandler异步处理上述的两个事件,当事件发生时,根据事件实体进行重新包装,构造一个新鲜事,因为所有新鲜事的格式是一样的。需要包括:日期,新鲜事类型,发起者,新鲜事内容,然后把该数据存入数据库,以便用户使用pull模式拉出。
为了适配推送模式,此时也要把新鲜事放到该用户所有粉丝的timeline里,这样的话就同时实现了推和拉的操作了。
安装python3.x并且配置环境变量。同时安装pycharm,安装pip。
安装好以后,先熟悉python的语法,写一些例子,比如数据类型,操作符,方法调用,以及面向对象的技术。
因为数据是要导入数据库的,所以这里安装MySQLdb的一个库,并且写一下连接数据库的代码,写一下简单的crud进行测试。
使用requests库作为解析http请求的工具,使用beautifulsoup作为解析html代码的工具,请求之后直接使用css选择器匹配。即可获得内容。
当然现在我们有更方便的工具pyspider,可以方便解析请求并且可以设置代理,伪装身份等,直接传入url并且写好多级的解析函数,程序便会迭代执行,直到把所有页面的内容解析出来。这里我们直接启动pyspider的web应用并且写好python代码,就可以执行爬虫了。
知乎:先找到问题,再把问题下所有的回答进行爬取,最后把问题和评论一起处理。
功能扩展
- 用户注册,邮箱激活流程
- 管理员后台管理
- timeline推拉结合
- 个性化首页,timeline更多事件
深度扩展
- 搜索结果排序打分
- 爬虫覆盖用户,评论,内容去html标签
- 个性化推荐