• 【wiki知识库】09.欢迎页面展示（浏览量统计）SpringBoot部分

    🍊 编程有易不绕弯，成长之路不孤单！

    大家好，我是熊哈哈，这个项目从我接手到现在有了两个多月的时间了吧，其实本来我在七月初就做完的吧，但是六月份的时候生病了，在家里休息了一个月的时间，后来回到学校考试，考完试之后就出来实习了，这个项目也就一直拖了下去，最近时间够了就在努力的去完成这个项目。

    总体来说这个项目不是很难，有很多的东西不够细节，处理的也不是很到位，请大家谅解一下。在我考虑到的不充分的地方一个就是在删除电子书的时候，并没有删除电子书对应存在数据库当中的文章，还有就是在登录的时候，密码加密应该在前端就开始加密了，不应该传到后端在进行加密处理，其实还有很多不到位的地方需要大家去查找，我在提示一下，有没有考虑到为接口添加事物？

    此外，项目还可以有改进部分，一个是添加AOP做日志管理，还有自定义异常类，这些都是很重要的模块，在实际的开发当中，一定不要像代码当中的那么随意。其他的我还没有想到，不过我记得我之前说过这个项目的权限校验不太合理，有兴趣的可以了解一下RBAC还有SpringSecurity。

    目录

    🍊 编程有易不绕弯，成长之路不孤单！

    一、今日目标

    二、SpringBoot代码修改

    2.1 新增IpUtil

    2.2 添加访问量统计功能

    2.3 新增点赞功能

    2.4 实现数据统计

    2.4.1 定时更新ebook数据

    2.4.2 定时更新ebook_snapshot

    2.5 展示总浏览量和30天内的数据变化

    一、今日目标

    上篇文章链接：【wiki知识库】08.添加用户登录功能--后端SpringBoot部分-CSDN博客

    上篇文章做了登录功能的后端逻辑，实现了登录拦截还有权限校验部分，为网站提供了一定的安全性保障，在这篇文章就要实现最后的部分：浏览量的统计和点赞功能。

    这一部分就是纯Sql，还有自动化任务。

    二、SpringBoot代码修改

    2.1 新增IpUtil

    这个工具类的作用就是在你访问接口的时候，可以获取到你的真实IP。

    1. public class IpUtil {
    2.     private static final String UNKNOWN = "unknown";
    3.     private static final String LOCALHOST = "127.0.0.1";
    4.     private static final String SEPARATOR = ",";
    5.  
    6.     public static String getIpAddr(HttpServletRequest request) {
    7.         System.out.println(request);
    8.         String ipAddress;
    9.         try {
    10.             ipAddress = request.getHeader("x-forwarded-for");
    11.             if (ipAddress == null || ipAddress.length() == 0 || UNKNOWN.equalsIgnoreCase(ipAddress)) {
    12.                 ipAddress = request.getHeader("Proxy-Client-IP");
    13.             }
    14.             if (ipAddress == null || ipAddress.length() == 0 || UNKNOWN.equalsIgnoreCase(ipAddress)) {
    15.                 ipAddress = request.getHeader("WL-Proxy-Client-IP");
    16.             }
    17.             if (ipAddress == null || ipAddress.length() == 0 || UNKNOWN.equalsIgnoreCase(ipAddress)) {
    18.                 ipAddress = request.getRemoteAddr();
    19.                 if (LOCALHOST.equals(ipAddress)) {
    20.                     InetAddress inet = null;
    21.                     try {
    22.                         inet = InetAddress.getLocalHost();
    23.                     } catch (UnknownHostException e) {
    24.                         e.printStackTrace();
    25.                     }
    26.                     ipAddress = inet.getHostAddress();
    27.                 }
    28.             }
    29.             // 对于通过多个代理的情况，第一个IP为客户端真实IP,多个IP按照','分割
    30.             // "***.***.***.***".length()
    31.             if (ipAddress != null && ipAddress.length() > 15) {
    32.                 if (ipAddress.indexOf(SEPARATOR) > 0) {
    33.                     ipAddress = ipAddress.substring(0, ipAddress.indexOf(","));
    34.                 }
    35.             }
    36.         } catch (Exception e) {
    37.             ipAddress = "";
    38.         }
    39.         return ipAddress;
    40.     }
    41. }

    2.2 添加访问量统计功能

    这个功能一说出来你知道要在哪里添加吗？就是我们之前写过的fint-content接口，当我们点开一篇文章查看的时候，对应的我们要为这一篇文章增加访问量。

    找打这个接口，然后修改代码。

    1.     /**
    2.      * 查找某个doc的content内容
    3.      * @param id content的id
    4.      * @return
    5.      */
    6.     @GetMapping("/find-content/{id}")
    7.     public CommonResp findContent(@PathVariable Long id) {
    8.         Content content = contentService.getById(id);
    9.         // 查找的同时更新阅读数
    10.         docService.increaseViewCount(id);
    11.         String message = content.getContent();
    12.         return new CommonResp(true,"查找成功",message);
    13.     }

    这是在DocServiceImpl中添加的，代码很简单，压力给到mapper。

    1. public void increaseViewCount(Long id) {
    2.         docMapper.increaseViewCount(id);
    3.     }

    走带mapper中，就是要执行我们自己写的sql语句，在这之前大家先来考虑一个问题，为了增加浏览量我这里给大家两种方案。

    1. 通过文档的id查询出文档的信息，然后修改文档的浏览量，然后在存回去。
    2. 通过文档的id直接找到对应的数据，然后直接修改浏览量。

    不用想也是第二种。但是一定要注意，如果要执行自定义的Sql，一定要把xml文件放到resources目录下的mapper中。

    1. <update id="increaseViewCount">
    2.         update doc set view_count = view_count + 1 where id = #{id}
    3. update>

    2.3 新增点赞功能

    这个功能还是在DocController中添加的。

    对应的接口代码如下。

    1. /**
    2.      * 给文章点赞
    3.      * @param id 传入的doc的id
    4.      * @return
    5.      */
    6.     @GetMapping("/vote/{id}")
    7.     public CommonResp vote(@PathVariable Long id) {
    8.         docService.increaseVoteCount(id);
    9.         return  new CommonResp(true,"点赞成功",null);
    10.     }

    DocServiceImpl中新增代码。这段代码中，获取了HttpServletRequest对象，通过这个对象我们就可以拿到用户访问时的IP，为什么需要用户的IP？

    你有没有经历过这种情况，当你访问某一篇博客的时候，或者看一个视频的时候，在你点赞了之后你就不能够在点赞了，或者你在点赞就是取消点赞了，我们这里解析用户IP也是一样的道理，我们要把当前点赞用户的IP存放在Redis当中，当用户点过一次之后，我们就设置24小时内不能够在点赞。为什么一定要IP呢？因为网站用户不需要账号登陆。

    现在你知道了IpUtil的作用了吗。

    1.  public void increaseVoteCount(Long id) {
    2.         ServletRequestAttributes attributes = (ServletRequestAttributes) RequestContextHolder.getRequestAttributes();
    3.         HttpServletRequest request = attributes.getRequest();
    4.         // 通过IPUtil获取远程访问的IP
    5.         String ip = IpUtil.getIpAddr(request);
    6.         // 判断用户是否已经投票
    7.         if (redisUtil.validateRepeat("DOC_VOTE_" + id + "_" + ip, 60 * 60 * 24)) {
    8.             docMapper.increaseVoteCount(id);
    9.         } else {
    10.             throw new RuntimeException("您今日已经投过票了");
    11.         }
    12.         docMapper.increaseVoteCount(id);
    13.     }

    2.4 实现数据统计

    想一下，如果这个功能让你来实现，你会从哪里入手？

    先来看看我们的数据库的表格吧。我们点开doc、ebook后都能看到有浏览量的统计，但不同的是doc记录的是每一篇文档的浏览量，而ebook记录的是某个电子书的浏览量，至于下边的ebook_snapshot意味着每一日的电子书快照，什么意思呢？就是每一天当中每一本电子书的总浏览量和今日增长的浏览量。

    再回想我们的代码，我们只有在代码中添加了有关doc的浏览量统计，那我们改如何同步三个表格呢？

    想想看，doc统计的是文档的浏览量，文档是带有ebook的id的，我们只要把某个ebook下的doc做一个统计就好了，这样就可以的到ebook中的浏览量数据了。

    那么ebook_snapshot中的数据呢？就像是下边的图所示。

    view_count是电子书访问的总浏览量，这个我们在ebook当中就已经有了，至于vote_count和view_count同理。

    那么view_increase呢？这个数据记录着今日访问量。

     我给大家标注了一下，现在不难猜了吧，今日的当前总访问量和昨天截止的访问量相减就是今日访问量了。

     好了知道了这些就会让你更容易地理解Sql怎么写。

    2.4.1 定时更新ebook数据

    这是一个自动化任务，过一段时间ebook中的数据就要和doc中的数据进行同步。

    1. @Component
    2. public class EbookInfoTask {
    3.     private static final Logger LOG = LoggerFactory.getLogger(EbookInfoTask.class);
    4.     @Resource
    5.     private DocService docService;
    6.     @Resource
    7.     private SnowFlake snowFlake;
    8.     /**
    9.      * 每30秒更新电子书信息
    10.      */
    11.     @Scheduled(cron = "5/30 * * * * ?")
    12.     public void cron() {
    13.         // 增加日志流水号
    14.         MDC.put("LOG_ID", String.valueOf(snowFlake.nextId()));
    15.         LOG.info("更新电子书下的文档数据开始");
    16.         long start = System.currentTimeMillis();
    17.         docService.updateEbookInfo();
    18.         LOG.info("更新电子书下的文档数据结束，耗时：{}毫秒", System.currentTimeMillis() - start);
    19.     }
    20. }

    service中的代码如下，这个就好理解了。

    1.     <update id="updateEbookInfo">
    2.         update ebook t1, (select ebook_id, count(1) doc_count, sum(view_count) view_count, 
    3.           sum(vote_count) vote_count
    4.         from doc group by ebook_id) t2
    5.         set t1.doc_count = t2.doc_count, t1.view_count = t2.view_count, t1.vote_count = 
    6.           t2.vote_count
    7.         where t1.id = t2.ebook_id
    8.     update>

    2.4.2 定时更新ebook_snapshot

    1. @Component
    2. public class EbookSnapshotTask {
    3.  
    4.     private static final Logger LOG = LoggerFactory.getLogger(EbookSnapshotTask.class);
    5.     @Resource
    6.     private EbookSnapshotService ebookSnapshotService;
    7.     @Resource
    8.     private SnowFlake snowFlake;
    9.     /**
    10.      * 自定义cron表达式跑批
    11.      * 只有等上一次执行完成，下一次才会在下一个时间点执行，错过就错过
    12.      */
    13.     @Scheduled(cron = "0 0/1 * * * ?")
    14.     public void doSnapshot() {
    15.         // 增加日志流水号
    16.         MDC.put("LOG_ID", String.valueOf(snowFlake.nextId()));
    17.         LOG.info("生成今日电子书快照开始");
    18.         Long start = System.currentTimeMillis();
    19.         ebookSnapshotService.genSnapshot();
    20.         LOG.info("生成今日电子书快照结束，耗时：{}毫秒", System.currentTimeMillis() - start);
    21.     }
    22. }

    下边直接给出大家sql语句。

    1. <update id="genSnapshot">
    2.         INSERT INTO ebook_snapshot(ebook_id, `date`, view_count, vote_count, view_increase, vote_increase)
    3.         SELECT t1.id, CURDATE(), 0, 0, 0, 0
    4.         FROM ebook t1
    5.         WHERE NOT EXISTS (
    6.                 SELECT 1
    7.                 FROM ebook_snapshot t2
    8.                 WHERE t1.id = t2.ebook_id
    9.                   AND t2.`date` = CURDATE()
    10.             );
    11.  
    12.         UPDATE ebook_snapshot t1
    13.             JOIN ebook t2 ON t1.ebook_id = t2.id
    14.         SET t1.view_count = t2.view_count,
    15.             t1.vote_count = t2.vote_count
    16.         WHERE t1.`date` = CURDATE();
    17.  
    18.         UPDATE ebook_snapshot t1
    19.             LEFT JOIN (
    20.                 SELECT ebook_id, view_count, vote_count
    21.                 FROM ebook_snapshot
    22.                 WHERE `date` = DATE_SUB(CURDATE(), INTERVAL 1 DAY)
    23.             ) t2 ON t1.ebook_id = t2.ebook_id
    24.         SET t1.view_increase = (t1.view_count - IFNULL(t2.view_count, 0)),
    25.             t1.vote_increase = (t1.vote_count - IFNULL(t2.vote_count, 0))
    26.         WHERE t1.`date` = CURDATE();
    27.     update>

    不过你也别被吓到，这个update中一共有三个sql，现在来一条一条分析。

    这是一条插入语句目的是什么呢，先看where语句，这是一个带有条件的插入sql，当我们从ebook_snapshot中查找数据时，如果没有发现日期是今天，并且存在于ebook中的数据时候就会执行，说白了就是看一下在当天有没有往这个表格中插入ebook的统计信息，没有的话就插进去。

    1. INSERT INTO ebook_snapshot(ebook_id, `date`, view_count, vote_count, view_increase, vote_increase)
    2.         SELECT t1.id, CURDATE(), 0, 0, 0, 0
    3.         FROM ebook t1
    4.         WHERE NOT EXISTS (
    5.                 SELECT 1
    6.                 FROM ebook_snapshot t2
    7.                 WHERE t1.id = t2.ebook_id
    8.                   AND t2.`date` = CURDATE()
    9.             );

    再来看下一条，这是一条更新语句，更新的是表格当中的电子书总浏览量和总点赞量，注意是当天的数据。

    1.  UPDATE ebook_snapshot t1
    2.             JOIN ebook t2 ON t1.ebook_id = t2.id
    3.         SET t1.view_count = t2.view_count,
    4.             t1.vote_count = t2.vote_count
    5.         WHERE t1.`date` = CURDATE();

    来看最后一条，还是更新语句，只不过更新的是当天的每个电子书的当日访问量和点赞量。

    两张ebook_snapshot表格做连接，拿到一张表格中今天所有电子书的数据，还有昨天所有电子书的数据，然后更新今天所有电子书的view_increase和vote_increase，数值就是前边说的相减。

    1.  UPDATE ebook_snapshot t1
    2.             LEFT JOIN (
    3.                 SELECT ebook_id, view_count, vote_count
    4.                 FROM ebook_snapshot
    5.                 WHERE `date` = DATE_SUB(CURDATE(), INTERVAL 1 DAY)
    6.             ) t2 ON t1.ebook_id = t2.ebook_id
    7.         SET t1.view_increase = (t1.view_count - IFNULL(t2.view_count, 0)),
    8.             t1.vote_increase = (t1.vote_count - IFNULL(t2.vote_count, 0))
    9.         WHERE t1.`date` = CURDATE();

    2.5 展示总浏览量和30天内的数据变化

    1. @RestController
    2. @RequestMapping("/ebook-snapshot")
    3. public class EbookSnapshotController {
    4.  
    5.     @Resource
    6.     private EbookSnapshotService ebookSnapshotService;
    7.  
    8.     @GetMapping("/get-statistic")
    9.     public CommonResp getStatistic() {
    10.         List statisticResp = ebookSnapshotService.getStatistic();
    11.         return new CommonResp<>(true,"success",statisticResp);
    12.     }
    13.  
    14.     @GetMapping("/get-30-statistic")
    15.     public CommonResp get30Statistic() {
    16.         List statisticResp = ebookSnapshotService.get30Statistic();
    17.         return new CommonResp<>(true,"success",statisticResp);
    18.     }
    19. }

    话不多说，我们直接上sql，因为代码里直接一路调到mapper了。

    这个是统计总浏览量和总点赞量的，我这里统计多了，其实直接让date等于curdate()就可以了。

    1. <select id="getStatistic" resultType="com.my.hawiki.vo.StatisticVo">
    2.         select
    3.             t1.`date` as `date`,
    4.             sum(t1.view_count) as viewCount,
    5.             sum(t1.vote_count) as voteCount,
    6.             sum(t1.view_increase) as viewIncrease,
    7.             sum(t1.vote_increase) as voteIncrease
    8.         from
    9.             ebook_snapshot t1
    10.         where
    11.             t1.`date` >= date_sub(curdate(), interval 1 day)
    12.         group by
    13.             t1.`date`
    14.         order by
    15.             t1.`date` desc;
    16.     </select>

    这个呢就是统计三十日内的数据信息，统计的是每一天的浏览量和点赞数，但是不包括当日。 

    1.  <select id="get30Statistic" resultType="com.my.hawiki.vo.StatisticVo">
    2.         select
    3.             t1.`date` as `date`,
    4.             sum(t1.view_increase) as viewIncrease,
    5.             sum(t1.vote_increase) as voteIncrease
    6.         from
    7.             ebook_snapshot t1
    8.         where
    9.             t1.`date` between date_sub(curdate(), interval 30 day) and date_sub(curdate(), interval 1 day)
    10.         group by
    11.             t1.`date`
    12.         order by
    13.             t1.`date` asc;
    14.     </select>

    🍊 🍊 🍊 到了这里也就结束了，如果在代码上有问题或者想要获取源码的同学们可以私信联系我，或者联系易编橙。🍊 🍊 🍊

    易编橙·终身成长社群，相遇已是上上签！-CSDN博客

    文章底部有链接

  • 相关阅读:
    输入两个3位的正整数m，n，输出[m，n]区间内所有的“水仙花数”。所谓“水仙花数”是指一个3位数，其各位数字的立方和等于该数本身。
    Elasticsearch 注册为Windows服务
    Ble Mesh的Generic Model ID&Opcode
    Mysql - 字符串截取、拆分
    【算法100天 | 17】手撕堆，使插入、删除任意元素的时间复杂度为O(logn)（Java实现）
    MATLAB中Simulink.SimulationOutput用法
    C++核心编程(三十)容器(vector)
    B. Two-gram
    CSP常用算法
    基于springboot，vue停车管理系统
  • 原文地址：https://blog.csdn.net/qq_61024956/article/details/141095721