项目技术点(1)

全文检索

• ​ 全文检索技术成为快速获取有效信息的核心支撑，而索引机制的设计是决定检索效率的关键因素。倒排索引凭借其关键字到文档的直接映射关系，在大规模数据检索中展现出显著优势。具体来说，当系统构建倒排索引时，会对所有文档中的关键字进行提取和归类，为每个关键字建立对应的文档列表。
• ​ 例如在包含 “月” 字的文档检索场景中，索引会清晰记录 “月 -- 文档 1、月 -- 文档 2、月 -- 文档 3” 的映射关系，当用户发起查询请求时，系统无需遍历所有文档，只需通过关键字 “月” 直接定位到关联的文档列表，整个过程毫秒级完成，彻底摆脱了传统遍历方式的效率瓶颈。这种机制特别适用于电商平台商品搜索、新闻资讯聚合、学术论文检索等需要处理海量数据的场景，能够在短时间内响应用户的查询需求。

项目使用 Elasticsearch 实现全文检索功能，具体实现如下：

• SearchController: 提供统一的搜索接口，支持按类型搜索（攻略、游记、用户、问答、全部）
• SearchServiceImpl: 实现高亮搜索逻辑，使用 ElasticsearchRestTemplate 进行ES查询
• ES实体类: 定义了多个ES文档类型：
• StrategyEs: 攻略搜索（title, subTitle, summary）
• NoteEs: 游记搜索（title, summary）
• UserInfoEs: 用户搜索（nickname, info, city）
• DestinationEs: 目的地搜索（name, info）

技术特点：

• 使用 IK分词器 (ik_max_word) 进行中文分词
• 支持 高亮显示 搜索结果
• 通过 RabbitMQ 实现数据同步，当MySQL数据变更时自动更新ES索引
• 采用 混合查询 模式：ES负责搜索，MySQL负责获取完整数据

高并发统计数字（浏览量 评论量……）

项目使用 Redis 实现高并发统计，具体实现如下：
核心机制：

• Redis Hash结构: 使用 strategy_statis_hash:{id} 存储每个攻略的统计数据
• 原子操作: 使用 incrementCacheMapValue 进行原子递增操作
• 定时持久化: 定期将Redis统计数据同步到MySQL

统计指标：

• 浏览量 (viewnum): 每次访问+1
• 评论量 (replynum): 每次评论+1
• 收藏量 (favornum): 收藏/取消收藏时±1
• 点赞量 (thumbsupnum): 点赞时+1
• 分享量 (sharenum): 分享时+1

实现细节：

• Apply

防刷机制：

• 点赞限制: 每个用户每天最多点赞5次
• IP限流: 使用Redis实现访问频率控制

采用了Redis 的 Hash 数据结构和原子操作。将点赞、收藏、转发等不同类型的统计数据拆分为独立的 Hash 键，每个 Hash 键中的字段对应具体的统计项。当需要更新数据时，直接调用 Redis 提供的 INCR 命令对 Hash 字段进行自增操作。Redis 的 INCR 命令是原子性的，即整个操作过程不会被其他线程打断，即使在高并发场景下，多个线程同时发起的更新请求也会被 Redis 按顺序逐个处理，确保每个操作都能准确反映到最终结果中。这种设计不仅彻底解决了数据一致性问题，还凭借 Redis 内存操作的高效性，能够轻松支撑每秒数万次的高频读写请求，同时保证统计数据的实时性和准确性。

jwt

项目使用 JWT + Redis 实现身份认证，具体实现如下：
核心组件：

• JwtUtils: JWT工具类，负责token的创建、解析和验证
• TokenService: 管理用户登录状态和token生命周期
• AuthFilter: 网关层过滤器，验证请求token

JWT结构：

• Apply

认证流程：

• 登录: 用户登录成功后，生成JWT token并存储到Redis
• 请求验证: 网关过滤器解析JWT，验证用户身份
• 状态检查: 检查Redis中是否存在有效的登录状态
• 信息传递: 将用户信息添加到请求头中传递给下游服务

实现细节：

• Apply

安全特性：

• HS512算法: 使用强加密算法签名
• Redis存储: token状态存储在Redis中，支持快速失效
• 网关统一认证: 在网关层统一处理认证逻辑
• 内部服务通信: 支持服务间内部调用认证

在这一机制中，Redis 扮演了关键角色，不仅用于存储 RefreshToken 的状态信息，还支持通过设置过期时间实现自动失效，同时可以根据用户的活跃情况动态延长 RefreshToken 的有效期，进一步优化用户体验。