近兩年不知道大家有沒有發(fā)現(xiàn)，現(xiàn)在的面試中《場景題》問的越來越多了，一方面是就業(yè)市場競爭者較多所帶來的必然結(jié)果；另一方面是隨著時間的推移，公司對于應(yīng)聘者的技術(shù)要求也越來越高了，這時候只會八股文就不夠了，你還得會更難的場景題才行。

所以，今天我們就來盤 Java 中的常見面試題《如何實(shí)現(xiàn)億級用戶在線狀態(tài)統(tǒng)計？》，這個時候有人就會說了：“億級？你確定你們公司有億級用戶同時在線的場景？”“我會億級系統(tǒng)的設(shè)計還會來你們公司應(yīng)聘嗎？可笑”。

哈哈哈，確實(shí)如此，這些質(zhì)疑都是合理的。但是話說回來，面試的難度本來就比實(shí)際工作的難度大很多；其次，你來應(yīng)聘是想拿到高薪的 Offer，而不是和面試官干仗來的，對吧？所以，搞明白這道題的答案才是我們關(guān)注的重點(diǎn)。

1.億級用戶在線場景分析

例如，QQ 在線狀態(tài)的統(tǒng)計功能就是億級的，它的特征是：數(shù)據(jù)量大、內(nèi)存占用高、實(shí)時性要求高，因此我們使用常規(guī)的解決方案是不能實(shí)現(xiàn)的。例如，在數(shù)據(jù)庫中給每個用戶中添加一個在線狀態(tài)，上線設(shè)為 1，下線設(shè)為 0，通過統(tǒng)計狀態(tài)為 1 的數(shù)據(jù)，獲取在線人數(shù)。該方案無法承受大規(guī)模用戶頻繁上、下線操作，會給數(shù)據(jù)庫帶來巨大 IO 壓力，且實(shí)時統(tǒng)計需不斷刷新查詢，易拖垮數(shù)據(jù)庫性能，因此不可取。

2.解決方案

此時，我們的統(tǒng)計實(shí)現(xiàn)可分為以下兩類：

1. 基于總數(shù)的統(tǒng)計方案：設(shè)置一個總在線人數(shù)，上線 +1、下線 -1，從而實(shí)現(xiàn)上線總?cè)藬?shù)的統(tǒng)計。

1. 優(yōu)點(diǎn)：實(shí)現(xiàn)簡單、效率高、內(nèi)存占用少。
2. 缺點(diǎn)：不精準(zhǔn)，沒辦法精確的查找某些用戶某個時刻的在線狀態(tài)；且在異常退出應(yīng)用的情況下，后續(xù)基于在線監(jiān)測機(jī)制的重復(fù)下線判斷很難實(shí)現(xiàn)。

2. 基于具體用戶詳情的統(tǒng)計方案：將用戶的標(biāo)識（如 QQ 號）和上線狀態(tài)都存儲在集合中。
3. 優(yōu)點(diǎn)：統(tǒng)計精準(zhǔn)，可以查找某些用戶某個時刻的在線狀態(tài)；且在異常退出應(yīng)用的情況下，后續(xù)基于在線監(jiān)測機(jī)制可以精準(zhǔn)的實(shí)現(xiàn)下線用戶的去重功能。
4. 缺點(diǎn)：內(nèi)存占用大、效率較低。

3.具體實(shí)現(xiàn)

3.1 基于總數(shù)的統(tǒng)計方案

基于總數(shù)的統(tǒng)計，我們可以使用以下兩種方式：

1. 基于 Redis 的 incr（+1）和 decr（-1）操作實(shí)現(xiàn)，如下圖所示：

圖片

2. 基于 Redis 的 HyperLogLog 實(shí)現(xiàn)，HyperLogLog (下文簡稱為 HLL) 是 Redis 2.8.9 版本添加的數(shù)據(jù)結(jié)構(gòu)，它用于高性能的基數(shù) (去重) 統(tǒng)計功能，它的缺點(diǎn)就是存在極低的誤差率（0.81%）。它只需要 12KB 空間就能統(tǒng)計 2^64（約 18 億）的數(shù)據(jù)。

圖片

此實(shí)現(xiàn)方案不能移除元素、存在誤差，但空間占用率非常低。

3.2 基于用戶的統(tǒng)計實(shí)現(xiàn)

基于用戶標(biāo)識（QQ）我們可以采用 Redis 中提供的 Bitmap（位數(shù)組）來實(shí)現(xiàn)，位數(shù)組結(jié)構(gòu)如下：

圖片

其中每個下標(biāo)就可以表示一個具體的數(shù)字，例如以上圖片標(biāo)識 1、3 數(shù)字存在，如果值為 0 表示不存在，這樣的話 10 億數(shù)字占用的位數(shù)組空間位 10 億 bit，也就是 1000000000/1024/1024/1024/8=0.116 ****GB，可以看出它的空間占用量是非常小的。

用戶上線時使用 SetBit 命令將對應(yīng)位置設(shè)為 1 表示在線，下線時設(shè)為 0 。判斷用戶是否在線用 GetBit 命令，統(tǒng)計在線用戶數(shù)用 BigCount 命令，具體操作命令如下圖所示：

圖片

在 Spring Boot 項(xiàng)目中，我們可以使用 RedisTemplate 實(shí)現(xiàn)用戶的上、下線設(shè)置，以及在線個數(shù)統(tǒng)計，具體實(shí)現(xiàn)代碼如下：

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.data.redis.core.RedisTemplate;
import org.springframework.stereotype.Service;

@Service
public class BitmapService {

    @Autowired
    private RedisTemplate<String, Object> redisTemplate;

    /**
     * 設(shè)置Bitmap中的位
     * @param key 鍵
     * @param offset 偏移量
     * @param value 值（0或1）
     */
    public void setBit(String key, long offset, boolean value) {
        redisTemplate.opsForValue().setBit(key, offset, value);
    }

    /**
     * 獲取Bitmap中的位
     * @param key 鍵
     * @param offset 偏移量
     * @return 位的值（0或1）
     */
    public boolean getBit(String key, long offset) {
        return redisTemplate.opsForValue().getBit(key, offset);
    }

    /**
     * 計算Bitmap中值為1的位的數(shù)量
     * @param key 鍵
     * @return 值為1的位的數(shù)量
     */
    public Long bitCount(String key) {
        return redisTemplate.opsForValue().bitCount(key);
    }
}