Java开发场景问题分析

OOM原因

1.一次性申请的太多资源

更改申请对象数量

2.内存资源耗尽未释放

找到未释放的对象进行释放

3.本身资源不够

jmap -heap 查看堆信息

4.通过dump定位

系统已经OOM挂了

提前设置 -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=(设置导出路径)

系统运行中还未OOM

导出dump文件：jmap -dump:format=b,file=dump.hprof 777 (pid)

结合 jvisualvm 进行调试

查看最多跟业务有关对象 -> 找到GCRoot -> 查看线程栈

线上发生死锁定位 & 避免

定位

使用 jstack 命令进行定位死锁位置

使用 VisualVM 工具自动检测并显示死锁的线程

避免

产生死锁的四大因素

• 互斥
• 占有且等待
• 不可抢占
• 循环等待

根据以上四大原因进行死锁的避免，可以尝试破坏上述条件中的一个或者多个

订单超时自动取消实现方案

1.JDK自带的延时队列（DelayQueue）

• 优点 ：简单，不需要借组其他第三方组件，成本低
• 缺点 ：占用内存大

2.RocketMQ的定时消息

• 优点 ：使用简单，支持分布式，精度高，支持任意时刻

• 缺点 ：定时时长最 大值24小时，成本高，

3.Redis的过期监听

• 优点 ：使用简单，支持分布式

• 缺点 : 不可靠，有可能丢失数据，维护成本高

4.定时任务分布式批处理

实现幂等性方案

1. 前端限制（防君子，不防小人）
2. 使用redis的setnx

扫码登录流程

1生成二维码

2.扫码

3.确认登录

Redis实现上亿用户实时积分排行榜

使用有序集合（Sorted Set）

Redis 的有序集合（Sorted Set）非常适合实现排行榜，因为它能根据分数（score）自动排序，并且支持高效的插入、更新和查询操作。

• 键（Key）：例如 leaderboard
• 成员（Member）：用户ID
• 分数（Score）：用户积分

使用 ZADD 命令添加或更新用户积分 ：

ZADD leaderboard <score> <user_id>

代码示例 ：

Service

@Service
public class LeaderboardService {

    private static final String LEADERBOARD_KEY = "leaderboard";

    @Autowired
    private RedisTemplate<String, String> redisTemplate;

    // 添加或更新用户积分
    public void addOrUpdateUserScore(String userId, double score) {
        redisTemplate.opsForZSet().add(LEADERBOARD_KEY, userId, score);
    }

    // 获取用户排名（从高到低）
    public Long getUserRank(String userId) {
        return redisTemplate.opsForZSet().reverseRank(LEADERBOARD_KEY, userId);
    }

    // 获取用户积分
    public Double getUserScore(String userId) {
        return redisTemplate.opsForZSet().score(LEADERBOARD_KEY, userId);
    }

    // 获取前 N 名用户
    public Set<ZSetOperations.TypedTuple<String>> getTopUsers(int limit) {
        return redisTemplate.opsForZSet().reverseRangeWithScores(LEADERBOARD_KEY, 0, limit - 1);
    }

    // 获取某个积分范围内的用户
    public Set<ZSetOperations.TypedTuple<String>> getUsersInRange(double minScore, double maxScore) {
        return redisTemplate.opsForZSet().reverseRangeByScoreWithScores(LEADERBOARD_KEY, minScore, maxScore);
    }
}

Controller

@RestController
@RequestMapping("/leaderboard")
public class LeaderboardController {

    @Autowired
    private LeaderboardService leaderboardService;

    // 添加或更新用户积分
    @PostMapping("/add")
    public String addOrUpdateUserScore(@RequestParam String userId, @RequestParam double score) {
        leaderboardService.addOrUpdateUserScore(userId, score);
        return "Score updated for user: " + userId;
    }

    // 获取用户排名
    @GetMapping("/rank")
    public Long getUserRank(@RequestParam String userId) {
        return leaderboardService.getUserRank(userId);
    }

    // 获取用户积分
    @GetMapping("/score")
    public Double getUserScore(@RequestParam String userId) {
        return leaderboardService.getUserScore(userId);
    }

    // 获取前 N 名用户
    @GetMapping("/top")
    public Set<LeaderboardService.ZSetOperations.TypedTuple<String>> getTopUsers(@RequestParam int limit) {
        return leaderboardService.getTopUsers(limit);
    }

    // 获取某个积分范围内的用户
    @GetMapping("/range")
    public Set<LeaderboardService.ZSetOperations.TypedTuple<String>> getUsersInRange(
            @RequestParam double minScore, @RequestParam double maxScore) {
        return leaderboardService.getUsersInRange(minScore, maxScore);
    }
}

对于上亿用户的数据量，可以考虑以下优化 ：

1. 分片 ：将数据分散到多个 Redis 实例。
2. 异步写入 ：使用消息队列异步更新积分，减少 Redis 压力。
3. 定期清理 ：移除积分过低的用户，减少数据量。
4. 分桶 :按照排名进行分桶，提高性能

打赏