耗时一个多月，总算结束了黑马点评项目的学习。跟着视频敲代码的同时，也在按照自己的想法去做一些额外的东西，对于Redis的各种用法也算是有了自己的理解。
下面，是一些总结笔记吧
项目简介
基于Spring Boot + Redis的店铺点评，实现了找店铺 => 秒杀商品 => 写点评 => 看热评 => 点赞关注 => 关注Feed流的完整业务流程。
主要工作
短信登陆：使用Redis实现分布式Session，解决集群间登录态同步问题；使用Redis + Token机制实现单点登录；使用Hash代替String来存储用户信息，节约了 6.7% ，并便于单字段的修改。
店铺查询：使用Redis对高频访问店铺进行缓存，降低DB压力同时提升 89.2% 的数据查询性能；对Redis的所有key设置N + n过期时间，从而合理使用内存并防止缓存雪崩；针对热点店铺缓存，使用逻辑过期机制解决缓存击穿问题，防止数据库宕机；使用缓存Null对象方法，防止缓存穿透的发生，提高了DB容错能力。
为方便其他业务后续使用缓存，使用泛型 + 函数式编程实现了通用缓存访问静态方法；使用常量类全局管理Redis Key前缀、TTL等，保证了键空间的业务间隔，减少冲突。
使用Redis的Geo + Hash数据结构分类存储附近商户，并使用
Geo Search命令实现高性能商户查询及按距离排序，取代了传统DB查询 + 业务层计算的方式。使用Redis List数据结构存储用户点赞信息，并基于ZSet实现TopN点赞排行，实测相对于DB查询性能提升 64.8% 。
使用Redis Set数据结构实现用户关注、共同关注功能（交集），实测相对于DB查询性能提升 106.4% 。
使用Redis BitMap实现用户连续签到统计系统功能，相对于传统关系数据库存储，节约 99%以上 的内存并提升 89.44% 的查询性能。
在系统用户量不大的前提下，基于推模式实现关注Feed流，保证了新点评消息的及时可达，并减少用户访问的等待时间。
优惠券秒杀：使用Redis + Lua脚本实现库存预检，并通过Stream队列实现订单的异步创建，解决了超卖问题、实现一人一单。相比传统数据库，秒杀性能提高了 79.72% 。