redis实现统计用户连续登陆天数

在很多app以及游戏当中，经常会统计用户连续登陆天数，使用mysql统计这份数据也可以解决大部分问题，但是像我们选择临时开放一个活动，7天连续签到，仅需要判断是否连续登陆七天，如果是，赠送礼包或者vip，该数据是不需要持久化的，这样我们采用redis来做便十分的方便了。

存在的挑战

1. 数据如何尽可能用小的空间存储
2. 如何能快速获取指定的数据

如果使用文件保存

   会有如下问题：

1. 文件分割变得十分麻烦

2. 数据检索非常不方便

3. 用户关联操作复杂

如果使用数据库表

   会有如下问题：

1. 占用空间增长速度快，表急剧增大
2. 使用索引，易产生碎片，每次插入数据还要维护索引，影响性能
3. 要用group ,sum等运算,计算较慢
4. 无需持久化的数据进入了数据库

使用redis位图进行存储（setbit/getbit）

用户的签到状态无非两种，我们按月来统计用户签到信息，签到记录为1，未签到则记录为0.

把每一个bit位对应当月的每一天，形成了映射关系。用0和1标识业务状态，这种思路就称为位图（BitMap）。我们用31个bit位（4字节）即可表示我们一个月的签到记录，这样就用极小的空间，实现了大量数据的表示。

Redis中是利用string类型数据结构实现BitMap，最大上限是512M，转换为bit则是 2^32个bit位。BitMap的操作命令有：

SETBIT：向指定位置（offset）存入一个0或1
GETBIT ：获取指定位置（offset）的bit值
BITCOUNT ：统计BitMap中值为1的bit位的数量
BITFIELD ：操作（查询、修改、自增）BitMap中bit数组中的指定位置（offset）的值
BITFIELD_RO ：获取BitMap中bit数组，并以十进制形式返回
BITOP ：将多个BitMap的结果做位运算（与 、或、异或）
BITPOS ：查找bit数组中指定范围内第一个0或1出现的位置

   优点：

1. 由于我的业务中只需要根据某个用户id查询是否是活跃用户判断连续登陆天数，不存在复杂的查询条件，所以用redis很合适。
2. redis中所有数据都是二进制形式存储的。redis支持一个setbit和getbit操作，它支持在某个key的value上直接对某个二进制位操作，每个二进制位都只有0和1两种状态，正好可以表示用户是否活跃两种状态。
3. 存取速度非常快

思路

1. 记录用户登陆:每天按日期生成一个位图, 用户登陆后,把user_id位上的bit值置为1
2. 把1周的位图用 and 计算, 是否连续登陆用and计算，得到1即为连续登陆的用户，简单来说，能快速的拿到用户是否登陆的0/1状态，就能快速的计算出某段日期内登陆了几天
3. 如果每次执行redis比较繁琐，可以简单的生成追加文件的方式，追加redis命令，例setbit到文件中，隔一段时间统一利用pipe mode通过管道的方式直接快速存入redis

代码展示

　　因为要统计连续登录的天数，所有这里我选择了一个Integer类型，如果只需要签到判断是否重复登陆使用Boolean类型即可。

controller层

 

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17

/**    * 用户簽到    */   @RequestMapping("sign")   public Result<Integer> sign() {       try {           Integer result = subjectLikedDomainService.sign();           if (result == 0) {               return Result.fail("今日已签到，请明天再来~"); // 今日已签到           } else {               return Result.ok("恭喜完成签到！已连续签到"+result+"天"); // 签到成功           }       } catch (Exception e) {           log.error("UserController.sign.error:{}", e.getMessage(), e);           return Result.fail(false); // 处理异常情况       }   }

Service层

　　

 

 

　　private static final String SIGN_KEY_PREFIX = "user_sign:";

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33

/**      * 签到      *      * @return      */     @Override     public Integer sign() {           String loginId = LoginUtil.getLoginId();         LocalDate today = LocalDate.now();         long dayOfYear = today.getDayOfYear();         String key = SIGN_KEY_PREFIX + loginId;         // 检查今天是否已经签到         boolean hasSignedToday = redisUtil.getbit(key, (int) dayOfYear);         if (hasSignedToday) {             // 如果今天已经签到，返回提示信息             log.info("用户 {} 今日已签到", loginId);             return 0;         }         redisUtil.setbit(key, (int) dayOfYear, true);         // 计算连续签到天数         int consecutiveDays = calculateConsecutiveDays(redisUtil, key, (int) dayOfYear);         log.info("用户 {} 于 {} 完成签到.连续登陆 {}天", loginId, today,consecutiveDays);         return consecutiveDays;     }     private int calculateConsecutiveDays(RedisUtil redisUtil, String key, int dayOfYear) {         int consecutiveDays = 0;         while (dayOfYear >= 1 && redisUtil.getbit(key, dayOfYear)) {             consecutiveDays++;             dayOfYear--;         }         return consecutiveDays;     }

　　redisutil

?

1 2 3 4 5 6 7 8

public void setbit(String key, int offset, boolean value) {       redisTemplate.opsForValue().setBit(key, offset, value);   }       public boolean getbit(String key, int offset) {       return redisTemplate.opsForValue().getBit(key, offset);   }

　

 

 

上述是以用户为维度的统计登陆天数，也是较为常用的方法。下面介绍一下时间维度与用户维度的区别。

以用户为维度

特点

1. 用户独立：每个用户都有自己的签到记录，不受其他用户的影响。
2. 个性化统计：可以精确地统计每个用户的连续登录天数。
3. 存储结构：使用一个键来存储一个用户的所有签到状态，使用位图（bitmaps）来表示每一天的签到状态。

实现方式

• 键的设计：使用 sign:<loginId> 这样的格式来构建键，其中 <loginId> 是用户的唯一标识符。
• 签到状态：使用位图中的一个位来表示每一天的签到状态，例如第1天、第2天等。
• 连续签到天数的计算：从今天的 dayOfYear 开始，向前检查每一天的签到状态，直到遇到没有签到的一天。

适用场景

• 当需要针对每个用户进行个性化的签到统计时。
• 当需要跟踪每个用户的连续签到天数，以便为用户提供个性化的奖励或激励时。
• 当用户基数较大且需要高效存储和查询时。

以时间为维度

特点

1. 时间序列：关注的是某个时间段内所有用户的签到情况，而不是特定用户。
2. 集体统计：可以统计某一天所有用户的签到情况，或者一段时间内所有用户的签到趋势。
3. 存储结构：使用多个键来存储不同日期的签到状态，使用一个键来存储2024年8月21日所有用户的签到状态。

实现方式

• 键的设计：使用 sign:<date> 这样的格式来构建键，其中 <date> 是日期，例如 sign:2024-08-21。
• 签到状态：使用一个集合（如哈希表或集合）来存储这一天内所有签到的用户ID。
• 连续签到天数的计算：需要跟踪每个用户的历史签到记录，可能需要额外的键或数据结构来维护每个用户的历史签到状态。

适用场景

• 当需要统计整个平台或特定时间段内所有用户的签到趋势时。
• 当需要分析签到活动的整体表现时，例如了解哪一天的签到率最高。
• 当需要对签到活动进行营销分析时，例如分析哪些促销活动最能提高签到率。

总结

• 以用户为维度 更适合个性化需求，例如为用户提供连续签到奖励，跟踪每个用户的签到历史。
• 以时间为维度 更适合整体统计需求，例如分析整个平台的签到趋势，评估营销活动的效果。