微服务架构的共享音乐APP
前端项目:https://github.com/wuliwudu/MusicApp
接口文档:https://apifox.com/apidoc/shared-d7e55ccc-d4b0-46f4-8092-a027767ed284
后端采用SpirngBoot+Spring Cloud Alibaba+Redis+Rabbitmq+ElasticSearch进行开发。采用Docker进行部署。
微服务方面选取的具体组件如下：
| 功能 | 采用的组件 |
|---|---|
| 服务调用 | OpenFeign |
| 服务注册发现 | Nacos |
| 网关 | Spring Cloud Gateway |
| 微服务保护 | Sentinel |
实现了分布式认证和鉴权，具体架构如下：
使用redis维护token，键为用户id，值为token对应的uuid，限制单账号只能一个用户。
网关主要认证校验逻辑：白名单放行->检查token[是否为空or非法]->token是否在redis白名单中->放行并将用户id和权限信息传递给各个微服务。
在各个微服务中将网关传递的用户id和权限信息存入TreadLocal中。
各个微服务授权：结合存储的权限信息和aop熟悉实现授权
1.排行榜功能使用XXX-JOB定时任务实现，并且采用了redis进行优化。
2.业务逻辑严密，比如对上传文件的格式进行检查，避免重复的点赞和收藏。
3.redis优化用户信息和音乐信息查询
4.redis优化点赞
设计思路：
【1】最终一致性：一般一致性采用的是Cache Aside Pattern，先更新数据库再删除缓存，但是的话获取某个音乐的点赞集合到redis中是个耗时的操作。在加上更新的频繁，所以不能采用删除缓存。
那要不就先更新数据库再更新缓存，要不就先更新缓存再更新数据库。
这里采用Write Behind Pattern。先更新缓存，再异步更新数据库。优点是效率很高，数据库压力很小.
缺点是异步增大了数据库和缓存无法强一致的概率。比如说当过期的时候去读取，可能使得同一时间点赞或者取消点赞的数据更改并没有同步到缓存。但是的话可以结合前端缓存优化，问题不大。
【2】缓存穿透：防止数据库中的数据不存在导致这部分请求一直落在数据库。
一般的解决方法有两种，一种是缓存空值，但是redis的复杂类型不能为空，另外一种是布隆过滤器，但是布隆过滤器会产生冲突。
所以我在redis中也设计了一个变量作为计数器存储点赞总数，来判断缓存不存在是数据过期还是数据库不存在。同时点赞总数也是热点查询数据。
【3】竞态问题：使用redission加锁解决竞态造成点赞数更新错误。
场景：例如，两个用户同时查看该音乐的点赞数为10，并都想取消点赞，但是由于并发操作，最终点赞数可能只减少了1次而不是2次。
5.mq进行异步解耦优化上传接口
这么设计主要是因为前端在用户上传后返回给客户端审核后自动发布，上传文件的时效性并不高。再加上上传接口是个耗时的操作所以采用异步进行解耦。
6.使用ElasticSearch优化搜索
实现大文件分片上传