在Java应用中记录浏览次数是一项常见的需求,广泛应用于文章阅读量、商品点击量、视频播放量等场景，实现这一功能需要考虑并发性能、数据一致性、存储效率等多个因素，本文将从数据库设计、缓存策略、并发控制、代码实现等方面详细介绍Java记录浏览次数的完整方案。
数据库设计基础
首先需要设计合理的数据库表结构来存储浏览数据,核心表应包含目标对象ID、浏览次数、统计时间等字段，可以创建一个view_count表，包含id(主键)、target_id(被浏览对象ID)、target_type(对象类型，如文章、商品等)、view_count(浏览次数)、created_at(创建时间)、updated_at(更新时间)等字段，这种设计支持多类型对象的浏览统计，通过target_type字段进行区分，对于高并发场景，建议在target_id和target_type上建立联合索引，以提高查询效率。
缓存机制的应用
直接操作数据库在高并发场景下会成为性能瓶颈,因此引入缓存机制至关重要，Redis作为高性能的内存数据库，是记录浏览次数的理想选择，采用”缓存+数据库”的架构，先更新缓存再异步更新数据库，既能保证实时性，又能减轻数据库压力，具体实现时，可以使用Redis的INCR命令实现原子性递增操作，避免并发计数错误，当用户浏览某篇文章时，先执行redis.incr("article:view:" + articleId)，然后通过定时任务或消息队列将缓存数据同步到数据库。
并发控制策略
在多线程环境下,浏览次数的统计必须保证线程安全，传统方案使用synchronized关键字或ReentrantLock，但这些方法在高并发时性能较差，基于Redis的原子操作是更优选择，因为INCR命令本身具有原子性，无需额外加锁，另一种方案是使用数据库的乐观锁，通过版本号控制并发更新，在更新view_count表时，添加version字段，执行UPDATE view_count SET view_count = view_count + 1, version = version + 1 WHERE id = ? AND version = ?，通过判断受影响行数确定更新是否成功。
具体代码实现
以下是使用Spring Boot和Redis实现浏览次数统计的核心代码，首先配置Redis连接，然后创建服务类处理浏览逻辑，在Controller层，当用户请求浏览内容时，调用服务方法：
@Service
public class ViewCountService {
@Autowired
private RedisTemplate<String, Object> redisTemplate;
@Autowired
private ViewCountRepository viewCountRepository;
private static final String VIEW_COUNT_KEY_PREFIX = "view:count:";
public void incrementViewCount(String targetId, String targetType) {
// 构建Redis键
String redisKey = VIEW_COUNT_KEY_PREFIX + targetType + ":" + targetId;
// 原子性递增缓存
redisTemplate.opsForValue().increment(redisKey);
// 设置过期时间，防止缓存无限增长
redisTemplate.expire(redisKey, 1, TimeUnit.DAYS);
}
@Scheduled(fixedRate = 300000) // 每5分钟执行一次
public void syncViewCountToDatabase() {
// 获取所有相关缓存键
Set<String> keys = redisTemplate.keys(VIEW_COUNT_KEY_PREFIX + "*");
for (String key : keys) {
String[] parts = key.split(":");
String targetType = parts[2];
String targetId = parts[3];
Long count = Long.valueOf(redisTemplate.opsForValue().get(key).toString());
// 更新数据库
ViewCount viewCount = viewCountRepository.findByTargetIdAndTargetType(targetId, targetType)
.orElse(new ViewCount(targetId, targetType, 0L));
viewCount.setViewCount(viewCount.getViewCount() + count);
viewCountRepository.save(viewCount);
// 重置缓存
redisTemplate.delete(key);
}
}
}
数据同步方案
缓存与数据库的数据一致性是关键问题,可以采用定时同步策略，如上述代码中每5分钟同步一次，平衡实时性与性能，对于实时性要求高的场景，可以采用消息队列（如RabbitMQ、Kafka）在每次缓存更新后发送同步消息，还可以结合数据库触发器，在数据变更时自动更新缓存，但这种方式会增加数据库负担。
性能优化技巧
为提升系统性能,可采取以下优化措施：1）使用Redis Pipeline批量处理缓存操作，减少网络开销；2）对热点数据采用本地缓存（如Caffeine）结合Redis二级缓存；3）分片存储，根据target_id的哈希值将数据分散到不同的Redis实例，避免单点压力；4）使用布隆过滤器快速判断用户是否已浏览，防止重复计数。
安全与防刷机制
为防止恶意刷量,需要加入安全防护，常见方案包括：1）基于用户ID或IP的限流，使用Redis的INCRBY命令和EXPIRE实现滑动窗口限流；2）验证码机制，对高频访问用户进行验证；3）用户行为分析，识别异常访问模式；4）设置合理的计数上限，如单用户单日最多计数10次。
监控与报警
建立完善的监控体系,确保浏览统计系统的稳定运行，可监控的关键指标包括：缓存命中率、数据库写入延迟、并发请求数量等，使用Prometheus+Grafana组合实现可视化监控，设置阈值报警，如当缓存命中率低于90%或数据库写入延迟超过100ms时触发报警。
通过以上方案,可以构建一个高性能、高可用的浏览次数统计系统，实际应用中，需要根据业务特点和并发量灵活选择技术方案，不断优化调整，以达到最佳效果。
