北京网站关键词做电商需要什么条件
短信登录
基于Session实现登录
流程：
发送短信验证码-->短信验证码注册登录-->校验登录状态（保存用户到ThreadLocal，方便后续使用）
不能每次请求服务都要进行登录状态校验，解决办法：拦截器
在Spring框架中，拦截器（Interceptor）可以通过实现HandlerInterceptor接口或继承HandlerInterceptorAdapter类来实现。拦截器通常用于在请求到达控制器之前进行预处理，例如身份验证、权限检查等。
1.创建拦截器（拦截器需要实现HandlerInterceptor接口，并重写方法）
2.注册拦截器（通过WebMvcConfigurer接口来注册拦截器。）
3.配置拦截器的排除路径（在实际应用中，某些接口（如登录、注册接口）不需要进行身份验证）
区分一下session,cookie和token
Cookie：Cookie实际上是一小段的文本信息。客户端请求服务器，如果服务器需要记录该用户状态，就使用response向客户端浏览器颁发一个Cookie。客户端浏览器会把Cookie保存起来，服务不保存。每次请求时客户端带上cookie。服务器检查该Cookie,以此来辨认用户状态。
Session: 服务器在处理客户端请求过程中会创建session，并且为该session生存唯一的session ID。
服务器将session ID发送到客户端.当客户端再次请求时，就会带上这个session ID.服务器接收到请求之后就会一句Session ID 找到相应的Session ，完成请求.session是服务本地保存，发给客户端，客户端每次访问都带着，直接和服务的session比对
Token:Token是服务端生成的一串字符串，当作客户端进行请求的一个令牌，当第一次登录后，服务器生成一个Token并将此Token返回给客户端，以后客户端只需带上这个Token前来请求数据即可，无需再次带上用户名和密码.token是 服务经过计算发给客户端的，服务不保存，每次客户端来请求，经过解密等计算来验证是否是自己下发的.
JWT：JWT不仅仅是一个生成Token的过程，它还提供了一种结构化、自包含、无状态的Token设计。验证Token时，服务器不需要查询数据库，直接解析和验证签名即可。
| 机制 | 存储位置 | 通信方式 | 生命周期 |
| Cookie | 浏览器 | 自动Header携带 | 可设置过期时间 |
| ️ Session | 服务端 | SessionID传递 | 服务端控制 |
| Token | 客户端 | 手动Header添加 | 令牌有效期决定 |
| ️ JWT | 客户端 | Bearer Token | 包含过期时间声明 |
集群Session共享问题
session的痛点（负载均衡导致的）
多态Tomcat并不共享session存储空间，当请求切换到不同tomcat服务时导致数据丢失的问题
基于Redis实现共享session登录
发送验证码逻辑实现：
1.校验手机号
2.不符合返回错误信息
3.符合生成验证码
4.保存验证码到redis
5.发送验证码
登录验证逻辑：
1.校验手机号
2.不符合返回错误信息
3.从redis中获取验证码并校验
4.不一致报错，一致，根据手机号查询用户
5.判断用户是否存在
6.保存用户信息到redis
6.1随机生成token，作为登录令牌
6.2将User对象转为Hash存储
6.3存储
7.返回token
登录拦截器的优化
拦截器：
1.获取token
2.查询Redis的用户
3.保存到ThreadLocal
4.刷新token有效器
5.放行
问题：
如果用户登录以后一直请求的是不需要拦截的请求，那么token有效期没有刷新，即使用户一直在使用，也没有做到token更新
解决办法：双拦截器
第一个拦截器拦截所有请求-->第二个拦截器拦截需要登录的请求
商户查询缓存
什么是缓存
缓存：数据交换的缓冲区，是存储数据的临时地方，一般读写性能毕竟高
浏览器（浏览器缓存）--->Redis(应用层缓存)--->数据库(数据库缓存)
缓存的作用：
1.降低后端负载 2.提高读写效率，降低相应时间
缓存的成本
1.数据一致性成本 2.代码维护成本 3.运维成本
添加Redis缓存
客户端请求优先到达缓存，如果缓存命中直接返回数据，如果未命中，请求数据库，并且写入缓存
缓存更新：
内存淘汰：不用自己维护，内存不足时自动淘汰部分数据
超时剔除：给缓存数据添加TTL时间，到期后自动删除缓存
主动更新：当涉及到数据库的增删改时，主动更新Redis缓存
主动更新策略：
1.在更新数据库的同时更新缓存------常用
2.数据库和缓存整合为一个服务，由服务来维护一致性
3.调用者只操作缓存，由其它线程异步的缓存数据持久到数据库，保证最终一致
操作缓存和数据库时有三个问题需要考虑：
1.删除缓存还是更新缓存？
2.如何保证缓存与数据库的操作同时成功或失败？
3.先操作缓存还是先操作数据库？
都有可能出现线程不安全的问题。 方案二的不安全几率更低---常用
缓存穿透
缓存穿透是指客户端请求的数据在缓存和数据库中都不存在，这样缓存永远不会生效，这些请求都会打到数据库。
常见的解决方案：
缓存空对象：缓存null
优点：实现简单，维护方便
缺点：额外的内存消耗，可能造成短期的不一致
布隆过滤：
客户端-->布隆过滤器-->Redis
布隆过滤器:利用hash存储数据库里的字段
优点：内存占用少，没有多余key
缺点：实现复杂，可能存在误判可能
缓存雪崩
在同一时段内大量的缓存key同时失效或者Redis服务宕机，导致大量请求到达数据库，带来巨大的压力
解决方案：
给不同的key的TTL添加随机值
利用Redis集群提高服务的可用性
给缓存业务添加降级限流策略
给业务添加多级缓存
缓存击穿
也叫热点Key问题，就是一个高并发访问并且缓存重建业务较复杂的key突然失效了，无效的请求访问会在瞬间给数据库带来巨大的冲击
常见的解决方案：
互斥锁
逻辑过期
缓存工具封装
方法1：将任意java对象序列化为json并存储在String类型的key中，并且可以设置TTL过期时间
方法2：将任意java对象序列化为json并存储在String类型的key中，并且可以设置逻辑过期时间，用于处理缓存击穿问题
方法3：根据指定的key查询缓存，并反序列化为指定类型，利用缓存空值的方式解决缓存穿透问题
方法4：根据指定的key查询缓存，并反序列化为指定类型，利用逻辑过期的方式解决缓存击穿问题
Public class CacheClient{private StringRedisTemplate stringRedisTemplate;public void set(String key, Object object,Long time,TimeUnit unit){StringRedisTemplate.opsForValue().set(key,JSONUTIL.toJsonStr(value),time,unit)}public void setWithLogicalExpire(String key, Object object,Long time,TimeUnit unit){//设置逻辑过期RedisData redisData = new RedisData();redisData.setData(value);redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));StringRedisTemplate.opsForValue().set(key,JSONUTIL.toJsonStr(redisData))}public <R, ID> R queryWithPassThrough(Long time,TimeUnit unit,String keyPrefix, ID id, Class<R> type, Function<ID,R> dbFallback){String key = keyPrefix + id;//1.从Redis中查询商铺缓存String json = stringRedisTemplate.opsForValue().get(key);//2.判断是否存在if(StrUtil.isNotBlank(json)){return JSONUtil.toBean(json,type);}//3.判断命中的是否是空值is(json != null){return null;}//4.从数据库进行查询R r = dbFallback.apply(id);//5.不存在，返回错误if(r == null){//将空值写入redisstringRedisRemplate.opsForValue().set(key,"",null,TimeUnit.MINUTES);return null;}//6.存在，写入redisthis.set(key,r,time,unit);}public <R, ID> R queryWithLogicalExpire(String keyPrefix, ID id, Class<R> type, Function<ID, R> dbFallback, Long time, TimeUnit unit) {String key = keyPrefix + id;// 1.从Redis中查询缓存String json = stringRedisTemplate.opsForValue().get(key);// 2.判断是否存在if (StrUtil.isNotBlank(json)) {// 3.反序列化为RedisData对象RedisData redisData = JSONUtil.toBean(json, RedisData.class);R r = redisData.getData();LocalDateTime expireTime = redisData.getExpireTime();// 4.判断是否逻辑过期if (expireTime.isAfter(LocalDateTime.now())) {// 5.未过期，直接返回缓存数据return r;} else {// 6.已过期，更新缓存// 6.1 从数据库查询最新数据R latestData = dbFallback.apply(id);// 6.2 如果数据库中没有数据，返回nullif (latestData == null) {return null;}// 6.3 更新缓存RedisData newRedisData = new RedisData<>();newRedisData.setData(latestData);newRedisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(newRedisData));// 6.4 返回最新数据return latestData;}} else {// 7.缓存中没有数据，从数据库查询R r = dbFallback.apply(id);// 8.如果数据库中没有数据，返回nullif (r == null) {return null;}// 9.将数据写入缓存RedisData redisData = new RedisData<>();redisData.setData(r);redisData.setExpireTime(LocalDateTime.now().plusSeconds(unit.toSeconds(time)));stringRedisTemplate.opsForValue().set(key, JSONUtil.toJsonStr(redisData));// 10.返回查询结果return r;} }
}