消息~组件(群聊类型)ConcurrentHashMap发送
为什么选择ConcurrentHashMap?
在开发聊天应用时,我们需要存储和管理大量的聊天消息数据,这些数据会被多个线程频繁访问和修改。比如,当多个用户同时发送消息时,服务端需要同时处理这些消息的存储和查询。如果用普通的HashMap,可能会出现线程安全问题,比如数据被覆盖或者读取到错误的数据。
而ConcurrentHashMap是一个专门为多线程环境设计的数据结构,它的主要优点如下:
- 线程安全
ConcurrentHashMap内部通过锁分段机制(或者在Java 8及以上版本中使用CAS操作和synchronized锁)来保证线程安全。这意味着多个线程可以同时读写它,而不会出现数据错乱的问题。 - 高性能
相比普通的HashMap,ConcurrentHashMap在多线程环境下性能更高。它允许多个线程同时读取和更新数据,而不会像Collections.synchronizedMap那样锁住整个表。 - 支持高并发
聊天应用通常需要处理大量的并发请求,比如同时接收和发送消息。ConcurrentHashMap能够很好地支持这种高并发场景,确保数据的读写操作不会成为性能瓶颈。 - 易于使用
它的使用方式和普通的HashMap非常相似,几乎不需要额外的学习成本。只需要把HashMap替换为ConcurrentHashMap,就可以在多线程环境中安全地使用。
举个例子
假设我们有一个聊天应用,用户A和用户B同时向用户C发送消息。如果没有线程安全机制,可能会出现以下问题:
● 用户A的消息覆盖了用户B的消息。
● 用户C看到的消息顺序混乱。
而ConcurrentHashMap可以很好地解决这些问题。它会确保每个消息都被正确存储,并且在多个线程同时操作时不会出现冲突。
总结
选择ConcurrentHashMap是因为它既安全又高效,特别适合聊天应用这种需要处理大量并发数据的场景。它能帮我们省去很多线程安全的麻烦,让代码更简洁,运行也更稳定。
希望这个解释清楚了为什么选择ConcurrentHashMap!
聊天应用中的私聊和群聊数据查询优化
在开发聊天应用时,如何查询和展示私聊和群聊的会话列表是一个关键问题。我们需要从服务端向客户端传递两种类型的数据:私聊消息和群聊消息。为了实现这一点,我们使用了ConcurrentHashMap来存储这些数据,确保线程安全和高效的并发访问。
聊天应用中的私聊和群聊数据查询优化
在开发聊天应用时,如何查询和展示私聊和群聊的会话列表是一个关键问题。我们需要从服务端向客户端传递两种类型的数据:私聊消息和群聊消息。为了实现这一点,我们使用了ConcurrentHashMap
来存储这些数据,确保线程安全和高效的并发访问。
以下是服务端代码的结构:
ConcurrentHashMap<Long, List<ChatMessage>> messageMap = new ConcurrentHashMap<>();
ConcurrentHashMap<Long, List<GroupMessage>> groupMessageMap = new ConcurrentHashMap<>();
私聊会话查询
私聊会话的查询需要获取以下信息:
- 用户头像、用户名和会话是否置顶。
- 最后一条消息、最后活动时间和未读消息数量。
查询私聊用户信息
SELECT m.user_id, m.isPinned, u.username, u.image
FROM friend m
JOIN user u ON m.user_id = u.id
WHERE m.friend_id = ?
friend
表:存储用户之间的关系,user_id
表示好友的ID,friend_id
表示当前用户的ID,isPinned
表示是否置顶。user
表:存储用户的基本信息,username
是用户名,image
是用户头像。
查询私聊消息信息
SELECT CASE WHEN sender_id = ? THEN receiver_id ELSE sender_id END as chat_id, MAX(time) as last_time,(SELECT content FROM messages m WHERE (m.sender_id = ? OR m.receiver_id = ?) AND (CASE WHEN m.sender_id = ? THEN m.receiver_id ELSE m.sender_id END) = chat_idAND m.room_id IS NULLORDER BY m.time DESC LIMIT 1) as last_message,SUM(CASE WHEN receiver_id = ? AND status = 0 THEN 1 ELSE 0 END) as unread_count
FROM messages
WHERE (sender_id = ? OR receiver_id = ?) AND room_id IS NULL
GROUP BY chat_id
ORDER BY last_time DESC;
messages
表:存储消息内容,sender_id
和receiver_id
分别表示发送者和接收者的ID,time
表示消息发送时间,status
表示消息的读取状态(0
表示未读,1
表示已读)。- 逻辑解释:
CASE WHEN sender_id = ? THEN receiver_id ELSE sender_id END as chat_id
:根据当前用户ID,确定对方的用户ID。MAX(time)
:获取最后一条消息的时间。- 子查询获取最后一条消息的内容。
SUM(CASE WHEN receiver_id = ? AND status = 0 THEN 1 ELSE 0 END)
:统计未读消息的数量。
群聊会话查询
群聊会话的查询需要获取以下信息:
- 群组名称、群组头像、是否置顶。
- 最后一条消息、最后活动时间和未读消息数量。
查询群聊信息
SELECT g.id AS group_id,g.name AS group_name,g.image AS group_avatar,MAX(ug.timeship) AS last_active_time,(SELECT ug2.message FROM user_group ug2 WHERE ug2.group_id = g.id ORDER BY ug2.timeship DESC LIMIT 1) AS last_message,SUM(CASE WHEN ug.status = 1 AND ug.user_id != ? THEN 1 ELSE 0 END) AS unread_count,MAX(ug.isPinned) AS is_pinned
FROM groupsql g
JOIN user_group ug ON g.id = ug.group_id
WHERE ug.user_id = ? OR EXISTS (SELECT 1 FROM user_group WHERE group_id = g.id AND user_id = ?)
GROUP BY g.id, g.name, g.image
ORDER BY is_pinned DESC, last_active_time DESC;
groupsql
表:存储群组的基本信息,id
是群组ID,name
是群组名称,image
是群组头像。user_group
表:存储用户与群组的关系,group_id
是群组ID,user_id
是用户ID,timeship
是用户加入群组的时间,message
是群组消息,status
表示消息的读取状态(1
表示未读)。- 逻辑解释:
MAX(ug.timeship)
:获取群组的最后活动时间。- 子查询获取最后一条消息的内容。
SUM(CASE WHEN ug.status = 1 AND ug.user_id != ? THEN 1 ELSE 0 END)
:统计未读消息的数量。MAX(ug.isPinned)
:判断群组是否置顶。ORDER BY is_pinned DESC, last_active_time DESC
:按置顶优先级和最后活动时间排序。
相关文章:
消息~组件(群聊类型)ConcurrentHashMap发送
为什么选择ConcurrentHashMap? 在开发聊天应用时,我们需要存储和管理大量的聊天消息数据,这些数据会被多个线程频繁访问和修改。比如,当多个用户同时发送消息时,服务端需要同时处理这些消息的存储和查询。如果用普通的…...

FFmpeg多路节目流复用为一路包含多个节目的输出流
在音视频处理领域,将多个独立的节目流(如不同频道的音视频内容)合并为一个包含多个节目的输出流是常见需求。FFmpeg 作为功能强大的多媒体处理工具,提供了灵活的流复用能力,本文将通过具体案例解析如何使用 FFmpeg 实现…...

分子动力学模拟揭示点突变对 hCFTR NBD1结构域热稳定性的影响
囊性纤维化(CF) 作为一种严重的常染色体隐性遗传疾病,全球约有 10 万名患者深受其害。它会累及人体多个器官,如肺部、胰腺等,严重影响患者的生活质量和寿命。CF 的 “罪魁祸首” 是 CFTR 氯离子通道的突变,…...

关于SIS/DCS点检周期
在中国化工行业,近几年在设备维护上有个挺有意思的现象,即SIS和DCS这两个系统的点检周期问题,隔三差五就被管理层会议讨论,可以说是企业管理层关注的重要方向与关心要素。 与一般工业行业中设备运维不同,SIS与DCS的点…...
python-pyqt6框架工具开发总结
菜单栏 工具栏 状态栏 QTreeView 用于展示树形结构数据(模-视图框架),文件系统,组织结构 通常与QAbstractItemModel的子类(如QStandardItemModel或自动义模型) 展开/折叠 控制节点的显示状态,展开时显示子节点,折叠时隐藏子节点 s…...
Docker Volumes
Docker Volumes 是 Docker 提供的一种机制,用于持久化存储容器数据。与容器的生命周期不同,Volumes 可以独立存在,即使容器被删除,数据仍然保留。以下是关于 Docker Volumes 的详细说明: 1. 为什么需要 Volumes&#…...

【PmHub后端篇】PmHub中基于Redis加Lua脚本的计数器算法限流实现
1 限流的重要性 在高并发系统中,保护系统稳定运行的关键技术有缓存、降级和限流。 缓存通过在内存中存储常用数据,减少对数据库的访问,提升系统响应速度,如浏览器缓存、CDN缓存等多种应用层面。降级则是在系统压力过大或部分服务…...
FPGA实战项目2———多协议通信控制器
1. 多协议通信控制器模块 (multi_protocol_controller) 简要介绍 这是整个设计的顶层模块,承担着整合各个子模块的重要任务,是整个系统的核心枢纽。它负责协调 UART、SPI、I2C 等不同通信协议模块以及 DMA 模块的工作,同时处理不同时钟域之间的信号交互,确保各个模块能够…...

CST软件仿真案例——太阳能薄膜频谱吸收率
CST软件中的太阳能薄膜的功率吸收可用光频电磁波在介质材料中的损耗来计算。本案例计算非晶硅的功率吸收,然后考虑真实太阳频谱,计算有效吸收频谱。 用太阳能单元模板,时域求解器: 材料库提取四个材料,非晶硅…...
多线程进阶核心知识详解(通俗版)
Java多线程进阶详解 一、锁策略:如何高效管理资源竞争 在多线程环境中,锁是协调资源访问的核心机制。不同的锁策略适用于不同的场景,理解它们的差异能帮助优化程序性能。 1. 乐观锁 vs 悲观锁 悲观锁: 核心思想:假设…...
大模型中的KV Cache
1. KV Cache的定义与核心原理 KV Cache(Key-Value Cache)是一种在Transformer架构的大模型推理阶段使用的优化技术,通过缓存自注意力机制中的键(Key)和值(Value)矩阵,避免重复计算&…...
FHQ平衡树
FHQ平衡树 大致是这样的题目: 您需要动态地维护一个可重集合 M M M,并且提供以下操作: 向 M M M 中插入一个数 x x x。从 M M M 中删除一个数 x x x(若有多个相同的数,应只删除一个)。查询 M M M 中…...
力扣算法---总结篇
5.13 数组总结 数组是存放在连续内存空间上的相同类型数据的集合。 数组可以方便的通过下标索引的方式获取到下标对应的数据。 正是因为数组在内存空间的地址是连续的,所以我们在删除或者增添元素的时候,就难免要移动其他元素的地址。 数组的元素是不…...

ABAP+旧数据接管的会计年度未确定
导资产主数据时,报错旧数据接管的会计年度未确定 是因为程序里面使用了下列函数AISCO_CALCULATE_FIRST_DAY,输入公司代码,获取会计年度,这个数据是在后台表T093C表中取数的,通过SE16N可以看到后台表数据没有数…...
Java【10_1】用户注册登录(面向过程与面向对象)
测试题 1、基于文本界面实现登录注册的需求(要求可以满足多个用户的注册和登录) 通过工具去完成 公共类: public class User { private int id;//用户编号 private int username;//用户名 private int password;//密码 private String name;//真…...

养生:打造健康生活的全方位策略
在生活节奏不断加快的当下,养生已成为提升生活质量、维护身心平衡的重要方式。从饮食、运动到睡眠,再到心态调节,各个方面的养生之道共同构建起健康生活的坚实基础。以下为您详细介绍养生的关键要点,助您拥抱健康生活。 饮食养生…...

贪吃蛇游戏排行榜模块开发总结:从数据到视觉的实现
一、项目背景与成果概览 在完成贪吃蛇游戏核心玩法后,本次开发重点聚焦于排行榜系统的实现。该系统具备以下核心特性: 🌐 双数据源支持:本地存储(localStorage)与远程API自由切换 🕒 时间维度统计:日榜/周榜/月榜/全时段数据筛选 🎮 模式区分:闯关模式(关卡进度…...
pytorch 数据预处理和常用工具
文章目录 NumPyNumpy数据结构安装和使用NumPy Matplotlib的安装和导入安装和导入Matplotlib绘制基础图画折线图散点图柱状图图例 数据清洗据清洗的作用Pandas进行数据清洗Pandas数据结构Series 数据结构DataFrame数据结构 Pandas数据清洗常用代码 特征工程主成分分析线性判别分…...
如何界定合法收集数据?
首席数据官高鹏律师团队 在当今数字化时代,数据的价值日益凸显,而合法收集数据成为了企业、机构以及各类组织必须严守的关键准则。作为律师,深入理解并准确界定合法收集数据的范畴,对于保障各方权益、维护法律秩序至关重要。 一…...
企业对数据集成工具的需求及 ETL 工具工作原理详解
当下,数据已然成为企业运营发展过程中的关键生产要素,其重要性不言而喻。 海量的数据分散在企业的各类系统、平台以及不同的业务部门之中,企业要充分挖掘这些数据背后所蕴含的巨大价值,实现数据驱动的精准决策,数据集…...
内核深入学习3——分析ARM32和ARM64体系架构下的Linux内存区域示意图与页表的建立流程
内核深入学习3——ARM32/ARM64在Linux内核中的实现(2) 今天我们来讨论的是一个硬核的内容,也是一个老生常谈的话题——那就是分析ARM32和ARM64体系架构下的Linux内存区域示意图的内容。对于ARM64的部分,我们早就知道一个基本的…...
MapReduce基本介绍
核心思想 分而治之:将大规模的数据处理任务分解成多个可以并行处理的子任务,然后将这些子任务分配到不同的计算节点上进行处理,最后将各个子任务的处理结果合并起来,得到最终的结果。 工作流程 Map 阶段: 输入数据被…...

屏幕与触摸调试
本章配套视频介绍: 《28-屏幕与触摸设置》 【鲁班猫】28-屏幕与触摸设置_哔哩哔哩_bilibili LubanCat-RK3588系列板卡都支持mipi屏以及hdmi显示屏的显示。 19.1. 旋转触摸屏 参考文章 触摸校准 参考文章 旋转触摸方向 配置触摸旋转方向 1 2 # 1.查看触摸输入设备 xinput…...

使用 百度云大模型平台 做 【提示词优化】
1. 百度云大模型平台 百度智能云千帆大模型平台  平台功能:演示了阿里云大模型的百炼平台,该平台提供Prompt工程功能,支持在线创建和优化Prompt模板模板类型:平台提供多种预制模板,同时也支持用户自定义…...
C 语言_常见排序算法全解析
排序算法是计算机科学中的基础内容,本文将介绍 C 语言中几种常见的排序算法,包括实现代码、时间复杂度分析、适用场景和详细解析。 一、冒泡排序(Bubble Sort) 基本思想:重复遍历数组,比较相邻元素,将较大元素交换到右侧。 代码实现: void bubbleSort(int arr[], i…...

IJCAI 2025 | 高德首个原生3D生成基座大模型「G3PT」重塑3D生成的未来
国际人工智能联合会议(IJCAI)是人工智能领域最古老、最具权威性的学术会议之一,自1969年首次举办以来,至今已有近六十年的历史。它见证了人工智能从萌芽到蓬勃发展的全过程,是全球人工智能研究者、学者、工程师和行业专…...

Samtec助力电视广播行业
【摘要前言】 现代广播电视技术最有趣的方面之一就是界限的模糊。过去,音频和视频是通过射频电缆传输的模拟技术采集的,而现在,数字世界已经取代了模拟技术。物理胶片和磁带已让位于数字存储设备和流媒体。 在这个过程中,连接器…...

密码学--仿射密码
一、实验目的 1、通过实现简单的古典密码算法,理解密码学的相关概念 2、理解明文、密文、加密密钥、解密密钥、加密算法、解密算法、流密码与分组密码等。 二、实验内容 1、题目内容描述 ①随机生成加密密钥,并验证密钥的可行性 ②从plain文件读入待…...
生成式图像水印研究综述
生成式图像水印研究综述 一、引言二、生成式图像水印研究背景三、生成式图像水印算法研究进展3.1 基于流模型的方案3.2 基于生成对抗网络的方案3.3 基于扩散模型的方案3.3.1 修改图像数据3.3.2 调整生成模型3.3.3 修改隐变量空间四、算法的性能与评价指标五、常用数据集六、本章…...
TCP协议详细讲解及C++代码实例
目录 一. TCP协议详细讲解及C代码实例1、TCP协议概述2、TCP通信流程1) 三次握手2) 数据传输3) 四次挥手 3、关键点解析1) 套接字创建2) 三次握手实现3) 数据传输4) 四次挥手实现 4、TCP与UDP对比 一. TCP协议详细讲解及…...