java面试场景题:电商平台中订单未⽀付过期如何实现⾃动关单

以下是润色后的文章版本，内容更紧凑且逻辑清晰：

---

大规模Redis数据统计的四种高效方法

聚合统计

Redis集合适用于需要交并差计算的场景。例如社交系统中计算共同好友（交集）、新增好友（差集）或总好友数（并集）。使用SINTERSTORE、SDIFFSTORE、SUNIONSTORE命令时需注意：

• 数据量过大可能阻塞Redis，建议在从库执行或客户端计算
• 集群环境下避免主库性能影响

SINTERSTORE user:common user:100 user:200  # 计算用户100和200的共同好友

排序统计

有序集合适合动态排序场景如商品评论：

• List：按插入顺序排序，适合简单分页
• Sorted Set：按权重排序（如时间戳），灵活性更高

ZADD product:comments 1620000000 "好评"  # 权重为时间戳
ZRANGE product:comments 0 10            # 获取最新10条评论

二值状态统计

签到等0/1状态场景推荐Bitmap：

• 单用户月签到仅需12MB（1亿用户）
• 支持位运算统计连续签到

SETBIT user:checkin:202311 0 1      # 第1天签到
BITCOUNT user:checkin:202311         # 统计当月签到次数
BITOP AND continuous_20 day1 day2... # 计算20天连续签到

基数统计

UV统计等去重场景的优化方案：

• Set：精确但内存消耗大
• HyperLogLog：误差0.81%，仅需12KB/10^8数据

PFADD page:uv user1 user2  # 记录UV
PFCOUNT page:uv            # 统计UV数

---

订单自动关单的三种实现方案

定时任务扫描

优点：实现简单
缺点：存在时间延迟，数据库压力随数据量增长
适用场景：中小规模业务

JDK延迟队列

优点：无外部依赖
缺点：JVM内存限制，重启丢数据
适用场景：非关键性延迟任务

Redis过期监听

优点：实时性高
缺点：需处理消息丢失情况
适用场景：分布式环境

---

关键对比总结

统计类型	适用数据结构	优势
聚合运算	Set	原生支持交并差
动态排序	Sorted Set	灵活权重排序
二值状态	Bitmap	极致内存优化
大数据去重	HyperLogLog	低内存消耗