用户敏感信息脱敏展示：
@RequestParam 和 @PathVariable的区别
注解是用于从request中接收请求的，两个都可以接收参数，关键点不同的是@RequestParam 是从request里面拿取值，而 @PathVariable 是从一个URI模板里面来填充。
@PathVariable：主要用于接收http://host:port/path/{参数值}数据。
@RequestParam：主要用于接收http://host:port/path?参数名=参数值数据，这里后面也可以不跟参数值。
BeanUtil.toBean（）方法
在Hutool工具包中，BeanUtil类的toBean()方法用于将一个对象或Map转换成指定类型的JavaBean对象。我们先创建了一个数据源对象product，然后，通过调用BeanUtil.toBean()方法，将数据源对象product转换成目标类型 productVo的JavaBean对象vo。
需要注意的是，转换过程中，BeanUtil.toBean()方法通过反射机制创建了目标类型的实例，并将数据源对象的属性值复制到目标对象中。所以，需要保证数据源对象和目标类型的属性名称和类型保持一致，否则无法正确转换属性值。所以在创建ProductVo时，是继承于Product的。另外，还需要在项目中引入Hutool的相关依赖才能使用BeanUtil类的方法。
PhoneDesensitizationSerializer：
UserRespDTO：
不知道为什么我都加了注解，也有文件，可是脱敏就是不生效，压根没走PhoneDesensitizationSerializer。
补充：后续发现是因为我手机号是乱输入的，很短，然后不符合它的脱敏规则。
用户注册：
检查用户名是否存在：
- 海量用户如果说查询的用户名存在或不存在，全部请求数据库，会将数据库直接打满。
方法1：将数据库已有的用户名全部放到缓存里。
该方案问题：
- 是否要设置数据的有效期？只能设置为无无有效期，也就是永久数据。
- 如果是永久不过期数据，占用 Redis 内存太高。
方法2：使用布隆过滤器。
布隆过滤器是一种数据结构，用于快速判断一个元素是否存在于一个集合中。具体来说，布隆过滤器包含一个位数组和一组哈希函数。位数组的初始值全部置为 0。在插入一个元素时，将该元素经过多个哈希函数映射到位数组上的多个位置，并将这些位置的值置为 1。
在查询一个元素是否存在时，会将该元素经过多个哈希函数映射到位数组上的多个位置，如果所有位置的值都为 1，则认为元素存在；如果存在任一位置的值为 0，则认为元素不存在。
优点：
- 高效地判断一个元素是否属于一个大规模集合。
- 节省内存。
缺点：
- 可能存在一定的误判。
布隆过滤器误判理解
- 布隆过滤器要设置初始容量。容量设置越大，冲突几率越低。
- 布隆过滤器会设置预期的误判值。
误判能否接受
布隆过滤器的误判是否能够接受？
答：可以容忍。为什么？因为用户名不是特别重要的数据，如果说我设置用户名为 aaa，系统返回我不可用，那我大可以在 aaa 的基础上再加一个a，也就是 aaaa。
布隆过滤器的使用：
创建布隆过滤器实例：
tryInit 有两个核心参数：
- expectedInsertions：预估布隆过滤器存储的元素长度。
- falseProbability：运行的误判率。
错误率越低，位数组越长，布隆过滤器的内存占用越大。
错误率越低，散列 Hash 函数越多，计算耗时较长。
一个布隆过滤器占用大小的在线网站：Bloom Filter Calculator
使用布隆过滤器的两种场景：
- 初始使用：注册用户时就向容器中新增数据，就不需要任务向容器存储数据了。
- 使用过程中引入：读取数据源将目标数据刷到布隆过滤器。
用户注册：
一定要记得写枚举的时候是用逗号分割。
redis使用：
由于很久没用过redis了，所以我忘记了怎么启动了。
可以参考这个文档，为了防止下一次找不到redis文件了，记得一定要配置环境变量。
redis的启动需要先打开redis-server.exe然后再用可视化工具连接即可。
如果redis没有密码，但是本地application.yml又配置了redis密码，就会导致报错：Factory method 'redisson' threw exception with message: Unable to connect to Redis server: 127.0.0.1/127.0.0.1:6379
Window下Redis的安装和部署详细图文教程（Redis的安装和可视化工具的使用）_redis安装-CSDN博客
自动填充字段
自动填充字段 | MyBatis-Plus
难点：
由于在注册时，将用户记录添加到数据库时，同时将用户名添加到布隆过滤器中。但是为了防止redis的主节点挂掉后，从节点变成主节点时，有些数据还没复制，就会导致脏数据，就会可能导致用户名重复，所以为了防止这个情况，我们需要将username设置为唯一索引，让数据库兜底。
如何防止恶意请求毫秒级触发大量请求去一个未注册的用户名？
因为用户名没注册，所以布隆过滤器不存在，代表着可以触发注册流程插入数据库。但是如果恶意请求短时间海量请求，这些请求都会落到数据库，造成数据库访问压力。这里通过分布式锁，锁定用户名进行串行执行，防止恶意请求利用未注册用户名将请求打到数据库。
用redisson实现分布式锁。
UserServiceImpl：
用户分库分表：
为什么要分库分表？
- 数据量庞大。
- 查询性能缓慢，之前可能是 20ms，后续随着数据量的增长，查询时间呈指数增长。
- 数据库连接不够。
什么是分库分表？
分库和分表有两种模式，垂直和水平。
分库两种模式：
- 垂直分库：电商数据库拆分为用户、订单、商品、交易等数据库。
- 水平分库：用户数据库，拆分为多个，比如User_DB_0 - x。
分表两种模式：
- 垂直分表：将数据库表按照业务维度进行拆分，将不常用的信息放到一个扩展表。
- 水平分表：将用户表水平拆分，展现形式就是 User_Table_0 - x。
什么场景下分库分表？
数据量过大或者数据库表对应的磁盘文件过大。
Q：多少数据分表？
什么情况下分库？
连接不够用。
MySQL Server 假设支持 4000 个数据库连接。一个服务连接池最大 10 个，假设有 40 个节点。已经占用了 400 个数据库连接。
类似于这种服务，有10个，那你这个 MySQL Server 连接就不够了。
又分库又分表？
高并发写入或查询场景。
数据量巨大场景。
数据库分库分表框架 ShardingSphere
Sharding-JDBC。
：这是Java中用于向控制台输出格式化字符串的方法。
定义分片规则：
shardingsphere-config.yaml：
逻辑表：相同结构的水平拆分数据库（表）的逻辑名称，是 SQL 中表的逻辑标识。（t_user）
真实表：在水平拆分的数据库中真实存在的物理表。
敏感信息加密存储：
加密配置：