Redis进阶——相互关注Feed流推送

2024-04-21 00:04
文章标签 进阶 redis 推送 关注 相互 feed

本文主要是介绍Redis进阶——相互关注Feed流推送，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

目录

  • 关注和取消关注
    • 业务需求
    • 实现步骤
    • 效果如下
  • 共同关注
    • 业务需求
    • 实现步骤
    • 效果如下
  • Feed流实现方案
    • Feed流简介
    • 三种Timeline方式
    • 三种模式对比
  • 推送到粉丝收件箱
    • 业务需求
    • Feed流的滚动分页
  • 实现分页查询收件箱
    • 业务需求
    • 具体步骤如下

关注和取消关注

业务需求

当我们进入到笔记详情页面时，会发送一个请求，判断当前登录用户是否关注了笔记博主

请求网址: http://localhost:8080/api/follow/or/not/2
请求方法: GET

当我们点击关注按钮时，会发送一个请求，实现关注/取关

请求网址: http://localhost:8080/api/follow/2/true
请求方法: PUT

关注是User之间的关系，是博主与粉丝的关系，数据库中有一张tb_follow表来标示
表结构如下：

DROP TABLE IF EXISTS `tb_follow`;
CREATE TABLE `tb_follow` (`id` bigint(20) NOT NULL AUTO_INCREMENT COMMENT '主键',`user_id` bigint(20) unsigned NOT NULL COMMENT '用户id',`follow_user_id` bigint(20) unsigned NOT NULL COMMENT '关联的用户id',`create_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',PRIMARY KEY (`id`) USING BTREE
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 ROW_FORMAT=COMPACT;

实现步骤

  1. 对应的实体类如下：
@Data
@EqualsAndHashCode(callSuper = false)
@Accessors(chain = true)
@TableName("tb_follow")
public class Follow implements Serializable {private static final long serialVersionUID = 1L;/*** 主键*/@TableId(value = "id", type = IdType.AUTO)private Long id;/*** 用户id*/private Long userId;/*** 关联的用户id*/private Long followUserId;/*** 创建时间*/private LocalDateTime createTime;
}
  1. Controller层中编写对应的两个方法
@RestController
@RequestMapping("/follow")
public class FollowController {@Resourceprivate IFollowService followService;//判断当前用户是否关注了该博主@GetMapping("/or/not/{id}")public Result isFollow(@PathVariable("id") Long followUserId) {return followService.isFollow(followUserId);}//实现取关/关注@PutMapping("/{id}/{isFollow}")public Result follow(@PathVariable("id") Long followUserId, @PathVariable("isFollow") Boolean isFellow) {return followService.follow(followUserId,isFellow);}
}
  1. 具体的业务逻辑我们还是放在FellowServiceImpl中来编写
@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {@Overridepublic Result isFollow(Long followUserId) {//获取当前登录的userIdLong userId = UserHolder.getUser().getId();LambdaQueryWrapper<Follow> queryWrapper = new LambdaQueryWrapper<>();//查询当前用户是否关注了该笔记的博主queryWrapper.eq(Follow::getUserId, userId).eq(Follow::getFollowUserId, followUserId);//只查询一个count就行了int count = this.count(queryWrapper);return Result.ok(count > 0);}@Overridepublic Result follow(Long followUserId, Boolean isFellow) {//获取当前用户idLong userId = UserHolder.getUser().getId();//判断是否关注if (isFellow) {//关注，则将信息保存到数据库Follow follow = new Follow();follow.setUserId(userId);follow.setFollowUserId(followUserId);save(follow);} else {//取关，则将数据从数据库中移除LambdaQueryWrapper<Follow> queryWrapper = new LambdaQueryWrapper<>();queryWrapper.eq(Follow::getUserId, userId).eq(Follow::getFollowUserId, followUserId);remove(queryWrapper);}return Result.ok();}
}

效果如下

20240419-074101-oL.png

共同关注

点击用户头像，进入到用户详情页，可以查看用户发布的笔记，和共同关注列表
20240419-074313-WF.png

目前还没写具体的业务逻辑，所以现在暂时看不到数据

业务需求

  1. 查询用户信息

请求网址: http://localhost:8080/api/user/2
请求方法: GET

  1. 查看共同关注

请求网址: http://localhost:8080/api/follow/common/undefined
请求方法: GET

  1. 共同关注实现逻辑：

1、利用Redis中恰当的数据结构，实现共同关注功能，在博主个人页面展示出当前用户与博主的共同关注
2、实现方式是使用的set集合，在set集合中，有交集并集补集的api，可以把二者关注的人放入到set集合中，然后通过api查询两个set集合的交集
3、需要先修改之前的关注逻辑，在关注博主的同时，需要将数据放到set集合中，方便后期我们实现共同关注，当取消关注时，也需要将数据从set集合中删除

实现步骤

  1. 编写查询用户信息方法
@GetMapping("/{id}")
public Result queryById(@PathVariable("id") Long userId) {// 查询详情User user = userService.getById(userId);if (user == null) {// 没有详情，应该是第一次查看详情return Result.ok();}UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);// 返回return Result.ok(userDTO);
}
  1. 编写查询用户笔记方法
    @GetMapping("/of/user")public Result queryBlogByUserId(@RequestParam(value = "current", defaultValue = "1") Integer current, @RequestParam("id") Long id) {LambdaQueryWrapper<Blog> queryWrapper = new LambdaQueryWrapper<>();queryWrapper.eq(Blog::getUserId, id);Page<Blog> pageInfo = new Page<>(current, SystemConstants.MAX_PAGE_SIZE);blogService.page(pageInfo, queryWrapper);List<Blog> records = pageInfo.getRecords();return Result.ok(records);}//下面这是老师的代码，个人感觉我的可读性更高[doge]
// BlogController  根据id查询博主的探店笔记
@GetMapping("/of/user")
public Result queryBlogByUserId(@RequestParam(value = "current", defaultValue = "1") Integer current,@RequestParam("id") Long id) {// 根据用户查询Page<Blog> page = blogService.query().eq("user_id", id).page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));// 获取当前页数据List<Blog> records = page.getRecords();return Result.ok(records);
}
  1. 修改之前的关注逻辑，在关注博主的同时，需要将数据放到set集合中，当取消关注时，也需要将数据从set集合中删除
@Resource
private StringRedisTemplate stringRedisTemplate;@Override
public Result follow(Long followUserId, Boolean isFellow) {//获取当前用户idLong userId = UserHolder.getUser().getId();String key = "follows:" + userId;//判断是否关注if (isFellow) {//关注，则将信息保存到数据库Follow follow = new Follow();follow.setUserId(userId);follow.setFollowUserId(followUserId);//如果保存成功boolean success = save(follow);//则将数据也写入Redisif (success) {stringRedisTemplate.opsForSet().add(key, followUserId.toString());}} else {//取关，则将数据从数据库中移除LambdaQueryWrapper<Follow> queryWrapper = new LambdaQueryWrapper<>();queryWrapper.eq(Follow::getUserId, userId).eq(Follow::getFollowUserId, followUserId);//如果取关成功boolean success = remove(queryWrapper);//则将数据也从Redis中移除if (success){stringRedisTemplate.opsForSet().remove(key,followUserId.toString());}}return Result.ok();
}
  1. 接下来实现共同关注代码
    Controller层
@GetMapping("/common/{id}")
public Result followCommons(@PathVariable Long id){return followService.followCommons(id);
}

Service业务逻辑层

@Override
public Result followCommons(Long id) {//获取当前用户idLong userId = UserHolder.getUser().getId();String key1 = "follows:" + id;String key2 = "follows:" + userId;//对当前用户和博主用户的关注列表取交集Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key1, key2);if (intersect == null || intersect.isEmpty()) {//无交集就返回个空集合return Result.ok(Collections.emptyList());}//将结果转为listList<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());//之后根据ids去查询共同关注的用户，封装成UserDto再返回List<UserDTO> userDTOS = userService.listByIds(ids).stream().map(user ->BeanUtil.copyProperties(user, UserDTO.class)).collect(Collectors.toList());return Result.ok(userDTOS);
}

效果如下

  1. 查看用户笔记
    20240419-080159-xV.png

  2. 共同关注
    20240419-080121-I9.png

Feed流实现方案

Feed流简介

  • 当我们关注了用户之后，这个用户发布了动态，那我们应该把这些数据推送给用户，这个需求，我们又称其为Feed流，关注推送也叫作Feed流，直译为投喂，为用户提供沉浸式体验，通过无限下拉刷新获取新的信息

  • 对于传统的模式内容检索：用户需要主动通过搜索引擎或者是其他方式去查找想看的内容

  • 对于新型Feed流的效果：系统分析用户到底想看什么，然后直接把内容推送给用户，从而使用户能更加节约时间，不用去主动搜素

Feed流的实现有两种模式：

  1. Timeline：不做内容筛选，简单的按照内容发布时间排序，常用于好友或关注(B站关注的up，朋友圈等)
  • 优点：信息全面，不会有缺失，并且实现也相对简单
  • 缺点：信息噪音较多，用户不一定感兴趣，内容获取效率低
  1. 智能排序：利用智能算法屏蔽掉违规的、用户不感兴趣的内容，推送用户感兴趣的信息来吸引用户
  • 优点：投喂用户感兴趣的信息，用户粘度很高，容易沉
  • 缺点：如果算法不精准，可能会起到反作用（给你推的你都不爱看）

三种Timeline方式

我们这里针对好友的操作，采用的是Timeline方式，只需要拿到我们关注用户的信息，然后按照时间排序即可
采用Timeline模式，有三种具体的实现方案这：

  • 拉模式
  • 推模式
  • 推拉结合

  1. 拉模式：也叫读扩散
    该模式的核心含义是：当张三和李四、王五发了消息之后，都会保存到自己的发件箱中，如果赵六要读取消息，那么他会读取他自己的收件箱，此时系统会从他关注的人群中，将他关注人的信息全都进行拉取，然后进行排序
    优点：比较节约空间，因为赵六在读取信息时，并没有重复读取，并且读取完之后，可以将他的收件箱清除
    缺点：有延迟，当用户读取数据时，才会去关注的人的时发件箱中拉取信息，假设该用户关注了海量用户，那么此时就会拉取很多信息，对服务器压力巨大
    20240419-082127-PK.png

  2. 推模式：也叫写扩散
    推模式是没有写邮箱的，当张三写了一个内容，此时会主动把张三写的内容发送到它粉丝的收件箱中，假设此时李四再来读取，就不用再去临时拉取了
    优点：时效快，不用临时拉取
    缺点：内存压力大，假设一个大V发了一个动态，很多人关注他，那么就会写很多份数据到粉丝那边去
    20240419-082157-33.png

  3. 推拉结合：页脚读写混合，兼具推和拉两种模式的优点
    推拉模式是一个折中的方案，站在发件人这一边，如果是普通人，那么我们采用写扩散的方式，直接把数据写入到他的粉丝收件箱中，因为普通人的粉丝数量较少，所以这样不会产生太大压力。但如果是大V，那么他是直接将数据写入一份到发件箱中去，在直接写一份到活跃粉丝的收件箱中，站在收件人这边来看，如果是活跃粉丝，那么大V和普通人发的都会写到自己的收件箱里，但如果是普通粉丝，由于上线不是很频繁，所以等他们上线的时候，再从发件箱中去拉取信息。
    20240419-082233-5g.png

三种模式对比

20240419-064006-7K.png

推送到粉丝收件箱

业务需求

  1. 修改新增探店笔记的业务，在保存blog到数据库的同时，推送到粉丝的收件箱
  2. 收件箱满足可以根据时间戳排序，必须使用Redis的数据结构实现
  3. 查询收件箱数据时，可实现分页查询

Feed流中的数据会不断更新，所以数据的角标也会不断变化，所以我们不能使用传统的分页模式

假设在t1时刻，我们取读取第一页，此时page = 1，size = 5，那么我们拿到的就是10~6这几条记录，假设t2时刻有发布了一条新纪录，那么在t3时刻，我们来读取第二页，此时page = 2，size = 5，那么此时读取的数据是从6开始的，读到的是6~2，那么我们就读到了重复的数据，所以我们要使用Feed流的分页，不能使用传统的分页

20240419-082547-JR.png

Feed流的滚动分页

我们需要记录每次操作的最后一条，然后从这个位置去开始读数据

举个例子：我们从t1时刻开始，拿到第一页数据，拿到了10-6，然后记录下当前最后一次读取的记录，就是6，t2时刻发布了新纪录，此时这个11在最上面，但不会影响我们之前拿到的6，此时t3时刻来读取第二页，第二页读数据的时候，从6-1=5开始读，这样就拿到了5-1的记录。我们在这个地方可以使用SortedSet来做，使用时间戳来充当表中的1~10

20240419-082655-3Q.png

核心思路：我们保存完探店笔记后，获取当前用户的粉丝列表，然后将数据推送给粉丝

那就需要修改保存笔记的方法

@Override
public Result saveBlog(Blog blog) {// 获取登录用户UserDTO user = UserHolder.getUser();blog.setUserId(user.getId());// 保存探店博文save(blog);// 条件构造器LambdaQueryWrapper<Follow> queryWrapper = new LambdaQueryWrapper<>();// 从follow表最中，查找当前用户的粉丝  select * from follow where follow_user_id = user_idqueryWrapper.eq(Follow::getFollowUserId, user.getId());//获取当前用户的粉丝List<Follow> follows = followService.list(queryWrapper);for (Follow follow : follows) {Long userId = follow.getUserId();String key = FEED_KEY + userId;//推送数据stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());}// 返回idreturn Result.ok(blog.getId());
}

以上实现通过Redis的SortedSet数据结构维护一组Feed流数据，用于下面的滚动分页查询。

实现分页查询收件箱

业务需求

在个人主页的关注栏中，查询并展示推送的Blog信息

具体步骤如下

  1. 每次查询完成之后，我们要分析出查询出的最小时间戳，这个值会作为下一次的查询条件

  2. 我们需要找到与上一次查询相同的查询个数，并作为偏移量，下次查询的时候，跳过这些查询过的数据，拿到我们需要的数据（例如时间戳8 6 6 5 5 4，我们每次查询3个，第一次是8 6 6，此时最小时间戳是6，如果不设置偏移量，会从第一个6之后开始查询，那么查询到的就是6 5 5，而不是5 5 4，如果这里说的不清楚，那就看后续的代码）

  3. 综上：我们的请求参数中需要携带lastId和offset，即上一次查询时的最小时间戳和偏移量，这两个参数

  4. 代码如下

编写一个通用的实体类，不一定只对blog进行分页查询，这里用泛型做一个通用的分页查询，list是封装返回的结果，minTime是记录的最小时间戳，offset是记录偏移量

@Data
public class ScrollResult {private List<?> list;private Long minTime;private Integer offset;
}

点击个人主页中的关注栏，查看发送的请求

请求网址: http://localhost:8080/api/blog/of/follow?&lastId=1667472294526
请求方法: GET

在BlogController中创建对应的方法，具体实现去ServiceImpl中完成
Controller层

@GetMapping("/of/follow")
public Result queryBlogOfFollow(@RequestParam("lastId") Long max, @RequestParam(value = "offset",defaultValue = "0") Integer offset) {return blogService.queryBlogOfFollow(max,offset);
}

Impl实现业务

@Override
public Result queryBlogOfFollow(Long max, Integer offset) {//1. 获取当前用户Long userId = UserHolder.getUser().getId();//2. 查询该用户收件箱（之前我们存的key是固定前缀 + 粉丝id），所以根据当前用户id就可以查询是否有关注的人发了笔记String key = FEED_KEY + userId;Set<ZSetOperations.TypedTuple<String>> typeTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 2);//3. 非空判断if (typeTuples == null || typeTuples.isEmpty()){return Result.ok(Collections.emptyList());}//4. 解析数据，blogId、minTime（时间戳）、offset，这里指定创建的list大小，可以略微提高效率，因为我们知道这个list就得是这么大ArrayList<Long> ids = new ArrayList<>(typeTuples.size());long minTime = 0;int os = 1;for (ZSetOperations.TypedTuple<String> typeTuple : typeTuples) {//4.1 获取idString id = typeTuple.getValue();ids.add(Long.valueOf(id));//4.2 获取score（时间戳）long time = typeTuple.getScore().longValue();if (time == minTime){os++;}else {minTime = time;os = 1;}}//解决SQL的in不能排序问题，手动指定排序为传入的idsString idsStr = StrUtil.join(",");//5. 根据id查询blogList<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idsStr + ")").list()for (Blog blog : blogs) {//5.1 查询发布该blog的用户信息queryBlogUser(blog);//5.2 查询当前用户是否给该blog点过赞isBlogLiked(blog);}//6. 封装结果并返回ScrollResult scrollResult = new ScrollResult();scrollResult.setList(blogs);scrollResult.setOffset(os);scrollResult.setMinTime(minTime);return Result.ok(scrollResult);
}

最终效果实现，在最上方显示的都是我们最新发布的动态，下拉动态查询历史笔记。

这篇关于Redis进阶——相互关注Feed流推送的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/921681。

相关文章

Python进阶之Excel基本操作介绍

Python进阶之Excel基本操作介绍

《Python进阶之Excel基本操作介绍》在现实中,很多工作都需要与数据打交道,Excel作为常用的数据处理工具,一直备受人们的青睐,本文主要为大家介绍了一些Python中Excel的基本操作,希望... 目录概述写入使用 xlwt使用 XlsxWriter读取修改概述在现实中，很多工作都需要与数据打交
阅读更多...
Redis主从/哨兵机制原理分析

Redis主从/哨兵机制原理分析

《Redis主从/哨兵机制原理分析》本文介绍了Redis的主从复制和哨兵机制,主从复制实现了数据的热备份和负载均衡,而哨兵机制可以监控Redis集群,实现自动故障转移,哨兵机制通过监控、下线、选举和故... 目录一、主从复制1.1 什么是主从复制1.2 主从复制的作用1.3 主从复制原理1.3.1 全量复制
阅读更多...
Redis延迟队列的实现示例

Redis延迟队列的实现示例

《Redis延迟队列的实现示例》Redis延迟队列是一种使用Redis实现的消息队列,本文主要介绍了Redis延迟队列的实现示例,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习... 目录一、什么是 Redis 延迟队列二、实现原理三、Java 代码示例四、注意事项五、使用 Redi
阅读更多...
Redis缓存问题与缓存更新机制详解

Redis缓存问题与缓存更新机制详解

《Redis缓存问题与缓存更新机制详解》本文主要介绍了缓存问题及其解决方案,包括缓存穿透、缓存击穿、缓存雪崩等问题的成因以及相应的预防和解决方法,同时,还详细探讨了缓存更新机制,包括不同情况下的缓存更... 目录一、缓存问题1.1 缓存穿透1.1.1 问题来源1.1.2 解决方案1.2 缓存击穿1.2.1
阅读更多...
redis-cli命令行工具的使用小结

redis-cli命令行工具的使用小结

《redis-cli命令行工具的使用小结》redis-cli是Redis的命令行客户端,支持多种参数用于连接、操作和管理Redis数据库,本文给大家介绍redis-cli命令行工具的使用小结,感兴趣的... 目录基本连接参数基本连接方式连接远程服务器带密码连接操作与格式参数-r参数重复执行命令-i参数指定命
阅读更多...
深入理解Redis大key的危害及解决方案

深入理解Redis大key的危害及解决方案

《深入理解Redis大key的危害及解决方案》本文主要介绍了深入理解Redis大key的危害及解决方案,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着... 目录一、背景二、什么是大key三、大key评价标准四、大key 产生的原因与场景五、大key影响与危
阅读更多...
Redis主从复制的原理分析

Redis主从复制的原理分析

《Redis主从复制的原理分析》Redis主从复制通过将数据镜像到多个从节点,实现高可用性和扩展性,主从复制包括初次全量同步和增量同步两个阶段,为优化复制性能,可以采用AOF持久化、调整复制超时时间、... 目录Redis主从复制的原理主从复制概述配置主从复制数据同步过程复制一致性与延迟故障转移机制监控与维
阅读更多...
Redis过期键删除策略解读

Redis过期键删除策略解读

《Redis过期键删除策略解读》Redis通过惰性删除策略和定期删除策略来管理过期键,惰性删除策略在键被访问时检查是否过期并删除,节省CPU开销但可能导致过期键滞留,定期删除策略定期扫描并删除过期键,... 目录1.Redis使用两种不同的策略来删除过期键，分别是惰性删除策略和定期删除策略1.1惰性删除策略
阅读更多...
Linux(Centos7)安装Mysql/Redis/MinIO方式

Linux(Centos7)安装Mysql/Redis/MinIO方式

《Linux(Centos7)安装Mysql/Redis/MinIO方式》文章总结：介绍了如何安装MySQL和Redis,以及如何配置它们为开机自启,还详细讲解了如何安装MinIO,包括配置Syste... 目录安装mysql安装Redis安装MinIO总结安装Mysql安装Redis搜索Red
阅读更多...
Redis连接失败：客户端IP不在白名单中的问题分析与解决方案

Redis连接失败：客户端IP不在白名单中的问题分析与解决方案

《Redis连接失败：客户端IP不在白名单中的问题分析与解决方案》在现代分布式系统中,Redis作为一种高性能的内存数据库,被广泛应用于缓存、消息队列、会话存储等场景,然而,在实际使用过程中,我们可能... 目录一、问题背景二、错误分析1. 错误信息解读2. 根本原因三、解决方案1. 将客户端IP添加到Re
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2