Redis黑马点评 Feed流

1.Feed流推拉结合机制

Feed流是一种常见的信息展示方式，用于向用户推送内容更新，如社交媒体动态、新闻更新等。实现Feed流的方案有多种，其中推拉结合模式是一种折中的方案，兼具推和拉两种模式的优点。

推模式（写扩散）

定义：用户发布动态时，系统主动将动态推送到其粉丝的收件箱中。
优点：用户能够实时接收到内容更新，无需手动刷新。
缺点：内存压力大，特别是对于有大量粉丝的用户（大V），需要写入大量数据。

拉模式（读扩散）

定义：用户需要读取动态时，系统从其关注的用户中拉取所有动态，然后进行排序。
优点：节约空间，因为动态只保存在发布者的邮箱中。
缺点：延迟较大，特别是当用户关注了大量的用户时，需要拉取大量内容，对服务器压力较大。

推拉结合模式（读写混合）

定义：结合了推和拉两种模式的优点，是一种折中的方案。
实现方式：
- 对于普通用户，采用推模式，直接将动态写入其粉丝的收件箱。
- 对于有大量粉丝的用户（大V），采用拉模式，当粉丝需要读取动态时，再去拉取这些动态。大V的铁粉则继续使用推模式。
优点：
- 兼具推模式的实时性和拉模式的空间节约。
- 避免了大V带来的推送压力，同时保证了中小V内容的实时触达。
缺点：实现复杂。

实现逻辑

发布动态：
- 普通用户发布动态时，直接将动态写入其粉丝的收件箱。
- 大V发布动态时，对普通粉丝只写入自己的发件箱，不立即推送。铁粉则立即推送。
读取动态：
- 用户查看Feed流时，先读取自己的收件箱。
- 如果用户关注了大V，再去拉取大V的发件箱内容。
- 将收件箱和拉取的内容合并，按时间排序后返回给用户。

性能优化

推送优化：
- 分级推送：小V内容实时推送，中V内容批量推送。
- 粉丝分片：对中V采用粉丝分片推送，避免瞬时压力。
拉取优化：
- 预拉取机制：用户进入Feed流页面时，异步预拉取前几个头部大V的最新内容。
- 结果缓存：缓存拉模式聚合结果，减少重复计算。
存储优化：
- 内容分表：按创作者ID哈希分片存储内容表。
- 历史数据归档：超过一定时间的内容迁移至冷存储。

Controller

java 复制代码

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

java 复制代码

@Override
    public Result saveBlog(Blog blog) {
        UserDTO user = UserHolder.getUser();
        blog.setUserId(user.getId());
        boolean isSuccess = save(blog);
        if(!isSuccess){
            return Result.fail("发布笔记失败");
        }
        //查询作者所有粉丝
        //推送笔记Id给所有粉丝
        List<Follow> follows = followService.query().eq("follow_user_id",user.getId()).list();
        //返回Id
        for(Follow follow : follows){
            Long userId = follow.getUserId();
            //4.2推送
            String key = FEED_KEY + userId;
            stringRedisTemplate.opsForZSet().add(key,blog.getId().toString(),System.currentTimeMillis());
        }
        return Result.ok(blog.getId());
    }

查询

java 复制代码

@Override
    public Result queryBlogOfFollow(Long max, Integer offset) {
        //1.获取用户
        Long userId = UserHolder.getUser().getId();
        //2.查询收件箱
        String key = FEED_KEY + userId;
        //3.解析数据:blogId、score时间戳 offset
        Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
                .reverseRangeByScoreWithScores(key, 0, max, offset, 3);
        //4.根据id查询blog
        if(typedTuples == null || typedTuples.isEmpty()){
            return Result.ok();
        }
        //5.封装返回
        List<Long> ids = new ArrayList<>(typedTuples.size());
        long minTime = 0;
        int os = 1;
        for(ZSetOperations.TypedTuple<String> tuple:typedTuples){
            String idStr = tuple.getValue();
            ids.add(Long.valueOf(idStr));
            long time  = tuple.getScore().longValue();
            if(time == minTime){
                os++;
            }else{
                minTime = time;
                os = 1;
            }
        }
        String idStr = StrUtil.join(",",ids);
        List<Blog> blogs = query().in("id",ids).last("ORDER BY FIELD(id," +     idStr + ")").list();

        for(Blog blog : blogs){
            //2.查关于blog有关的用户
            queryBlogUser(blog);
            //3.查询blog是否点赞
            isBlogLiked(blog);
        }
        ScrollResult r = new ScrollResult();
        r.setList(blogs);
        r.setOffset( os);
        r.setMinTime(minTime);
        return Result.ok(r);
    }

2.用户签到：

java 复制代码

@Override
    public Result sign(){
        //1.获取当前用户
        Long userId = UserHolder.getUser().getId();
        //2.获取日期
        LocalDateTime now = LocalDateTime.now();
        //3.拼接key
        String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
        String key = USER_SIGN_KEY + userId + keySuffix;
        //4.获取第几天
        int dayOfMonth = now.getDayOfMonth();
        //5.写入Redis set bit
        stringRedisTemplate.opsForValue().setBit(key,dayOfMonth-1,true);
        return Result.ok();
    }

java 复制代码

@Override
    public Result signCount() {
        //1.获取当前用户
        Long userId = UserHolder.getUser().getId();
        //2.获取日期
        LocalDateTime now = LocalDateTime.now();
        //3.拼接key
        String keySuffix = now.format(DateTimeFormatter.ofPattern(":yyyyMM"));
        String key = USER_SIGN_KEY + userId + keySuffix;
        //4.获取第几天
        int dayOfMonth = now.getDayOfMonth();
        //5.得到签到记录 十进制数字
        List<Long> result = stringRedisTemplate.opsForValue().bitField(
                key, BitFieldSubCommands.create()
                        .get(BitFieldSubCommands.BitFieldType.
                                unsigned(dayOfMonth)).valueAt(0)
        );
        if(result == null || result.isEmpty()){
            return Result.ok(0);
        }
        Long num = result.get(0);
        if(num == null || num == 0){
            return Result.ok(0);
        }
        //6.循环遍历
        int count = 0;
        while (true) {
            //7.让数字与1做与运算，得到最后一个bit位
            if ((num & 1) == 0){
                //为0返回 没签到
                break;
            }else {
                //不为0已签到 计数加一
                count ++;
            }
            //数字右移 继续判断
            num >>>= 1;
        }
        return Result.ok(count);
    }

1. 使用位运算遍历

你的代码中使用了位运算来遍历二进制位，这种方法的优点是性能高且直接操作二进制位。

代码逻辑：

复制代码

int count = 0;
while (true) {
    if ((num & 1) == 0) {
        break;
    } else {
        count++;
    }
    num >>>= 1;
}

优点：

性能高：位运算在 CPU 级别是非常高效的，不需要额外的内存分配。
直接操作二进制位：可以精确地控制每一位的操作，适合这种需要逐位检查的场景。

缺点：

可读性稍差：对于不熟悉位运算的开发者来说，可能需要花一点时间理解代码逻辑。

2. 转字符串遍历

如果你选择将数字转换为字符串，然后逐字符遍历，也可以实现相同的功能，但性能和可读性会有所不同。

示例代码：

复制代码

int count = 0;
String binaryString = Long.toBinaryString(num);
for (int i = 0; i < binaryString.length(); i++) {
    if (binaryString.charAt(i) == '1') {
        count++;
    } else {
        break;
    }
}

优点：

可读性好：对于不熟悉位运算的开发者来说，字符串遍历的逻辑更容易理解。
简洁：代码更简洁，逻辑更直观。

缺点：

性能低：字符串操作涉及到更多的内存分配和字符操作，性能不如位运算。
额外内存占用：需要将数字转换为字符串，增加了内存占用。

3.Redis Geo

Redis Geo 是 Redis 提供的一种用于处理地理位置数据的功能模块。它允许用户将地理位置信息存储在 Redis 数据库中，并执行各种与地理位置相关的操作，例如计算两点之间的距离、查找某个位置附近的其他位置等。以下是 Redis Geo 的一些主要功能和使用方法：

1. 数据结构

Redis Geo 使用有序集合（Sorted Set）来存储地理位置信息。每个地理位置由以下三部分组成：

经度（longitude）：表示地理位置的经度。
纬度（latitude）：表示地理位置的纬度。
成员（member）：一个字符串，用于标识该地理位置。

2. 主要命令

Redis Geo 提供了一系列命令来操作地理位置数据，以下是一些常用的命令：

添加地理位置

GEOADD key longitude latitude member [longitude latitude member ...]
- 功能：将一个或多个地理位置添加到指定的键中。
- 示例
  复制代码
```
GEOADD locations 116.397428 39.90923 "Beijing"
GEOADD locations 121.473701 31.230393 "Shanghai"
```

计算距离

GEODIST key member1 member2 [unit]
- 功能：计算两个地理位置之间的距离。
- 单位：单位可以是 m（米）、km（千米）、mi（英里）、ft（英尺）。
- 示例：
  复制代码
```
GEODIST locations Beijing Shanghai km
```

查找附近的位置

GEORADIUS key longitude latitude radius [unit] [WITHDIST] [WITHCOORD] [WITHHASH] [COUNT count] [ASC|DESC] [STORE key] [STOREDIST key]
- 功能：查找指定位置周围一定范围内的其他位置。
- 示例
  复制代码
```
GEORADIUS locations 116.397428 39.90923 100 km WITHDIST
```

获取地理位置的坐标

GEOPOS key member [member ...]
- 功能：获取一个或多个地理位置的坐标。
- 示例
  复制代码
```
GEOPOS locations Beijing
```

删除地理位置

ZREM key member [member ...]
- 功能：从有序集合中删除指定的成员。
- 示例
  复制代码
```
ZREM locations Beijing
```

3. 应用场景

Redis Geo 在许多实际场景中非常有用，例如：

位置服务：如地图应用、外卖平台等，可以根据用户的位置查找附近的商家或服务。
社交网络：根据用户的位置推荐附近的朋友或活动。
物流配送：计算配送距离，优化配送路线。

java 复制代码

@Override
    public Result queryShopByType(Integer typeId, Integer current, Double x, Double y) {
        //1.判断是否根据坐标查询
        if(x == null || y == null){
            Page<Shop> page = query()
                    .eq("type_id", typeId)
                    .page(new Page<>(current, SystemConstants.DEFAULT_PAGE_SIZE));
            return Result.ok(page.getRecords());
        }
        //2.计算分页参数
        int from = (current - 1) * SystemConstants.DEFAULT_PAGE_SIZE;
        int end = current * SystemConstants.DEFAULT_PAGE_SIZE;
        //3.查询redis、按照距离排序分页
        String key = SHOP_GEO_KEY + typeId;
        GeoResults<RedisGeoCommands.GeoLocation<String>> results =
                stringRedisTemplate.opsForGeo()
                .search(key, GeoReference.fromCoordinate(x, y),
                        new Distance(5000),
                        RedisGeoCommands.GeoSearchCommandArgs.newGeoSearchArgs()
                                .includeDistance().limit(end));
        //4.解析id
        if(results == null ){
            return Result.ok(Collections.emptyList());
        }

        List<GeoResult<RedisGeoCommands.GeoLocation<String>>> list = results.getContent();

        List<Long> ids = new ArrayList<>(list.size());
        Map<String,Distance> distanceMap = new HashMap<>(list.size());

        list.stream().skip(from).forEach(result ->{
            String shopIdStr = result.getContent().getName();
            ids.add(Long.valueOf(shopIdStr));
            Distance distance = result.getDistance();
            distanceMap.put(shopIdStr,distance);
        });
        // 🚨 防止 id 为空
        if (ids.isEmpty()) {
            return Result.ok(Collections.emptyList());
        }
        //获取店铺id
        String idStr = StrUtil.join(",", ids);
        List<Shop> shops = query().in("id",ids).last("ORDER BY FIELD(id," + idStr + ")").list();
        for(Shop shop : shops){
            shop.setDistance(distanceMap.get(shop.getId().toString()).getValue());
        }
        return Result.ok(shops);
    }