Redis：Feed流、SortedSet实现点赞人排序、SortedSet滚动分页

一、SortedSet点赞模块：
- [1. 点赞功能实现：](#1. 点赞功能实现：)
- [2. 按照点赞时间将点赞人排序：](#2. 按照点赞时间将点赞人排序：)
二、Feed流：
- 1.Feed流实现方案：
- - [1.1 拉模式（读扩散）：](#1.1 拉模式（读扩散）：)
  - [1.2 推模式（写扩散）：](#1.2 推模式（写扩散）：)
  - [1.3 读写混合：](#1.3 读写混合：)
- 2.推模式实现将用户发布的动态推送给粉丝：
- 3.SortedSet滚动分页查询：

一、SortedSet点赞模块：

1. 点赞功能实现：

这里写redis和写数据库两步操作其实是会有线程安全问题的，应该加事务和锁。

java 复制代码

public Result likeBlog(Long id) {
    String userId = UserHolder.getUser().getId().toString();
    // 有对应数据返回具体分数，没有则返回null
    Double score = stringRedisTemplate.opsForZSet().score("like:" + id, userId);
    if (score == null){// 这里直接用null来判断返回值null或空对象（区别在于是否分配内存地址），String\List\Map判断空对象就要用isEmpty()了
        stringRedisTemplate.opsForZSet().add("like:" + id, userId, System.currentTimeMillis());// 用当前ms时间作为排序值
        update().setSql("liked = liked + 1").eq("id", id).update();
    }else{
        stringRedisTemplate.opsForZSet().remove("like:" + id, userId);
        update().setSql("liked = liked - 1").eq("id", id).update();
    }
    return Result.ok();
}

2. 按照点赞时间将点赞人排序：

java 复制代码

public Result queryBlogLikes(Long id) {
    // 点赞顺序前5的用户id集合
    Set<String> userIds = stringRedisTemplate.opsForZSet().range("like:" + id, 0, 4);

    if (userIds == null || userIds.isEmpty()){// 没有点赞信息
        return Result.ok(Collections.emptyList());
    }

    /** 查询用户 select * from tb_user where id in (#{userIds}) order by field (id, #{userIds})
     * order by field (id, #{userIds}) 是因为"in"查询的返回结果是按照用户id排序的，而不是按照userIds排序，导致返回给前端的用户顺序错乱
     * userIds.stream().map(Long::valueOf).collect(Collectors.toList())是将String类型的List转为Long类型的List
     * StrUtil.join(",",userIds)是将userIds拼接成字符串，以逗号分隔
     */
    List<User> users = userService.query().
            in("id", userIds.stream().map(Long::valueOf).collect(Collectors.toList()))
            .last("ORDER BY FIELD(id," + StrUtil.join(",", userIds) + ")").list();

    List<UserDTO> userDTOS = new ArrayList<>();//为了防止用户信息泄露所以只返回给前端用户基础信息

    users.forEach(user -> {
        UserDTO userDTO = new UserDTO();
        BeanUtil.copyProperties(user,userDTO,true);
        userDTOS.add(userDTO);
    });
    
    return Result.ok(userDTOS);
}

二、Feed流：

Feed流也叫关注推送，为用户持续推送消息的一种方式。

Feed流常见有两种实现模式：

Timeline：不做内容筛选，推送内容按照内容发布时间排序，例如微信朋友圈。
智能排序：利用推荐算法推送用户感兴趣的内容，例如抖音。

1.Feed流实现方案：

在redis中，可以为用户创建收件箱和发件箱：

收件箱：用来接收消息，推送给用户的消息保存在用户的收件箱中。
发件箱：用户自己的消息保存在该用户的发件箱中，用于发送消息。

1.1 拉模式（读扩散）：

每个用户只需维护发件箱，用户A发消息时服务器都会将该消息保存到用户A的发件箱中。用户B想要查看消息时，会从用户A的发件箱中获取消息。

优点：每条消息只存一份，节省redis内存空间

缺点：读消息要查发件箱，延迟高

1.2 推模式（写扩散）：

每个用户只需维护收件箱，用户A发消息时服务器都会将该消息推送到用户B的收件箱中。用户B想要查看消息时，只需要从自己的收件箱中获取消息。

优点：读消息速度快，延迟低

缺点：每条消息保存n份，非常占用redis内存空间

1.3 读写混合：

读写混合结合了推模式和拉模式的优点。

每个用户需维护发件箱和收件箱 。

用户A发消息时：

若接收该消息的用户太多（好友太多或粉丝太多），那么服务器都会将该消息保存到用户A的发件箱中。
- 更进一步设计，若用户A是用户B的特别关注，那么将消息保存到用户B的收件箱中。
- 若用户C是用户A的僵尸粉，或用户C不经常查看消息，那么将消息保存到用户A的发件箱中。
若接收该消息的用户很少，那么服务器都会将该消息保存到其他用户的收件箱中。

用户B想要查看消息时：

先查看自己的收件箱，再查看其他用户的发件箱。

具体可以灵活设计，例如如果用户是活跃用户那么可以把消息推到他的收件箱中，反之不经常刷抖音的用户没必要给他开辟收件箱，他想刷视频那么就去其他用户的发件箱中获取视频。新用户的话不能亏待他就用推模式，等用久了再杀熟。

此外，如果用户经常发高质量视频，那么完全可以用推模式，直接将通知推送到其他用户的手机中，反之低质量视频就不用推，拉模式节省内存就够了。

2.推模式实现将用户发布的动态推送给粉丝：

java 复制代码

@Override // 发布动态
public Result saveBlog(Blog blog) {
    // 获取登录用户
    UserDTO user = UserHolder.getUser();
    blog.setUserId(user.getId());
    // 保存动态
    save(blog);
    // 获取粉丝
    List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();
    if (follows != null && !follows.isEmpty()){
        // 获取粉丝id
        follows.forEach(follow -> {
            // 推送当前动态的id到所有粉丝的redis收件箱中
            stringRedisTemplate.opsForZSet().add("receive:"+follow.getUserId(),blog.getId().toString(),System.currentTimeMillis());
        });
    }
    // 返回id
    return Result.ok(blog.getId());
}

3.SortedSet滚动分页查询：

由于SortedSet是有序的，当按照插入时间排序时（当数据有序时 ），若按照下标分页 ，会出现如下问题：t1时刻读取时间最新的5条数据，则第一页数据为6~10。t2时刻插入了一条数据11，此时t3时刻会读取第二页数据，正常应该读取1~5，但是由于中途插入数据导致下标发生变化，导致数据下标混乱（本质） ，会重复的读数据6。如下图所示：

滚动分页的思想是：记录t1时刻读的最后一条数据6，t2时刻从6号数据的下一个数据，即5号数据开始读。如何记录每次查询的最后一条数据 ？可以按照元素进入集合的先后顺序给每个元素编号，元素的编号给定后就固定不变，每次记录读的最后一个数据的编号x （而非下标），然后给定偏移量offset为与x编号相同的元素个数 ，那么下一次从x-offset开始读。

java 复制代码

@Override // lastId:上一页的最小时间戳，也就是这一页的最大时间戳，开区间;offset:偏移量
public Result ofFollow(Long lastId, Integer offset) {
    // 按照score范围查询，查score范围在[0,lastId)即[0,lastId-1]中score最大的3条数据
    Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(
            "receive:" + UserHolder.getUser().getId().toString(),
            0,
            lastId,
            offset,
            3
    );
    if (typedTuples==null || typedTuples.isEmpty()){
        return Result.ok();//关注的用户没有发布动态
    }
    // 获取所有动态的blogId，以及该页的最小时间戳lastId，偏移量offset
    // blogId用于页面显示，lastId和offset作为下一页取数据的依据
    List<Long> blogIds = new ArrayList<>(typedTuples.size());
    long lastIdNextPage = 0;
    int offsetNextPage = 1;
    for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {
        // blogId
        blogIds.add(Long.valueOf(tuple.getValue()));
        // offsetNextPage为与lastIdNextPage相同的元素个数，其中lastIdNextPage为该页的最小编号（时间，其实重复的可能性很小）
        long time = tuple.getScore().longValue();
        if (time == lastIdNextPage){
            offsetNextPage ++;
        }else {
            offsetNextPage = 1;
        }
        // 记录该页的最小编号（时间，其实重复的可能性很小）
        lastIdNextPage = time;
    }

    // 根据blogIds查对应的动态信息
    List<Blog> blogs = query().
            in("id", blogIds)
            .last("ORDER BY FIELD(id," + StrUtil.join(",", blogIds) + ")").list();

    return Result.ok(new ScrollResult(blogs,lastIdNextPage,offsetNextPage));
}

其实可以简单抽象为一个算法问题：给定一个包含数字1-10的数组，数组元素有序排列，从数组末尾向前遍历，规定每一轮输出3个元素，不同轮次之间输出的元素不能有重复，轮次内的元素可以重复，输出各轮次的元素。

Redis：Feed流、SortedSet实现点赞人排序、SortedSet滚动分页

目录

一、SortedSet点赞模块：

1. 点赞功能实现：

2. 按照点赞时间将点赞人排序：

二、Feed流：

1.Feed流实现方案：

1.1 拉模式（读扩散）：

1.2 推模式（写扩散）：

1.3 读写混合：

2.推模式实现将用户发布的动态推送给粉丝：

3.SortedSet滚动分页查询：