Feed流（关注推送）

介绍

关注推送也叫做Feed流，直译为投喂。为用户持续的提供"沉浸式"的体验，通过无限下拉刷新获取新的信息。

Feed流产品有两种常见模式：

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。例如朋友圈
- 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
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。推送用户感兴趣信息来吸引用户
- 优点：投喂用户感兴趣信息，用户粘度很高，容易沉迷
- 缺点：如果算法不精准，可能起到反作用

本例中的个人页面，是基于关注的好友来做Feed流，因此采用Timeline的模式。该模式的实现方案有三种：

拉模式（读扩散）
推模式（写扩散）
推拉结合（读写混合）：兼具推和拉两种模式的优点。

三种模式的详情以及对比可看：实战篇-07.好友关注-Feed流实现方案分析_哔哩哔哩_bilibili

本文是通过推模式来实现关注推送功能

推送实现

java 复制代码

@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
    boolean isSuccess = save(blog);
    if(!isSuccess) {
        return Result.fail("新增笔记失败！");
    }
    // 查询笔记作者的所有粉丝
    List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();
    // 推送笔记id给所有粉丝
    for (Follow follow : follows) {
        // 获取粉丝id
        Long userId = follow.getUserId();
        // 推送
        String key = "feed:" + userId;
        stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
    }
    // 返回id
    return Result.ok(blog.getId());
}

逻辑并不复杂

滚动分页实现

分页问题

Feed流中的数据会不断更新，所以数据的角标也在变化，因此不能采用传统的分页模式，而是采用滚动分页的方式

详见：实战篇-09.好友关注-滚动分页查询收件箱的思路_哔哩哔哩_bilibili

代码实现

java 复制代码

@Override
public Result queryBlogOfFollow(Long max, Integer offset) {
    // 获取当前用户
    Long userId = UserHolder.getUser().getId();
    // 查询收件箱
    String key = RedisConstants.FEED_KEY + userId;
    Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
            .reverseRangeByScoreWithScores(key, 0, max, offset, 2);
    if (typedTuples == null || typedTuples.isEmpty())
        return Result.ok();
    // 解析数据
    List<Long> ids = new ArrayList<>(typedTuples.size());
    long minTime = 0;
    int os=1;
    for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {
        // 获取笔记id
        ids.add(Long.valueOf(typedTuple.getValue()));
        // 获取分数
        long time = typedTuple.getScore().longValue();
        if(time == minTime)
            os++;
        else {
            os=1;
            minTime = time;
        }
    }
    // 根据id查询笔记
    List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + StrUtil.join(",", ids) + ")").list();
    blogs.forEach(blog -> {
        // 查询用户
        queryBlogUser(blog);
        // 查询blog是否被点赞
        isBlogLiked(blog);
    });
    // 封装并返回
    ScrollResult scrollResult = new ScrollResult();
    scrollResult.setList(blogs);
    scrollResult.setMinTime(minTime);
    scrollResult.setOffset(os);
    return Result.ok(scrollResult);
}

请求参数

max：上一次查询的最小时间戳

offset：偏移量

返回值里scrollResult会把当前查询后的max和offset返回给前端，下一次查询的参数就是通过这次的返回值得到的