Redis实现关注与取关、共同关注、关注推送功能

一、关注与取关

/**
     * 关注与取消关注
     * @param followUserId 被关注人id
     * @param isFollow true 关注 false 取关
     * @return Result
     */ 
    @Override
    public Result follow(Long followUserId, Boolean isFollow) {
        // 1.获取登录用户
        Long userId = UserHolder.getUser().getId();
        String key = "follows:" + userId;
        // 1.判断到底是关注还是取关
        if (isFollow) {
            // 2.关注，新增数据
            Follow follow = new Follow();
            follow.setUserId(userId);
            follow.setFollowUserId(followUserId);
            boolean isSuccess = save(follow);
            if (isSuccess) {
                // 把关注用户的id，放入redis的set集合 sadd userId followerUserId
                stringRedisTemplate.opsForSet().add(key, followUserId.toString());
            }
        } else {
            // 3.取关，删除 delete from tb_follow where user_id = ? and follow_user_id = ?
            boolean isSuccess = remove(new QueryWrapper()
                    .eq("user_id", userId).eq("follow_user_id", followUserId));
            if (isSuccess) {
                // 把关注用户的id从Redis集合中移除
                stringRedisTemplate.opsForSet().remove(key, followUserId.toString());
            }
        }
        return Result.ok();
    }

二、共同关注

利用Redis SET结构中的SINTER命令，取两个用户关注的交集

/**
     * 查看笔记发布者 共同关注
     * @param id 笔记发布人id
     * @return Result
     */
    @Override
    public Result followCommons(Long id) {
        // 1.获取当前用户
        Long userId = UserHolder.getUser().getId();
        String key = "follows:" + userId;
        // 2.求交集
        String key2 = "follows:" + id;
        Set intersect = stringRedisTemplate.opsForSet().intersect(key, key2);
        if (intersect == null || intersect.isEmpty()) {
            // 无交集
            return Result.ok(Collections.emptyList());
        }
        // 3.解析id集合
        List ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
        // 4.查询用户
        List users = userService.listByIds(ids)
                .stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());
        return Result.ok(users);
    }

三、关注推送

Feed流的模式：

• Timeline：不做内容筛选，简单的按照内容发布时间排序，常用于还有或关注。例如朋友圈
  • 优点：信息全面，不会有丢失。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

Timeline实现方案：

• 拉模式：也叫读扩散。
  • 优点：用户收件箱读取后不用存储，只需存储用户发件箱消息，比较节省内存空间
  • 缺点：如果关注用户过多，需读取消息过多，用户收件箱需要根据时间排序操作，耗时就会比较久

• 推模式：也叫写扩散。
  • 优点：会自动推送到粉丝的收件箱中并做好时间排序，不用再去主动读取并排序
  • 缺点：内存占用高，消息需要发送多份

• 推拉结合模式：也叫做读写混合，兼具推和拉两种模式的优点。

根据情况去判断采用哪种模式，活跃用户采取推模式，实时推送；普通不常上线用户采用拉模式，用户去主动读取收件箱消息。

三种模式对比：

-	拉模式	推模式	推拉结合
写比例	低	高	中
读比例	高	低	中
用户读取延迟	高	低	低
实现难度	复杂	简单	很复杂
使用场景	很少使用	用户量少、没有大V	过千万的用户量，有大V

3.1 Feed流的分页问题

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。

3.1.1 解决方案：滚动分页

查询不依赖数据角标进行查询，Redis List结构只能根据角标查询，所以可以利用SortedSet中的Score值，根据时间戳进行倒叙，每次记录数据条数最小的时间戳，然后下次查询比该时间戳小的数据，就能实现滚动分页。

3.1.2 发布笔记，推送消息至粉丝收件箱

    public Result saveBlog(Blog blog) {
        // 1.获取登录用户
        UserDTO user = UserHolder.getUser();
        blog.setUserId(user.getId());
        // 2.保存探店笔记
        boolean isSuccess = save(blog);
        if(!isSuccess){
            return Result.fail("新增笔记失败!");
        }
        // 3.查询笔记作者的所有粉丝 select * from tb_follow where follow_user_id = ?
        List follows = followService.query().eq("follow_user_id", user.getId()).list();
        // 4.推送笔记id给所有粉丝
        for (Follow follow : follows) {
            // 4.1.获取粉丝id
            Long userId = follow.getUserId();
            // 4.2.推送
            String key = FEED_KEY + userId;
            stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
        }
        // 5.返回id
        return Result.ok(blog.getId());
    }

3.1.3 滚动分页查询收件箱的消息

# 根据score值倒叙排列取对应区间的值
key：标识key
max：score最大值
min：score最小值
WITHSCORES：是否带上分数
LIMIT offset count：分页查询条数
offset：偏移量 在上一次的结果中，与最小值一样的元素的个数
count：条数


ZREVRANGEBYSCORE key max min [WITHSCORES] [LIMIT offset count]
  summary: Return a range of members in a sorted set, by score, with scores ordered from high to low
  since: 2.2.0

代码实现：

# 返回对象

@Data
public class ScrollResult {

    // 笔记数据
    private List list;
    // 上一次消息最小时间戳
    private Long minTime;
    // 偏移量
    private Integer offset;
}

    # 根据Redis ZSET结构实现滚动分页
    public Result queryBlogOfFollow(Long max, Integer offset) {
        // 1.获取当前用户
        Long userId = UserHolder.getUser().getId();
        // 2.查询收件箱 ZREVRANGEBYSCORE key Max Min LIMIT offset count
        String key = FEED_KEY + userId;
        Set> typedTuples = stringRedisTemplate.opsForZSet()
                .reverseRangeByScoreWithScores(key, 0, max, offset, 2);
        // 3.非空判断
        if (typedTuples == null || typedTuples.isEmpty()) {
            return Result.ok();
        }
        // 4.解析数据：blogId、minTime（时间戳）、offset
        List ids = new ArrayList<>(typedTuples.size());
        long minTime = 0; // 2
        int os = 1; // 2
        for (ZSetOperations.TypedTuple tuple : typedTuples) { // 5 4 4 2 2
            // 4.1.获取id
            ids.add(Long.valueOf(tuple.getValue()));
            // 4.2.获取分数(时间戳）
            long time = tuple.getScore().longValue();
            if(time == minTime){
                os++;
            }else{
                minTime = time;
                os = 1;
            }
        }

        // 5.根据id查询blog
        String idStr = StrUtil.join(",", ids);
        List blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();

        for (Blog blog : blogs) {
            // 5.1.查询blog有关的用户
            queryBlogUser(blog);
            // 5.2.查询blog是否被点赞
            isBlogLiked(blog);
        }

        // 6.封装并返回
        ScrollResult r = new ScrollResult();
        r.setList(blogs);
        r.setOffset(os);
        r.setMinTime(minTime);

        return Result.ok(r);
    }