关注:分析业务需求
关注这个业务是用户之间的,一个用户可以关注多个用户,所以,他们的关系是多对多的,对于多对多的关系,我们需要用一张中间表来维系他们的关系,所以,它的表结构为:
这样,关注和取消关注的基本流程就清晰了,但是,这样我们怎么知道哪些是共同关注的呢?
思路:
就是找出我关注的人,和另一个people关注的人,然后找一个交集,这样不就可以实现了吗?
那么全部用数据库来实现,方便吗?
纯数据库:两个select找,再判断交集,这样显然是低效和缓慢的
所以,我们用redis来进行优化。
步骤:
1.以用户id为名建立set集合,这样每次关注就将被关注者id放入set集合中
2.查找共同关注,只需要用reids中set集合的交集命令即可
这样,我们就可以快速的实现业务了。
流程图:
关注和取消关注
代码:
@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<Follow>()
.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();
}
共同关注:
@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<String> 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<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
// 4.查询用户
List<UserDTO> users = userService.listByIds(ids)
.stream()
.map(user -> BeanUtil.copyProperties(user, UserDTO.class))
.collect(Collectors.toList());
return Result.ok(users);
}
feed流
设置关注博主的目的,当然是为了获取到博主的实时更新的内容
什么是feed流?
当然,我们小白做智能排序还是有点难度,所以,这次我们就按timeline来进行初步的理解。
Feed流有三种模式:
1.模式
被关注的博主在发布文章时,将文章id和发布的时间信息保存到收件箱中(这里的发件箱,收件箱可以是redis中的sorted set类型来实现)这样粉丝获取博主文章时,从博主发件箱中拉取文章标志信息,通过时间排序,即可
优点:节省内存空间
缺点:耗时久
2.推模式
推模式相比拉模式,去掉了发件箱,当博主发布文章时,直接推送到粉丝的收件箱中
优点:耗时低
缺点:内存占用高
3.推拉结合模式
将粉丝多的大v使用拉模式,对于粉丝数量少的使用拉模式
一般软件由于流量少,一般是采用推模式,大厂软件流量高,采用推拉结合模式
推模式代码实现:
// 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
@Override
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<ZSetOperations.TypedTuple<String>> 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<Long> ids = new ArrayList<>(typedTuples.size());
long minTime = 0; // 2
int os = 1; // 2
for (ZSetOperations.TypedTuple<String> 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<Blog> 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);
}