Redis：原理速成+项目实战——Redis实战12（好友关注、Feed流（关注推送）、滚动分页查询）

👨‍🎓作者简介：一位大四、研0学生，正在努力准备大四暑假的实习
🌌上期文章：Redis：原理速成+项目实战——Redis实战11（达人探店（Redis实现点赞、热榜））
📚订阅专栏：Redis：原理速成+项目实战
希望文章对你们有所帮助

上一节用Redis实现了对笔记的点赞，现实生活中当访问其他用户的笔记的时候，一般也会有个关注该用户的按钮，比如你可以写这篇博客的作者点点关注，嘻嘻嘻。

除了简单的关注和取关，还可以在用户之间查看到共同关注的用户，并实现关注推送，最后粉丝查看消息推送的时候要能够实现滚动分页查询，这样看起来更符合现实的社交类APP。

这一部分有些内容就是单纯的CRUD，不得不说做CRUD真是爽，简单且不耗时间，后面的滚动分页查询细节还是有点多的。

关注和取关

当我们点击关注/取关按钮的时候，将会发起请求，请求包含被关注用户的id，以及true或false来分别表示你的动作是关注还是取关。
因此，当我们打开笔记的详情页的时候，就应该要主动发起一个GET请求，携带信息，来表示你有没有关注过当前用户。
基于此，我们要实现2个接口：

1、关注和取关
2、判断是否关注

用户之间是多对多之间的关系，需要一个中间表tb_follow：

我以前做项目的时候都是喜欢在这里加一个boolean字段，关注了就true否则就false，但是这边没有这个字段，我也不做修改了，就这么做下去，当取关的时候就直接删除这条数据就好了。
这个业务其实就是增删改查，非常简单。

FollowController：

@RestController
@RequestMapping("/follow")
public class FollowController {

    @Resource
    private IFollowService followService;

    @PutMapping("/{id}/{isFollow}")
    public Result follow(@PathVariable("id") Long followUserId, @PathVariable("isFollow") Boolean isFollow){
        return followService.follow(followUserId, isFollow);
    }

    @GetMapping("/or/not/{id}")
    public Result isFollow(@PathVariable("id") Long followUserId){
        return followService.isFollow(followUserId);
    }
}

FollowServiceImlp：

@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {

    @Override
    public Result follow(Long followUserId, Boolean isFollow) {
        Long userId = UserHolder.getUser().getId();
        //判断当前状态是关注还是取关
        if(isFollow){
            //关注，新增数据
            Follow follow = new Follow();
            follow.setUserId(userId);
            follow.setFollowUserId(followUserId);
            save(follow);
        }else{
            //取关，删除数据
            remove(new QueryWrapper<Follow>()
                    .eq("user_id", userId).eq("follow_user_id", followUserId));
        }
        return Result.ok();
    }

    @Override
    public Result isFollow(Long followUserId) {
        Long userId = UserHolder.getUser().getId();
        //查询是否关注
        Integer count = query().eq("user_id", userId).eq("follow_user_id", followUserId).count();
        return Result.ok(count > 0);
    }
}

用户主页

当在笔记中点击该用户头像的时候会跳转到其主页：

在这里我们应该要发起2个GET请求：
1、根据该用户的id查询该用户
2、查询该用户的所有笔记
其实还是一通增删改查。

UserController：

	@GetMapping("/{id}")
    public Result queryUserById(@PathVariable("id") Long userId){
        return userService.queryUserById(userId);
    }

UserServiceImpl：

	@Override
    public Result queryUserById(Long userId) {
        User user = getById(userId);
        if(user == null){
            return Result.ok();
        }
        UserDTO userDTO = BeanUtil.copyProperties(user, UserDTO.class);
        return Result.ok(userDTO);
    }

BlogController：

	@GetMapping("of/user")
    public Result queryBlogByUserId(
            @RequestParam(value = "current", defaultValue = "1") Integer current,
            @RequestParam("id") Long id){
        return blogService.queryBlogByUserId(current, id);
    }

BlogServiceImpl：

	@Override
    public Result queryBlogByUserId(Integer current, Long id) {
        //根据用户查询笔记
        Page<Blog> page = query()
                .eq("user_id", id).page(new Page<>(current, SystemConstants.MAX_PAGE_SIZE));
        //获取当前页信息
        List<Blog> records = page.getRecords();
        return Result.ok(records);
    }

Redis实现共同关注

这个功能的实现思路也很容易，因为我们已经拥有了当前用户以及写文章用户的id，都根据id查询关注以后，求个交集即可。
为了提高性能，在Redis中选用set来做，set也拥有求交集的命令。
但是，这就有一个问题，要实现交集，我们首先要找到这两个用户对应的set集合，所以每当用户点击关注功能的时候，都应该将自己关注的这个用户id保存到Redis中去，这样会方便我们后序实现共同关注功能的查询。

改造关注功能

每次关注的时候，关注对象除了要放在数据库中，还要放到Redis中：

	@Resource
    private StringRedisTemplate stringRedisTemplate;

    @Override
    public Result follow(Long followUserId, Boolean isFollow) {
        Long userId = UserHolder.getUser().getId();
        String key = "follows:" + userId;
        //判断当前状态是关注还是取关
        if(isFollow){
            //关注，新增数据
            Follow follow = new Follow();
            follow.setUserId(userId);
            follow.setFollowUserId(followUserId);
            boolean isSuccess = save(follow);
            if(isSuccess){
                //放入集合
                stringRedisTemplate.opsForSet().add(key, followUserId.toString());
            }
        }else{
            //取关
            boolean isSuccess = remove(new QueryWrapper<Follow>()
                    .eq("user_id", userId).eq("follow_user_id", followUserId));
            if(isSuccess){
                //从Redis中移出关注用户的id
                stringRedisTemplate.opsForSet().remove(key, followUserId.toString());
            }
        }
        return Result.ok();
    }

实现共同关注

FollowServiceImpl：

	@Override
    public Result followCommons(Long id) {
        Long userId = UserHolder.getUser().getId();
        String key1 = "follows:" + userId;
        String key2 = "follows:" + id;
        Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key1, key2);
        if(intersect == null || intersect.isEmpty()){
            return Result.ok(Collections.emptyList());
        }
        //将id解析成Long型
        List<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
        //查询用户，需要注入IuserService类，查询出来再转成DTO
        List<UserDTO> users = userService.listByIds(ids)
                .stream()
                .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
                .collect(Collectors.toList());
        return Result.ok(users);
    }

Feed流（关注推送）

方案分析

关注推送也叫Feed流，也叫投喂，为用户持续提供体验，通过无线下拉刷新获取新信息。
Feed不再是用户自行去查询内容，而是内容自动推送匹配给用户。
Feed流产品有2种常见模式：

TimeLine：不做内容筛选，简单按照发布时间排序，常用于好友或关注
（1）优点：信息全面，不会有缺失，实现简单
（2）缺点：信息噪音多，用户不一定感兴趣
智能排序：利用智能算法屏蔽违规的、用户不感兴趣的内容。推送用户感兴趣信息
（1）优点：投喂用户感兴趣信息，用户粘度很高，容易沉迷
（2）缺点：若算法不精准，可能起反作用

这里是基于好友的Feed流，所以使用TimeLine模式，要做智能排序的话要自行去研究智能算法，这个还是要花不少时间看看论文啥的。TimeLine模式的实现方案有3种：
（1）拉模式（读扩散）：每个用户发完就放在发件箱，要读的时候就把所有关注的人的消息都读出来
（2）推模式（写扩散）：发完笔记直接就推给每个粉丝的收件箱，收件箱做排序
（3）推拉结合：读写混合，结合两种模式的优点（活跃粉丝的用推模式，普通粉丝用拉模式）

因此，对于有大V的那类社交软件（例如围脖），最好的方式是，当一个用户发笔记的时候，要能直接发到其活跃粉丝的收件箱中，同时自己的邮件也发送到自己的发件箱中，当普通的用户要读取自己的笔记的时候再拿出来。
在这个项目里，将会使用推模式，当每个人发表探店笔记的时候，都需要推送笔记id到其粉丝的收件箱中，粉丝需要的时候就根据这个id即可查询到笔记。
我们可以利用Redis的数据结构来实现需求：

收件箱要根据时间戳排序，需要用Redis的数据结构，容易想到SortedSet。
查收件箱时，要能够分页查询，需要数据集合有角标，容易想到List。

虽然SortedSet没有分页查询需要的角标，但SortedSet却具有排名性质。又因为Feed流的数据是会不断更新的，数据角标也会变化，因此不能用传统的分页模式。
传统分页会出现重复读取的情况：

因此需要使用滚动分页查询：

因此，我们应该使用SortedSet，并且根据score来查询。

推送到粉丝收件箱

修改saveBlog的业务，使其能够推送到收件箱：

	public Result saveBlog(Blog blog) {
        UserDTO user = UserHolder.getUser();
        blog.setUserId(user.getId());
        boolean isSuccess = save(blog);
        if(!isSuccess){
            return Result.fail("新增笔记失败");
        }
        //查询粉丝
        List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();
        //推送id给粉丝
        for (Follow follow : follows) {
            //获取粉丝Id
            Long userId = follow.getUserId();
            //推送到粉丝的收件箱（SortedSet）
            String key = "feed:" + userId;
            stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
        }
        return Result.ok(blog.getId());
    }

再发一条，粉丝可以在收件箱中看到：

滚动分页查询收件箱

已经推送，现在需要粉丝来查询。需要再熟悉一下SortedSet的一些相关命令，可以看我之前的文章：
Redis常见命令

思路

如果我们根据角标来查询（ZREVRANGE），就会出现重复查询的情况，因此应该要以分数来查询（ZRANGEBYSCORE），下一页的查询直接根据上一页查询中分数的最小值的角标位置即可。

ZREVRANGEBYSCORE key MAX_SOCRE MIN_SOCRE WITHSCORES LIMIT L R
表示查询分数区间在(MAX_SCORE, MIN_SOCRE]的元素中的[L, R)之间的元素

由于时间戳可能是会有一样的，所以查询出来的结果，要查询起来还得用(L,R]来跳过，根据业务，可以将滚动分页查询设置为：

MAX_SOCRE：上一次查询的最小时间戳 | 当前时间戳（若是第一页的话，当前时间戳一定会大于容器内所有score）
MIN_SCORE：0
offset：在上一次的结果中，与最小值一样的元素的个数 | 0（第一页第一次查询）
count：固定的指定查几条

在个人主页的“关注”中，携带上一次查询的最小时间戳与偏移量，使用GET查询推送的Blog，并返回List<Blog>、本次查询的最小时间戳以及偏移量。

实现

1、封装一下返回值：

@Data
public class ScrollResult {
    private List<?> list;//定义成泛型
    private Long minTime;
    private Integer offset;
}

BlogController：

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

BlogServiceImpl：

@Override
    public Result queryBlogOfFollow(Long max, Integer offset) {
        //获取当前用户，查询其收件箱
        Long userId = UserHolder.getUser().getId();
        String key = FEED_KEY + userId;//FEED_KEY = "feed:"
        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，blogId、minTime、offset
        List<Long> ids = new ArrayList<>(typedTuples.size());
        long minTime = 0;
        int os = 1;//数一下最小值的个数
        for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {
            //获取BlogId
            String idStr = tuple.getValue();
            ids.add(Long.valueOf(idStr));
            //获取分数（时间戳）
            long time = tuple.getScore().longValue();
            if(time == minTime) os++;
            else{
                minTime = time;
                os = 1;
            }
        }
        //查询blog，因为mysql会用IN来查询，所以需要指定OrderBY
        String idStr = StrUtil.join(",", ids);
        List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
        //blog要带上自己是否点赞过的信息
        for (Blog blog : blogs) {
            //查询blog相关用户
            queryBlogUser(blog);
            //查询blog是否被点赞
            isBlogLiked(blog);
        }

        //封装返回
        ScrollResult r = new ScrollResult();
        r.setList(blogs);
        r.setOffset(os);
        r.setMinTime(minTime);
        return Result.ok(r);
    }

这时候关注的人再发一条笔记，往下滚动看不见，但是网上滚动即可刷新，然后发现这一条：