黑马点评-Feed流的实现方案,基于推拉结合模式实现笔记推送

本文介绍: 黑马点评-Feed流的实现方案,基于推拉结合模式实现笔记推送

我们关注了博主之后,当用户发布了动态后我们应该把这些数据推送给粉丝,关注推送也叫作Feed(投喂)流,通过无限下拉刷新获取新的信息

`Feed流实现的两种模式`

Timeline: 对发布的信息不做内容筛选,简单的按照内容发布时间排序,常用于好友或关注(朋友圈等)

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，推送用户感兴趣的信息来吸引用户

个人页面一般就是基于关注的好友来做Feed流,因此采用Timeline方式只需要拿到我们关注用户的发布的内容然后按照时间排序即可

在这里插入图片描述

拉模式也叫读扩散,每个用户都有自己的发件箱和收件箱

`推送笔记ID到粉丝收件箱`

// 在RedsiConstants类声明一个常量作为用户收件箱的前缀
public static final String FEED_KEY = "feed:";

@Resource
private IFollowService followService;
@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");
    }
    // 条件构造器
    LambdaQueryWrapper<Follow> queryWrapper = new LambdaQueryWrapper<>();
    // 从follow表中查找博主的所有粉丝select * from follow where follow_user_id = user_id
    queryWrapper.eq(Follow::getFollowUserId, user.getId());
    List<Follow> follows = followService.list(queryWrapper);
    for (Follow follow : follows) {
        // 获取粉丝Id
        Long userId = follow.getUserId();
        // 推送发布笔记的Id到每个粉丝的收件箱(score值是当前时间戳),每个粉丝都有一个自己的收件箱
        String key = FEED_KEY + userId;
        stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
    }
    // 返回笔记的id
    return Result.ok(blog.getId());
}

`查询推送笔记`

ZREVRANGEBYSCORE key 最大值范围最小值范围 WITHSCORES LIMIT offSet(偏移量) 查询到的个数: 获取指定的score 范围内的元素并按照降序排序

@Data
public class ScrollResult {
    // 封装查询到的数据
    private List<?> list;
    // 记录本次查询的最小时间戳,作为下一次查询的最大值(起始值)
    private Long minTime;
    // 记录偏移量
    private Integer offset;
}

@GetMapping("/of/follow")
// 由于第一次查询的时候没有传递offset参数,可以设置默认值为0
public Result queryBlogOfFollow(
    	@RequestParam("lastId") Long max, @RequestParam(value = "offset",defaultValue = "0") Integer offset){
    return blogService.queryBlogOfFollow(max,offset);
}

@Override
public Result queryBlogOfFollow(Long max, Integer offset) {
    //1. 获取当前用户的Id
    Long userId = UserHolder.getUser().getId();
    //2. 查询该用户的收件箱获取该用户对应的SortedSet集合中所有的笔记Id及score值看是否有关注的博主发了笔记
    String key = FEED_KEY + userId;
    Set<ZSetOperations.TypedTuple<String>> typeTuples = stringRedisTemplate.opsForZSet()
            .reverseRangeByScoreWithScores(key, 0, max, offset, 2);
    //3. 非空判断
    if (typeTuples == null || typeTuples.isEmpty()){
        return Result.ok(Collections.emptyList());
    }
    //4. 获取SortedSet集合中所有的笔记Id及score值,List集合的大小和Set集合一致,可以略微提高效率避免长度重置
    ArrayList<Long> ids = new ArrayList<>(typeTuples.size());
    // 保存最小的时间戳
    long minTime = 0;
    // 记录最小时间戳的个数即偏移量
    int os = 1;
    for (ZSetOperations.TypedTuple<String> typeTuple : typeTuples) {
        //4.1 获取推送的Blog的Id
        String id = typeTuple.getValue();
        ids.add(Long.valueOf(id));
        //4.2 将笔记对应的score(时间戳)转换为long类型
        long time = typeTuple.getScore().longValue();
        if (time == minTime){// 如果当前的时间戳等于最小时间戳则最小时间戳个数+1
            os++;
        }else {// 如果当前时间戳不等于最小时间戳,则把当前时间作为最小时间戳同时把最小时间戳的个数重置为1
            minTime = time;
            os = 1;
        }
    }
    // 解决MySQL的in语句的自动按照id大小的排序问题，手动指定排序方式为传入的ids集合中的顺序
    String idsStr = StrUtil.join(",");
    //5. 根据推送的ids集合查询所有的blog
    List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idsStr + ")").list()
    for (Blog blog : blogs) {
        //5.1 查询发布该blog的用户信息
        queryBlogUser(blog);
        //5.2 查询当前用户是否给该blog点过赞
        isBlogLiked(blog);
    }
    //6. 封装结果并返回
    ScrollResult scrollResult = new ScrollResult();
    scrollResult.setList(blogs);
    scrollResult.setOffset(os);
    scrollResult.setMinTime(minTime);
    return Result.ok(scrollResult);
}