黑马点评项目实战（八）——Feed流

Feed流

关注推送也叫Feed流，通过无限下拉刷新获取新的信息。

常见两种模式：

Feed流的实现方案

拉模式（读扩散）

消息先发布到发件箱，收件箱一开始为空，关注者每次读取时拉取所有消息，然后按时间戳排序。

优点：节省内存空间，收件箱读取完后可以清空

缺点：每次读取需要重新拉消息并排序，耗时较久。

推模式（写扩散）

消息直接发送到每个关注者的收件箱，可以直接读取。

优点：不需要临时拉取，延迟低。

缺点：内存占用高，每个消息要写多份。

推拉结合模式（读写混合）

对于大V，采用拉模式，消息先发件箱，等待拉取。对于普通人，采用推模式，消息直接推到关注者的收件箱中。

对于活跃粉丝，采用推模式，所有人的消息（包括大V）都会直接发到其收件箱中。而对于普通粉丝，只有读取时才会去拉取消息。

	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

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。

Feed流的滚动分页

为了实现滚动分页效果，使用redis中的sorted set数据结构来存储消息和时间戳。

使用命令 ZREVRANGEBYSCORE key max min WITHSCORES LIMIT offset count

max：当前时间戳 | 上一次查询的最小时间戳

min：0

offset：0 | 上一次查询中，与最小值一样的元素个数

count：3