好友关注

要点：

Feed流的使用

1.1 关注和取关

1.1.1 需求

基于该表结构，需要实现两个接口：

关注和取关接口
判断是否关注的接口
关注是User之间关系，博主和粉丝是多对多的关系，一个博主可以有多个粉丝，一个粉丝也可以关注多个博主，所以抽离出来一张 tb_follow 表来表示：

1.2 共同关注

代码：

java

@Override
public Result followCommons(Long id) {
    // 1. 获取当前登录用户ID
    UserDTO dto = UserHolder.getUser();
    if (dto == null) {
        return Result.fail("请先登录");
    }
    Long userId = dto.getId();

    // 2. 使用 Set 求博主和当前登录用户关注的共同用户
    String bloggerKey = "follow:" + id;
    String userKey = "follow:" + userId;
    Set<String> intersect = stringRedisTemplate.opsForSet().intersect(bloggerKey, userKey);
    if (intersect == null || intersect.isEmpty()) {
        return Result.ok(Collections.emptyList());
    }
    List<Long> idList = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
    List<UserDTO> dtoList = userService.listByIds(idList)
            .stream()
            .map(user -> BeanUtil.copyProperties(user, UserDTO.class))
            .collect(Collectors.toList());
    return Result.ok(dtoList);
}

1.3 关注推送

1.3.1 背景

关注推送也叫做Feed流，直译为投喂，为用户持续提供“沉浸式”的体验，通过无限下拉刷新获取新消息。
Feed流模式
Feed流实现方案
- 拉模式：也叫读扩散，用户拉取Feed流，优点是节省内存空间，缺点是延迟高，时间换空间
- 推模式：也叫写扩散，将Feed流写到关联用户的收件箱中，优点是延迟低，缺点是重复写占用空间，空间换时间
- 推拉结合模式：大致原则是优化用户的体验，达到延迟低的效果，对于普通用户发的消息，直接使用推模式，此类用户占用内存较少；对于大V发的消息，对大V的活跃粉丝使用推模式，对大V的普通粉丝使用拉模式。
- 三种模式对比
  本例使用推模式。

1.3.2 代码实现

需求
实现思路
- Feed流分页查询传统分页是指基于角标访问，如 ZSet Range函数，在数据插入时，数据的角标会有变化，导致分页困难
- 滚动查询实现基本思路
  ZREVRANGEBYSCORE key max min [WITHSCORES] [LIMIT offset count] ：根据分数范围查询集合，max为分数最大值，min为分数最小值，降序排列
  先执行第一条命令，1000改为当前时间戳，查询出时间最靠前的几条记录，然后记录当前查询记录中的最小值，以该条记录为基准，再进行下一次的查询
- 滚动查询的参数问题
  count是与前端约定好了的，offset的值取决于你在“当前这页结果”中，查到了几个与最小值重复的元素，并且要加一个判断逻辑：
  - 如果本次查询的最小分数 == 上次的分数，则 nextOffset = lastOffset + count；
  - 如果分数变了，则 nextOffset = count。
  (这里的 count 是指本次结果中与最小分数相同的元素个数)

具体实现

接口信息：

代码：

java

    public Result queryBlogOfFollow(Long max, Integer offset) {
        // 1. 获取当前用户
        UserDTO dto = UserHolder.getUser();
        if (dto == null) {
            return Result.fail("请先登录！");
        }
        Long userId = dto.getId();
        // 2. 查询收件箱
        String key = FEED_KEY + userId;
        // 3. ZREVRANGEBYSCORE key max 0 WITHSCORES LIMIT offset 3
        Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 2);
        if (typedTuples == null || typedTuples.isEmpty()) {
            return Result.ok();
        }
        // 4. 解析数据 blogId 时间戳
        List<Long> blogs = new ArrayList<>(typedTuples.size());
        long minTime = 0L;
        int offsetIndex = 1;
        for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {
            blogs.add(Long.valueOf(typedTuple.getValue()));
            // 时间戳
            long time = typedTuple.getScore().longValue();
            if (minTime == time) {
                // 如果和最小值时间戳重复，偏移量 + 1
                offsetIndex++;
            } else {
                // 不一样说明当前时间戳不是最小值，偏移量重新数
                minTime = time;
                offsetIndex = 1;
            }
        }
        if (minTime == max){
            offsetIndex += offset;
        }
        // 5. 根据获得的 blogId 查询博客
        String idStr = StrUtil.join(",", blogs);
        List<Blog> blogList = query().in("id", blogs).last("ORDER BY FIELD(id," + idStr + ")").list();

        blogList.forEach(blog -> {
            // 5.1 查询博客用户信息
            queryBlogUser(blog);
            // 5.2 查询博客是否被点赞
            isBlogLiked(blog);
        });

        // 6. 封装结果返回
        ScrollResult scrollResult = new ScrollResult();
        scrollResult.setOffset(offsetIndex);
        scrollResult.setList(blogList);
        scrollResult.setMinTime(minTime);
        return Result.ok(scrollResult);
    }

好友关注 ​

1.1 关注和取关 ​

1.1.1 需求 ​

1.2 共同关注 ​

1.3 关注推送 ​

1.3.1 背景 ​

1.3.2 代码实现 ​

好友关注

1.1 关注和取关

1.1.1 需求

1.2 共同关注

1.3 关注推送

1.3.1 背景

1.3.2 代码实现