本文介绍如何使用Redis实现社交应用中的关注、取关、共同关注及关注推送等功能，包括具体的实现逻辑与代码示例。
【Redis】hmdp关注取关、共同关注、关注推送功能实现
文章目录
1. 关注取关功能实现
进入任意一篇笔记的详情页面，我们可以选择是否关注该笔记的作者：
关于这个“关注”功能的实现，有两点问题需要注意：
- 判断用户是否关注作者
- 如何实现关注/取关用户
1.1 问题分析
1.1.1 判断用户是否关注作者
针对于第一个问题——“判断用户是否关注作者”。
我们在进入笔记详情页面的时候前端就需要发送一个请求，查看用户是否关注了笔记作者。如果关注了，返回true，否则返回false。
随着问题的分析，我们又引出了另一个问题，就是用户和笔记作者之间如何存储在数据库中？我们新建一个follow表，用户和笔记作者之间的存储关系为1对多。数据表结构如下所示：
代码如下：
@Override
public Result isFollow(Long followUserId) {
//1.获取登录用户
Long userId = UserHolder.getUser().getId();
//2.查询是否关注
int count = lambdaQuery().eq(Follow::getUserId, userId).eq(Follow::getFollowUserId, followUserId).count();
return Result.ok(count > 0);
}
需要用户id和笔记作者id同时符合条件才能确定他们俩是否具有关注关系。
1.1.2 如何实现关注/取关用户
对于第二个问题——“如何实现关注/取关用户”。
在第一个问题实现后，如果用户已关注返回true，否则返回false。
如果返回true，则按钮显示为：
否则，按钮显示为：
思路分析：
用户和笔记作者在redis中是如何存储的？我们还是以用户id为key，以笔记作者的id为值。我们采用Redis中的Set结构，保证了一个用户对一个笔记作者只能关注一次。并且也方便后面“共同关注”功能的实现。
代码如下：
@Override
public Result follow(Long followUserId, Boolean isFollow) {
//1.获取登录用户
Long userId = UserHolder.getUser().getId();
String key = "follows:" + userId;
//2.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);
//被关注者
follow.setFollowUserId(followUserId);
boolean isSuccess = save(follow);
if (isSuccess) {
//把关注用户的id，放入redis的set集合
stringRedisTemplate.opsForSet().add(key, followUserId.toString());
}
} else {
//3.取关，删除
boolean isSuccess = remove(new LambdaQueryWrapper<Follow>()
.eq(Follow::getUserId, userId).eq(Follow::getFollowUserId, followUserId));
if (isSuccess) {
//把关注用户的id从redis移除
stringRedisTemplate.opsForSet().remove(key, followUserId.toString());
}
}
return Result.ok();
}
关注时既要把数据添加到数据库同时也要添加到reids；删除时既要把数据从数据库中删除同时也要删除redis中的数据。
2. 共同关注功能实现
进入任意用户的个人首页，我们可以查看该用户和当前用户的共同关注：
这个共同关注是如何实现的呢？
2.1 问题分析
我们在实现关注取关功能时，使用了redis的set结构存储数据，以用户id构建key，以被关注用户们的id集合为value。在这里我们有两个用户，所以有两个以被关注用户们的id集合，这两个集合可能会相交也可能不会相交，我们要做的就是取出这两个集合之中相同的部分。于是我们自然而然的就会想到使用集合操作的交集来实现，而刚好redis就支持set集合的交集操作。stringRedisTemplate.opsForSet().intersect(key, key2) 两个集合取交集并返回。
2.2 代码实现
代码如下：
@Override
public Result followCommons(Long id) {
//1.获取当前用户
Long userId = UserHolder.getUser().getId();
String key = "follows:" + userId;
String key2 = "follows:" + id;
//2.返回交集
Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key, key2);
if (intersect == null || intersect.isEmpty()) {
return Result.ok(Collections.emptyList());
}
List<Long> userIds = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
//3.去数据库中查询共同关注用户的信息
List<UserDTO> userDTOS = userService.listByIds(userIds)
.stream().map(user -> BeanUtil.copyProperties(user, UserDTO.class))
.collect(Collectors.toList());
return Result.ok(userDTOS);
}
3. 关注推送功能实现
关注推送：关注推送也叫做Feed流，直译为投喂。为用户持续的提供“沉浸式”的体验，通过无限下拉刷新获取新的信息。
3.1 Feed流的模式
Feed流产品有两种常见模式：
- Timeline：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。例如朋友圈
- 优点：信息全面，不会有缺失。并且实现也相对简单
- 缺点：信息噪音较多，用户不一定感兴趣，内容获取效率低
- 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。推送用户感兴趣信息来吸引用户
- 优点：投喂用户感兴趣信息，用户粘度很高，容易沉迷
- 缺点：如果算法不精准，可能起到反作用
这里的关注推送功能是基于关注的好友来做Feed流，因此采用Timeline的模式，该模式的实现方案有三种：
- 拉模式
- 推模式
- 推拉结合
3.1.1 拉模式
拉模式：也叫读扩散
3.1.2 推模式
推模式：也叫写扩散
3.1.3 推拉结合
推拉结合模式：也叫做读写混合，兼具推和拉两种模式的优点。
3.1.4 三者区别
| 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 |
3.2 需求
需求：
- 修改新增探店笔记的业务，在保存blog到数据库的同时，推送到粉丝的收件箱
- 收件箱满足可以根据时间戳排序，必须用Redis的数据结构实现
- 查询收件箱数据时，可以实现分页查询
3.3 问题分析
因为Feed流中的数据可能会更新，所以数据的角标也有可能发送变化，因此不能采用传统的分页模式。
在个人主页当中，点击“关注”，前端发送一个请求去获取关注用户发布的笔记列表。
请求路径及格式：
| 说明 | |
|---|---|
| 请求方式 | GET |
| 请求路径 | /blog/of/follow |
| 请求参数 | lastId: 上一次查询的最小时间戳 offset: 偏移量 |
| 返回值 | List:小于指定时间戳的笔记集合 minTime：本次查询的推送的最小时间戳 offset：偏移量 |
3.4 代码实现
1）首先我们采用推模式实现。保存blog到数据库的同时，推送到粉丝的收件箱。
业务代码如下：
@Override
public Result saveBlog(Blog blog) {
//1.获取登录用户
UserDTO user = UserHolder.getUser();
blog.setUserId(user.getId());
//2.保存探店博文
boolean isSuccess = save(blog);
if (!isSuccess) {
return Result.fail("新增笔记失败");
}
//3.查询笔记作者的所有粉丝
List<Follow> follows = followService.lambdaQuery().eq(Follow::getFollowUserId, user.getId()).list();
for (Follow follow : follows) {
//4.1.获取粉丝id
Long userId = follow.getUserId();
//4.2.推送
String key = "feed:" + userId;
stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
}
//返回id
return Result.ok(blog.getId());
}
2）查询收件箱数据时，实现分页查询
控制器代码如下所示：
@GetMapping("/of/follow")
public Result queryBlogOfFollow(@RequestParam("lastId") Long max,
@RequestParam(value = "offset", defaultValue = "0") Integer offset) {
return blogService.queryBlogOfFollow(max, offset);
}
业务代码如下：
@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 off 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(偏移量)
ArrayList<Long> ids = new ArrayList<>(typedTuples.size());
long minTime = 0;
//os 即 offset 记录的是分数值等于minTime的所有元素的个数
int os = 1;
for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {
//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 = lambdaQuery().in(Blog::getId, ids).last("ORDER BY FIELD(id," + idStr + ")").list();
for (Blog blog : blogs) {
//5.1.查询blog有关的用户
this.queryBlogUser(blog);
//5.2.查询blog是否被点赞
this.isBlogLiked(blog);
}
//6.封装并返回
ScrollResult r = new ScrollResult();
r.setList(blogs);
//向前端返回偏移量，方便下一次发送分页请求时作为offset再次携带
r.setOffset(os);
//向前端返回minTime，方便下一次发送分页请求时作为lastId再次携带
r.setMinTime(minTime);
return Result.ok(r);
}
扫一扫
2526
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
