关注和取关
- 关注功能：如果
isFollow为true，用户会关注目标用户；如果为false，则会取消关注目标用户。对应的关注关系会被保存或删除。 - 是否关注功能：通过查询当前用户是否已经关注目标用户来返回是否关注的结果。
- 主要的数据库操作是通过
Follow实体类实现的，使用了 MyBatis-Plus 提供的工具（如save、remove、count等）来进行 CRUD 操作。
当用户希望关注或取消关注时，后端会通过 FollowService 中的 follow() 方法，依据传入的 isFollow 参数来保存或删除数据库中的关注记录。查询是否已关注功能则通过 isFollow() 方法，结合 MyBatis-Plus 提供的查询功能来判断当前用户与目标用户之间是否存在关注关系。Follow 实体类用于映射数据库中的关注记录，数据库操作通过 MyBatis-Plus 提供的 save、remove 和 count 等方法实现。
@RestController
@RequestMapping("/follow")
public class FollowController {
@Resource
private IFollowService followService;
/**
* 关注用户
* @param followUserId 关注用户的id
* @param isFollow 是否已关注
* @return
*/
@PutMapping("/{id}/{isFollow}")
public Result follow(@PathVariable("id") Long followUserId, @PathVariable Boolean isFollow){
return followService.follow(followUserId, isFollow);
}
/**
* 是否关注用户
* @param followUserId 关注用户的id
* @return
*/
@GetMapping("/or/not/{id}")
public Result isFollow(@PathVariable("id") Long followUserId){
return followService.isFollow(followUserId);
}
}
@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {
/**
* 关注用户
*
* @param followUserId 关注用户的id
* @param isFollow 是否已关注
* @return
*/
@Override
public Result follow(Long followUserId, Boolean isFollow) {
Long userId = ThreadLocalUtls.getUser().getId();
if (isFollow) {
// 用户为关注，则关注
Follow follow = new Follow();
follow.setUserId(userId);
follow.setFollowUserId(followUserId);
this.save(follow);
} else {
// 用户已关注，删除关注信息
this.remove(new LambdaQueryWrapper<Follow>()
.eq(Follow::getUserId, userId)
.eq(Follow::getFollowUserId, followUserId));
}
return Result.ok();
}
/**
* 是否关注用户
*
* @param followUserId 关注用户的id
* @return
*/
@Override
public Result isFollow(Long followUserId) {
Long userId = ThreadLocalUtls.getUser().getId();
int count = this.count(new LambdaQueryWrapper<Follow>()
.eq(Follow::getUserId, userId)
.eq(Follow::getFollowUserId, followUserId));
return Result.ok(count > 0);
}
}
共同关注
共同关注的实现依赖于 Redis 中存储的用户关注列表（通过 Set 集合）
@Service
public class FollowServiceImpl extends ServiceImpl<FollowMapper, Follow> implements IFollowService {
@Resource
private StringRedisTemplate stringRedisTemplate;
@Resource
private IUserService userService;
/**
* 关注用户
*
* @param followUserId 关注用户的id
* @param isFollow 是否已关注
* @return
*/
@Override
public Result follow(Long followUserId, Boolean isFollow) {
Long userId = ThreadLocalUtls.getUser().getId();
String key = FOLLOW_KEY + userId;
if (isFollow) {
// 用户为关注，则关注
Follow follow = new Follow();
follow.setUserId(userId);
follow.setFollowUserId(followUserId);
boolean isSuccess = this.save(follow);
if (isSuccess) {
// 用户关注信息保存成功，把关注的用户id放入Redis的Set集合中，
stringRedisTemplate.opsForSet().add(key, followUserId.toString());
}
} else {
// 用户已关注，删除关注信息
boolean isSuccess = this.remove(new LambdaQueryWrapper<Follow>()
.eq(Follow::getUserId, userId)
.eq(Follow::getFollowUserId, followUserId));
if (isSuccess) {
stringRedisTemplate.opsForSet().remove(key, followUserId.toString());
}
}
return Result.ok();
}
/**
* 是否关注用户
*
* @param followUserId 关注用户的id
* @return
*/
@Override
public Result isFollow(Long followUserId) {
Long userId = ThreadLocalUtls.getUser().getId();
int count = this.count(new LambdaQueryWrapper<Follow>()
.eq(Follow::getUserId, userId)
.eq(Follow::getFollowUserId, followUserId));
return Result.ok(count > 0);
}
/**
* 查询共同关注
*
* @param id
* @return
*/
@Override
public Result followCommons(Long id) {
Long userId = ThreadLocalUtls.getUser().getId();
String key1 = FOLLOW_KEY + userId;
String key2 = FOLLOW_KEY + id;
// 查询当前用户与目标用户的共同关注对象
Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key1, key2);
if (Objects.isNull(intersect) || intersect.isEmpty()) {
return Result.ok(Collections.emptyList());
}
List<Long> ids = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
// 查询共同关注的用户信息
List<UserDTO> userDTOList = userService.listByIds(ids).stream()
.map(user -> BeanUtil.copyProperties(user, UserDTO.class))
.collect(Collectors.toList());
return Result.ok(userDTOList);
}
}
-
获取当前用户与目标用户的关注列表：
- 通过 Redis 键获取当前用户和目标用户的关注列表。
-
获取共同关注的用户：
- 使用 Redis 的
intersect操作获取两个用户关注列表的交集，找出共同关注的用户。
- 使用 Redis 的
-
检查是否存在共同关注：
- 如果交集为空，说明没有共同关注的用户，直接返回空列表。
-
将共同关注的用户 ID 转换为 Long 类型：
- 将 Redis 返回的共同关注用户 ID 从字符串类型转换为
Long类型。
- 将 Redis 返回的共同关注用户 ID 从字符串类型转换为
-
查询共同关注用户的详细信息：
- 根据共同关注的用户 ID，查询这些用户的详细信息。
-
返回共同关注的用户信息：
- 将查询到的共同关注用户信息作为结果返回。
feed流实现方案分析
Feed流产品有两种常见模式：
- 时间排序（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
本例中的个人页面，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：
1. 推模式（Push Model）
优点：
-
实时性强：信息可以在事件发生的瞬间推送给接收方，确保用户得到及时的通知或更新。
-
减少等待时间：接收方无需主动去获取信息，能立即接收消息，特别适合紧急或重要的通知（如紧急警报、软件更新等）。
-
节省接收方精力：接收方无需主动搜索或请求信息，节省了时间和精力，提升了用户体验。
缺点：
-
信息过载：过于频繁的推送可能导致信息过载，接收方可能会感到困扰或产生厌烦，导致退订或关闭推送通知。
-
缺乏个性化：推送信息通常是统一的，可能与接收方的兴趣或需求不匹配，容易产生噪音。
-
资源消耗：持续推送信息需要不断的网络带宽和服务器资源，尤其在用户数较多时，可能导致系统负担加重。
2. 拉模式（Pull Model）
优点：
-
按需获取信息：接收方可以在自己需要时主动拉取信息，避免了信息过载的问题。
-
更个性化：接收方可以根据个人需求进行搜索，获取相关的、有用的信息，避免接收不相关的内容。
-
减少资源浪费：服务器不会主动发送信息，只有在接收方请求时才会提供数据，减少了系统资源的浪费。
缺点：
-
响应延迟：拉模式需要接收方主动请求，可能会导致信息获取的延迟，尤其是在接收方没有及时发出请求时。
-
用户主动性要求高：接收方需要主动去获取信息，可能会错过重要的通知或更新，尤其在信息变化频繁的情况下。
-
不适合紧急通知：对于一些需要即时通知或处理的紧急事件，拉模式可能会显得不够及时和有效。
3. 推拉结合模式（Push-Pull Hybrid Model）
优点：
-
灵活性强：结合了推模式和拉模式的优点，能够根据具体情况灵活调整，提供最合适的信息传递方式。
-
提高用户体验：通过推送确保重要信息不遗漏，通过拉取允许用户根据需求主动获取信息，满足不同场景和用户的需求。
-
个性化和及时性兼具：重要的通知可以通过推送方式及时传达，而用户可以根据兴趣或需求自主拉取信息，提升整体效率和满意度。
推拉模式是一个折中的方案，站在发件人这一段，如果是个普通的人，那么我们采用写扩散的方式，直接把数据写入到他的粉丝中去，因为普通的人他的粉丝关注量比较小，所以这样做没有压力，如果是大V，那么他是直接将数据先写入到一份到发件箱里边去，然后再直接写一份到活跃粉丝收件箱里边去，现在站在收件人这端来看，如果是活跃粉丝，那么大V和普通的人发的都会直接写入到自己收件箱里边来，而如果是普通的粉丝，由于他们上线不是很频繁，所以等他们上线时，再从发件箱里边去拉信息
推送到粉丝收件箱
当前项目用户量比较小，所以这里我们选择使用推模式，延迟低、内存占比也没那么大
需要注意的是，Feed 流中的数据会不断更新，所以数据的下标也在变化，因此不能采用传统的分页模式。·这里不能使用list，只能用sortedset。我们在此处采用滚动分页模式
Redis 中的 Sorted Set（有序集合） 是一种特殊的数据结构，它结合了 集合（Set） 和 列表（List） 的特点。与普通的集合不同，Sorted Set 中的每个成员都关联着一个 分数（score），Redis 会根据这些分数对成员进行排序。
Sorted Set 的特点：
- 成员唯一：与普通集合一样，Sorted Set 中的每个成员都是唯一的，不能重复。
- 按分数排序：Sorted Set 中的成员会根据其关联的分数自动进行排序，从小到大。
- 高效的查询和范围操作：可以通过分数来进行高效的范围查询，如获取排名前几的成员，或者按照分数范围获取成员等。
- 支持多种排序方式：除了按分数排序外，还可以通过排名（索引）来排序。
保存用户发布的笔记；将该笔记推送给所有关注该用户的粉丝，使他们能够看到这篇笔记。
/**
* 保存探店笔记
*
* @param blog
* @return
*/
@Override
public Result saveBlog(Blog blog) {
Long userId = ThreadLocalUtls.getUser().getId();
blog.setUserId(userId);
// 保存探店笔记
boolean isSuccess = this.save(blog);
if (!isSuccess){
return Result.fail("笔记保存失败");
}
// 查询笔记作者的所有粉丝
List<Follow> follows = followService.list(new LambdaQueryWrapper<Follow>()
.eq(Follow::getFollowUserId, userId));
// 将笔记推送给所有的粉丝
for (Follow follow : follows) {
// 获取粉丝的id
Long id = follow.getUserId();
// 推送笔记
String key = FEED_KEY + id;
stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
}
return Result.ok(blog.getId());
}
- 查询并返回当前用户的收件箱中，粉丝关注的笔记列表；
- 使用分页和时间戳排序，确保笔记的显示顺序；
- 查询并返回每篇笔记的相关信息，如用户信息和点赞情况。
/**
* 关注推送页面的笔记分页
*
* @param max
* @param offset
* @return
*/
@Override
public Result queryBlogOfFollow(Long max, Integer offset) {
// 1、查询收件箱
Long userId = ThreadLocalUtls.getUser().getId();
String key = FEED_KEY + userId;
// ZREVRANGEBYSCORE key Max Min LIMIT offset count
Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
.reverseRangeByScoreWithScores(key, 0, max, offset, 2);
// 2、判断收件箱中是否有数据
if (typedTuples == null || typedTuples.isEmpty()) {
return Result.ok();
}
// 3、收件箱中有数据，则解析数据: blogId、minTime（时间戳）、offset
List<Long> ids = new ArrayList<>(typedTuples.size());
long minTime = 0; // 记录当前最小值
int os = 1; // 偏移量offset，用来计数
for (ZSetOperations.TypedTuple<String> tuple : typedTuples) { // 5 4 4 2 2
// 获取id
ids.add(Long.valueOf(tuple.getValue()));
// 获取分数（时间戳）
long time = tuple.getScore().longValue();
if (time == minTime) {
// 当前时间等于最小时间，偏移量+1
os++;
} else {
// 当前时间不等于最小时间，重置
minTime = time;
os = 1;
}
}
// 4、根据id查询blog（使用in查询的数据是默认按照id升序排序的，这里需要使用我们自己指定的顺序排序）
String idStr = StrUtil.join(",", ids);
List<Blog> blogs = this.list(new LambdaQueryWrapper<Blog>().in(Blog::getId, ids)
.last("ORDER BY FIELD(id," + idStr + ")"));
// 设置blog相关的用户数据，是否被点赞等属性值
for (Blog blog : blogs) {
// 查询blog有关的用户
queryUserByBlog(blog);
// 查询blog是否被点赞
isBlogLiked(blog);
}
// 5、封装并返回
ScrollResult scrollResult = new ScrollResult();
scrollResult.setList(blogs);
scrollResult.setOffset(os);
scrollResult.setMinTime(minTime);
return Result.ok(scrollResult);
}
扫一扫
991
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
