要实现一个 Feed 流（类似于社交媒体中的新闻流），通常涉及以下几个要素：
- 内容发布：用户发布内容（例如文章、状态更新、图片等）。
- 内容订阅：用户可以订阅其他用户的内容，获取实时更新。
- 内容展示：根据用户订阅的内容，将符合其兴趣或权限的内容按时间顺序展示出来。
- 实时更新：当有新的内容发布时，相关用户的 feed 流应该即时更新。
在社交平台、新闻流或类似应用中，Timeline（时间线）和智能排序是两个非常关键的功能。它们决定了用户在页面中看到的内容排序方式，直接影响用户体验。下面我将详细解释这两个概念，并且提供一些思路来实现它们。
在分布式系统和消息队列中，拉模式（Pull）和推模式（Push）是两种常见的数据传输方式。它们在不同的场景下有不同的应用。推拉结合模式（Push-Pull）结合了这两者的优点，能够更好地应对复杂的业务需求。
- 拉模式是指消费者主动向服务端请求数据，服务端在接收到请求时返回数据。消费者控制请求的时机和频率。
- 推模式是指服务端主动将数据推送到消费者，消费者不需要发起请求，只需要接收数据。
- 推拉结合模式结合了推模式和拉模式的优点，消费者既可以主动拉取数据，也可以被服务器主动推送数据。通过这种模式，系统可以根据不同的场景灵活地选择推送或拉取方式，提升系统的性能和可靠性。
另外，Feed流不能采用传统的分页模式：
所以采用滚动分页：
在 Redis 中，ZSET（有序集合）是一个非常常用的数据结构，它可以用来存储带有分数的元素，并按分数进行排序。分页查询是获取ZSET部分元素的一种方式，通常通过 ZRANGE 或 ZREVRANGE 命令来实现。
在分页查询时，主要的目的是限制返回的数据量，并且支持通过“偏移量”（offset）和“数量”（limit）来控制分页的效果。Redis 的 ZSET 本身并不直接支持传统数据库那种基于页码的分页，但可以通过索引和 ZRANGE 命令来实现分页效果。
分页查询原理：
假设我们有一个存储博客点赞信息的
ZSET，其中每个博客的 ID 和点赞数是按分数score存储的。我们可以使用ZRANGE（或ZREVRANGE）命令来返回指定区间内的元素。基本操作：
ZRANGE key start stop [WITHSCORES]：按分数升序返回ZSET中从start到stop索引范围内的元素。WITHSCORES可选，表示返回元素的分数。ZREVRANGE key start stop [WITHSCORES]：按分数降序返回ZSET中从start到stop索引范围内的元素。分页查询示例：
假设有一个
ZSET，它存储了用户对某个博客的点赞数，键为blog:likes:{id}，其中id为博客的唯一标识。我们希望按照点赞数降序返回该博客的前10名用户。ZRANGE blog:likes:1 0 9 WITHSCORES # 获取从第1到第10个用户，WITHSCORES 返回每个用户的点赞数上述命令会返回
ZSET中按分数升序排的前10个用户和他们的点赞数。如果我们希望按点赞数降序排列，可以使用ZREVRANGE：ZREVRANGE blog:likes:1 0 9 WITHSCORES # 获取从第1到第10个用户，按分数降序
@Data
public class ScrollResult {
private List<?> list; // 存储查询结果的列表
private Long minTime; // 存储分页查询中最小的时间戳，用于下一页查询
private Integer offset; // 存储当前分页的偏移量（用于计算下一页的偏移）
}
@RestController
@RequestMapping("/blog")
public class BlogController {
@Resource
private IBlogService blogService;
@Resource
private IUserService userService;
@GetMapping
public Result queryBlogOfFollow(
@RequestParam("lastId") Long max, @RequestParam(value = "offset", defaultValue = "0") Integer offset) {
return blogService.queryBlogOfFollow(max, offset);
}
}
offset是用来分页的：
offset控制的是 跳过多少条数据，也就是说，它指定了从查询结果的第几条记录开始返回。例如：
offset = 0表示从第一页的第一条记录开始查询。offset = 2表示从第二页的第一条记录开始查询，跳过前面两条。这对于分页来说是非常重要的，可以确保你一次加载的数据不会过多，降低数据库和 Redis 的负担。
0和max控制查询的时间范围（避免查询过多数据）：
0和max作为 分数范围 的参数，限制了 Redis 查询的 数据范围。具体来说：
0：表示从时间戳最早的动态开始查找。这是为了确保不会遗漏从最早时间点开始的数据。max：表示查询到的时间戳不会超过max的值。max可能是一个具体的时间戳（如当前时间），用于限制查询的数据不超过这个时间点的数据。因此，
0和max控制的是 查询的时间范围，确保你只查询到特定时间段内的数据。
@Override
public Result queryBlogOfFollow(Long max, Integer offset) {
// 获取当前登录用户的ID
Long userId = UserHolder.getUser().getId();
// 定义Redis的key，存储的是当前用户的动态信息（博客）
String key = "feed:" + userId;
// 从Redis ZSET中获取按时间戳降序排列的动态数据，返回指定的范围和分页
Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
.reverseRangeByScoreWithScores(key, 0, max, offset, 2); // 获取分数（时间戳）小于max的前2条数据
// 如果查询结果为空，直接返回空的响应
if (typedTuples == null || typedTuples.isEmpty()) {
return Result.ok(); // 如果没有数据，返回空的分页结果
}
// 用于存储动态的ID集合
List<Long> ids = new ArrayList<>(typedTuples.size());
// 用于记录分页查询中最小的时间戳
long minTime = 0;
// 用于记录当前页面的偏移量（即当前分页的位置）
int os = 1;
// 遍历查询结果
for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {
// 获取动态ID（字符串形式）
String idStr = typedTuple.getValue();
// 将动态ID从String转换为Long，并添加到ids列表中
Long id = Long.valueOf(idStr);
ids.add(id);
// 获取动态的时间戳（作为分数存储）
long time = typedTuple.getScore().longValue();
// 如果当前时间戳与上一条数据的时间戳相同，说明是同一时间段的动态，偏移量加1
if (time == minTime) {
os++; // 同一时间戳的动态，增加偏移量
} else {
// 如果时间戳不同，更新最小时间戳，并重置偏移量
minTime = time;
os = 1; // 该时间戳下的动态的偏移量从1开始
}
}
// 将动态ID列表转化为逗号分隔的字符串，用于查询数据库
String idStr = StrUtil.join(",", ids);
// 根据ID查询博客数据，返回的结果按照ID顺序排序
List<Blog> blogs = query().in("id", ids).last("order by ids" + idStr + ")").list();
// 创建一个ScrollResult对象，用于封装分页查询的结果
ScrollResult r = new ScrollResult();
r.setList(blogs); // 设置当前页面的博客动态列表
r.setOffset(os); // 设置当前页的偏移量（分页位置）
r.setMinTime(minTime); // 设置当前页面的最小时间戳，用于下一次分页查询
// 返回封装好的结果
return Result.ok(r); // 返回查询结果
}
方法签名与参数说明
@Override public Result queryBlogOfFollow(Long max, Integer offset) {
- max：这是一个时间戳，表示查询的最大时间。Redis 中的 ZSET 是根据分数（score）排序的，通常我们用时间戳作为分数，因此
max表示最大时间戳，通常是当前时间或某个固定的时间点。因此max表示查询的时间范围的上限。当我们查询 ZSET 时，可以通过max来限制查询返回的元素的时间戳范围。例如，查询max小于某个时间戳的所有动态，保证我们只获取当前时间之前的动态。- offset：表示分页的偏移量，用来指定从查询结果的哪个位置开始返回。它帮助我们在查询时跳过前
offset条记录，从而实现分页。在分页的过程中，每次查询都需要传递不同的offset，以便从正确的记录位置开始查询。通常offset是通过上次查询结果的偏移量计算出来的。举个例子： 假设每页显示
2条动态：
- 第一页：
offset = 0- 第二页：
offset = 2（跳过前2条数据，查询从第3条开始的数据）- 第三页：
offset = 4（跳过前4条数据，查询从第5条开始的数据）该方法的目标是查询当前用户的关注者发布的博客（动态），并分页返回结果。
Redis 查询：获取关注者发布的博客动态
String key = "feed:" + userId; Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet() .reverseRangeByScoreWithScores(key, 0, max, offset, 2);
key = "feed:" + userId：每个用户的动态（博客）存储在以feed:为前缀的 Redis ZSET 中，userId是动态数据的唯一标识符。reverseRangeByScoreWithScores(key, 0, max, offset, 2)：
reverseRangeByScoreWithScores：该命令用于按分数降序返回指定范围的元素及其分数。这里的score对应的是时间戳，因此可以按时间顺序从最新的动态开始查询。0到max：表示查询的时间戳范围。查询score从0到max的元素。offset：表示分页查询的起始偏移量，通常是上一页的最后一条记录的索引。2：每次查询时返回的结果数量。也就是说，这一命令会返回最多 2 条动态。根据业务需求，这里设置为每次返回 2 条数据。通过调整这个数字，可以控制每次查询返回的数据量。通过
offset和2实现分页查询：
offset：用来控制查询的起始位置，避免一次查询返回所有数据。2：每次查询返回 2 条记录。这可以减少一次查询的结果集大小，提高查询效率。灵活控制查询范围：
0到max使得我们能够灵活地控制查询的时间范围。通常，0是为了兼容性的写法，表示从最小时间开始查询。max用于控制查询的上限，确保返回的动态时间不会超过指定时间。返回值：
返回的是一个
Set<ZSetOperations.TypedTuple<String>>，每个TypedTuple包含两个部分：
- 值（blogId）：即每个动态的 ID，存储在
typedTuple.getValue()中。- 分数（时间戳）：即该动态的时间戳，存储在
typedTuple.getScore()中。
解析数据：获取动态 ID 和时间戳
List<Long> ids = new ArrayList<>(typedTuples.size()); long minTime = 0; int os = 1; for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) { String idStr = typedTuple.getValue(); Long id = Long.valueOf(idStr); ids.add(id); long time = typedTuple.getScore().longValue(); if (time == minTime) { os++; } else { minTime = time; os = 1; } }
- ids：用于存储查询到的动态 ID。
- minTime：用于记录当前页面最早的时间戳。在分页中，
minTime的作用是保证在下一次查询时，从上一次查询的时间戳之后开始获取数据，避免重复数据。- os：表示当前页的偏移量。每次分页查询时，
os递增，用于记录当前页面的偏移量。在循环中：
- 从
typedTuple中获取 动态 ID 和 时间戳。- 时间戳相等时，偏移量（
os）加一，表示当前的时间戳下有多个动态，显示顺序为相同时间戳下的顺序。- 时间戳不相等时，更新
minTime和偏移量os。
根据动态 ID 查询博客
String idStr = StrUtil.join(",", ids); List<Blog> blogs = query().in("id", ids).last("order by ids" + idStr + ")").list();
StrUtil.join(",", ids)：将动态 ID 列表ids转换为一个逗号分隔的字符串，生成用于 SQL 查询的 ID 列表。- 查询博客：使用
query().in("id", ids)根据 ID 列表查询对应的博客。.last("order by ids" + idStr + ")")用于保证查询的博客顺序与 Redis 中 ZSET 的顺序一致。这里的order by语句应该是通过动态拼接idStr来确保顺序正确。注意：拼接 SQL 语句时要小心 SQL 注入问题，避免使用不安全的字符串拼接方法。
如何计算
offset（偏移量）
假设数据库中的动态（博客）是这样的：
Blog ID TimeStamp (ms) Content 1 1609459200000 (2021-01-01) Blog 1 (2021-01-01) 2 1609459200000 (2021-01-01) Blog 2 (2021-01-01) 3 1609462800000 (2021-01-01) Blog 3 (2021-01-01) 4 1609466400000 (2021-01-01) Blog 4 (2021-01-01) 5 1609470000000 (2021-01-01) Blog 5 (2021-01-01) 我们的目标是 分页查询 这些博客动态，使用
offset和minTime来控制查询结果。1. 第一次查询
- 假设我们查询第一页的内容，查询条件：
- 每页返回 2 条数据。
offset = 0（第一页，从第1条数据开始查询）。max = 1609470000000（查询的时间范围上限，保证不超出当前最大时间戳）。reverseRangeByScoreWithScores("feed:123", 0, max, offset, 2);返回结果：
- 从 Redis 返回的动态列表为：
Blog 1、Blog 2（时间戳1609459200000）。
minTime计算：
minTime是当前分页查询结果中 最小的时间戳。这里的minTime就是1609459200000，这是Blog 2的时间戳。
os计算：
os从1开始，因为这是第一页。如果os在同一时间戳的动态中增加，它会递增。此时，os = 2，因为在相同时间戳（1609459200000）下，第一条动态Blog 1的os = 1，第二条动态Blog 2的os = 2。封装返回结果：
ScrollResult r = new ScrollResult(); r.setList([Blog 1, Blog 2]); // 返回这两条数据 r.setMinTime(1609459200000); // 设置最小时间戳，供下一页查询 r.setOffset(2); // 下一页的偏移量从2开始2. 第二次查询
- 下一页的查询，
offset = 2（跳过前两条动态，从第三条数据开始查询），minTime = 1609459200000（上一页的最小时间戳）。- 查询参数：
reverseRangeByScoreWithScores("feed:123", minTime + 1, max, offset, 2);查询条件：
minTime + 1表示从上一页返回的 最小时间戳之后 开始查询，因此查询的范围从时间戳大于1609459200000开始。offset = 2，意味着查询从第三条数据开始。返回结果：
- 从 Redis 返回的动态为：
Blog 3和Blog 4（时间戳1609462800000和1609466400000）。
minTime计算：
minTime是当前页面的最小时间戳，这里是1609462800000，即Blog 3的时间戳。
os计算：
os重置为 1，因为Blog 3的时间戳是新的时间段，os = 1表示该时间段的第一条动态。封装返回结果：
ScrollResult r = new ScrollResult(); r.setList([Blog 3, Blog 4]); // 返回这两条数据 r.setMinTime(1609462800000); // 设置最小时间戳，供下一页查询 r.setOffset(2); // 下一页的偏移量为2，表示如果继续分页，应该从第5条数据开始查询3. 第三次查询
- 下一页的查询，
offset = 4（跳过前四条数据，从第五条数据开始查询），minTime = 1609462800000（上一页的最小时间戳）。- 查询条件：
reverseRangeByScoreWithScores("feed:123", minTime + 1, max, offset, 2);查询条件：
minTime + 1表示从上一页返回的 最小时间戳之后 开始查询，查询的时间戳范围是1609462800000之后的数据。offset = 4，意味着查询从第五条数据开始。返回结果：
- 从 Redis 返回的动态为：
Blog 5（时间戳1609470000000）。
minTime计算：
minTime是当前页面的最小时间戳，这里是1609470000000，即Blog 5的时间戳。
os计算：
os重置为 1，因为这条动态是当前时间段下的第一条动态。封装返回结果：
ScrollResult r = new ScrollResult(); r.setList([Blog 5]); // 返回这条数据 r.setMinTime(1609470000000); // 设置最小时间戳，供下一页查询（下一页无数据） r.setOffset(2); // 假设这已经是最后一页，下一次查询会返回空数据分页查询总结：
- 第一次查询：使用
offset = 0，从第一页开始查询，返回Blog 1和Blog 2。- 第二次查询：使用
minTime = 1609459200000和offset = 2，从第三条数据开始查询，返回Blog 3和Blog 4。- 第三次查询：使用
minTime = 1609462800000和offset = 4，从第五条数据开始查询，返回Blog 5。
offset和minTime的作用：
offset：控制查询从哪个位置开始，分页跳过之前的数据。每次查询后，offset会更新以确保下一页的查询从正确的位置开始。minTime：控制查询的时间范围。每一页返回的结果中，minTime是当前页最小的时间戳，帮助下一页查询跳过已经返回的数据。这个过程保证了 按时间戳分页查询 的效果，并避免了重复数据。
![105，【5】buuctf web [BJDCTF2020]Easy MD5](https://i-blog.csdnimg.cn/direct/4ba6725547a54403916a7136b91733ba.png)
