1.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。

Feed流产品有两种常见模式：

这里我们实现基本的TimeLine Feed流模式：

的TimeLine Feed流模式有三种基本的实现方案：

拉模式：也叫做读扩散🦿

推模式：也叫做写扩散👣

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🤺

Feed流的实现方案分析：

点评类网站或App，宜使用推模式，短视频类网站或App，宜使用推拉结合模式⛷️

---

2.具体代码实现

需求分析：

1. 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
2. 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
3. 查询收件箱数据时，可以实现分页查询

分析：实现滚动分页的方式

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，而要采用滚动分页，Redis数据结构中终于List和SortedSet支持分页，但List不支持滚动分页功能，所以Redis数据结构我们宜采用SortedSet！

首先，在保存博客的时候要推送给所有的粉丝（收件箱）：

/**
 * 保存博客
 *
 * @param blog 博客对象
 * @return 博客的ID
 */
@Override
public Result saveBlog(Blog blog) {
    // 获取登录用户
    UserDTO user = UserHolder.getUser();
    blog.setUserId(user.getId());
    // 保存探店博文
    boolean isSave = save(blog);
    if (!isSave) {
        return Result.fail("新增笔记失败！");
    }
    // 查询笔记作者的所有粉丝
    List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();
    for (Follow follow : follows) {
        Long userId = follow.getUserId();
        // 开始推送
        stringRedisTemplate.opsForZSet().add(FEED_KEY + userId, blog.getId().toString(), System.currentTimeMillis());
    }
    // 返回id
    return Result.ok(blog.getId());
}

实现具体的滚动分页查询：

/**
 * 滚动分页查询Feed流推送的博客
 *
 * @param max    上一次查询的最小值，用于实现滚动查询
 * @param offset 偏移量，防止查询到重复数据
 * @return Result
 */
@Override
public Result queryBlogOfFollow(Long max, Integer offset) {

    // 获取当前用户
    Long userId = UserHolder.getUser().getId();

    // 查询当前用户的收件箱
    Set<ZSetOperations.TypedTuple<String>> tuples = stringRedisTemplate.opsForZSet().
            reverseRangeByScoreWithScores(FEED_KEY + userId, 0, max, offset, DEFAULT_PAGE_SIZE);
    if (tuples == null || tuples.isEmpty()) {
        return Result.ok();
    }

    // 创建集合，保存id
    ArrayList<Long> ids = new ArrayList<>(tuples.size());

    // 保存最小时间
    long minTime = 0;

    // 保存偏移量
    int os = 1;

    // 开始解析数据，得到最终的ids，minTime，offset（os）值
    for (ZSetOperations.TypedTuple<String> tuple : tuples) {
        // 获取id并保存
        ids.add(Long.valueOf(Objects.requireNonNull(tuple.getValue())));
        // 获取分数（时间戳）
        long time = Objects.requireNonNull(tuple.getScore()).longValue();
        if (time == minTime) {
            os++;
        } else {
            // 最后一个元组的时间一定是最小时间
            minTime = time;
            // 重置偏移量
            os = 1;
        }
    }
    String idStr = StrUtil.join(",", ids);
    // 根据id查询blog
    List<Blog> blogs = query().in("id", ids)
            .last("ORDER BY FIELD(id," + idStr + ")").list();

    // 给每个blog封装点赞，作者等信息
    for (Blog blog : blogs) {
        // 查询blog有关的用户
        queryBlogUser(blog);
        // 查询blog的点赞信息，当前用户是否点过赞？
        isBlogLiked(blog);
    }

    // 返回博客集合给前端
    ScrollResult scrollResult = new ScrollResult();
    scrollResult.setList(blogs);
    scrollResult.setMinTime(minTime);
    scrollResult.setOffset(os);
    return Result.ok(scrollResult);
}