Redis實(shí)現(xiàn)好友關(guān)注的示例代碼
一、關(guān)注和取關(guān)
加載的時(shí)候會(huì)先發(fā)請(qǐng)求看是否關(guān)注了,來(lái)顯示是關(guān)注按鈕還是取關(guān)按鈕
當(dāng)我們點(diǎn)擊關(guān)注或取關(guān)之后再發(fā)請(qǐng)求進(jìn)行操作

數(shù)據(jù)庫(kù)表結(jié)構(gòu)
關(guān)注表(主鍵、用戶id、關(guān)注用戶id)
需求
- 關(guān)注和取關(guān)接口
- 判斷是否關(guān)注接口
/**
* 關(guān)注用戶
* @param id
* @param isFollow
* @return
*/
@PutMapping("/{id}/{isFollow}")
public Result follow(@PathVariable("id") Long id, @PathVariable("isFollow") Boolean isFollow){
return followService.follow(id,isFollow);
}
/**
* 判斷是否關(guān)注指定用戶
* @param id
* @return
*/
@GetMapping("/or/not/{id}")
public Result isFollow(@PathVariable("id") Long id){
return followService.isFollow(id);
}/**
* 關(guān)注用戶
* @param id
* @param isFollow
* @return
*/
@Override
public Result follow(Long id, Boolean isFollow) {
//獲取當(dāng)前用戶id
Long userId = UserHolder.getUser().getId();
//判斷是關(guān)注操作還是取關(guān)操作
if(BooleanUtil.isTrue(isFollow)){
//關(guān)注操作
Follow follow = new Follow();
follow.setUserId(userId);
follow.setFollowUserId(id);
save(follow);
}else{
//取關(guān)操作
remove(new QueryWrapper<Follow>().eq("user_id",userId).eq("follow_user_id",id));
}
return Result.ok();
}
/**
* 判斷是否關(guān)注指定用戶
* @param id
* @return
*/
@Override
public Result isFollow(Long id) {
//獲取當(dāng)前用戶id
Long userId = UserHolder.getUser().getId();
Integer count = query().eq("user_id", userId).eq("follow_user_id", id).count();
if(count>0){
return Result.ok(true);
}
return Result.ok(false);
}二、共同關(guān)注
需求:利用redis中恰當(dāng)?shù)臄?shù)據(jù)結(jié)構(gòu),實(shí)現(xiàn)共同關(guān)注功能,在博主個(gè)人頁(yè)面展示當(dāng)前用戶和博主的共同好友
可以用redis中set結(jié)構(gòu)的取交集實(shí)現(xiàn)
先在關(guān)注和取關(guān)增加存入redis
/**
* 關(guān)注用戶
* @param id
* @param isFollow
* @return
*/
@Override
public Result follow(Long id, Boolean isFollow) {
//獲取當(dāng)前用戶id
Long userId = UserHolder.getUser().getId();
String key = "follow:" + userId;
//判斷是關(guān)注操作還是取關(guān)操作
if(BooleanUtil.isTrue(isFollow)){
//關(guān)注操作
Follow follow = new Follow();
follow.setUserId(userId);
follow.setFollowUserId(id);
boolean success = save(follow);
if(success){
//插入set集合中
stringRedisTemplate.opsForSet().add(key,id.toString());
}
}else{
//取關(guān)操作
boolean success = remove(new QueryWrapper<Follow>().eq("user_id", userId).eq("follow_user_id", id));
//從set集合中移除
if(success){
stringRedisTemplate.opsForSet().remove(key,id.toString());
}
}
return Result.ok();
}然后就可以開始寫查看共同好友接口了
/**
* 判斷是否關(guān)注指定用戶
* @param id
* @return
*/
@GetMapping("common/{id}")
public Result followCommons(@PathVariable("id") Long id){
return followService.followCommons(id);
}/**
* 共同關(guān)注
* @param id
* @return
*/
@Override
public Result followCommons(Long id) {
Long userId = UserHolder.getUser().getId();
//當(dāng)前用戶的key
String key1 = "follow:" + userId;
//指定用戶的key
String key2 = "follow:" + id;
//判斷兩個(gè)用戶的交集
Set<String> intersect = stringRedisTemplate.opsForSet().intersect(key1, key2);
if(intersect==null||intersect.isEmpty()){
//說(shuō)明沒有共同關(guān)注
return Result.ok();
}
//如果有共同關(guān)注,則獲取這些用戶的信息
List<Long> userIds = intersect.stream().map(Long::valueOf).collect(Collectors.toList());
List<UserDTO> userDTOS = userService.listByIds(userIds).stream().map(item -> (BeanUtil.copyProperties(item, UserDTO.class))).collect(Collectors.toList());
return Result.ok(userDTOS);
}三、關(guān)注推送(feed流)
關(guān)注推送也叫做fedd流,直譯為投喂。為用戶持續(xù)的提供"沉浸式"的體驗(yàn),通過(guò)無(wú)限下拉刷新獲取新的信息。feed模式,內(nèi)容匹配用戶。
Feed流產(chǎn)品有兩種常見模式:
Timeline:不做內(nèi)容篩選,簡(jiǎn)單的按照內(nèi)容發(fā)布時(shí)間排序,常用于好友或關(guān)注。例如朋友圈
- 優(yōu)點(diǎn):信息全面,不會(huì)有缺失。并且實(shí)現(xiàn)也相對(duì)簡(jiǎn)單
- 缺點(diǎn):信息噪音較多,用戶不一定感興趣,內(nèi)容獲取效率低
智能排序:利用智能算法屏蔽掉違規(guī)的、用戶不感興趣的內(nèi)容。推送用戶感興趣信息來(lái)吸引用戶
- 優(yōu)點(diǎn):投喂用戶感興趣信息,用戶粘度很高,容易沉迷
- 缺點(diǎn):如果算法不精準(zhǔn),可能起到反作用
本例中是基于關(guān)注的好友來(lái)做Feed流的,因此采用Timeline的模式。
1、Timeline模式的方案
該模式的實(shí)現(xiàn)方案有
- 拉模式
- 推模式
- 推拉結(jié)合
拉模式

優(yōu)點(diǎn):節(jié)省內(nèi)存消息,只用保存一份,保存發(fā)件人的發(fā)件箱,要讀的時(shí)候去拉取就行了
缺點(diǎn):每次讀取都要去拉,耗時(shí)比較久
推模式

優(yōu)點(diǎn):延遲低
缺點(diǎn):太占空間了,一個(gè)消息要保存好多遍
推拉結(jié)合模式
推拉結(jié)合分用戶,比如大v很多粉絲就采用推模式,有自己的發(fā)件箱,讓用戶上線之后去拉取。普通人發(fā)的話就用推模式推給每個(gè)用戶,因?yàn)榉劢z數(shù)也不多直接推給每個(gè)人延遲低。粉絲也分活躍粉絲和普通粉絲,活躍粉絲用推模式有主機(jī)的收件箱,因?yàn)樗焯於伎幢乜?,而普通粉絲用拉模式,主動(dòng)上線再拉取,僵尸粉直接不會(huì)拉取,就節(jié)省空間。

總結(jié)

由于我們這點(diǎn)評(píng)網(wǎng)站,用戶量比較小,所以我們采用推模式(千萬(wàn)以下沒問(wèn)題)。
2、推模式實(shí)現(xiàn)關(guān)注推送
需求
(1)修改新增探店筆記的業(yè)務(wù),在保存blog到數(shù)據(jù)庫(kù)的同時(shí),推送到粉絲的收件箱
(2)收件箱滿足可以根據(jù)時(shí)間排序,必須用redis的數(shù)據(jù)結(jié)構(gòu)實(shí)現(xiàn)
(3)查詢收件箱數(shù)據(jù)時(shí),可以實(shí)現(xiàn)分頁(yè)查詢
要進(jìn)行分頁(yè)查詢,那么我們存入redis采用什么數(shù)據(jù)類型呢,是list還是zset呢
feed流分頁(yè)問(wèn)題
假如我們?cè)诜猪?yè)查詢的時(shí)候,這個(gè)時(shí)候加了新的內(nèi)容11, 再查詢下一頁(yè)的時(shí)候,6就重復(fù)出現(xiàn)了,為了解決這種問(wèn)題,我們必須使用滾動(dòng)分頁(yè)

feed流的滾動(dòng)分頁(yè)
滾動(dòng)分頁(yè)就是每次都記住最后一個(gè)id,方便下一次進(jìn)行查詢,用這種lastid的方式來(lái)記住,不依賴于角標(biāo),所以我們不會(huì)收到角標(biāo)的影響。所以我們不能用list來(lái)存數(shù)據(jù),因?yàn)樗蕾囉诮菢?biāo),zset可以根據(jù)分?jǐn)?shù)值范圍查詢。我們按時(shí)間排序,每次都記住上次最小的,然后從比這小的開始。

實(shí)現(xiàn)推送到粉絲的收件箱
修改新增探店筆記的業(yè)務(wù),在保存blog到數(shù)據(jù)庫(kù)的同時(shí),推送到粉絲的收件箱
@Override
public Result saveBlog(Blog blog) {
// 1.獲取登錄用戶
UserDTO user = UserHolder.getUser();
blog.setUserId(user.getId());
// 2.保存探店筆記
boolean isSuccess = save(blog);
if(!isSuccess){
return Result.fail("新增筆記失敗!");
}
// 3.查詢筆記作者的所有粉絲 select * from tb_follow where follow_user_id = ?
List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();
// 4.推送筆記id給所有粉絲
for (Follow follow : follows) {
// 4.1.獲取粉絲id
Long userId = follow.getUserId();
// 4.2.推送
String key = FEED_KEY + userId;
stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());
}
// 5.返回id
return Result.ok(blog.getId());
}滾動(dòng)分頁(yè)接收思路
第一次查詢是分?jǐn)?shù)(時(shí)間)從1000(很大的數(shù))開始到0(最?。┻@個(gè)范圍,然后限制查3個(gè)(一頁(yè)數(shù)量),偏移量是0,然后記錄結(jié)尾(上一次的最小值)
以后每次都是從上一次的最小值到0,限定查3個(gè),偏移量是1(因?yàn)橛涗浀哪莻€(gè)值不算),再記錄結(jié)尾的值。
但是有一種情況,如果有相同的時(shí)間,分?jǐn)?shù)一樣的話,比如兩個(gè)6分,而且上一頁(yè)都顯示完,我們下一頁(yè)是按照第一個(gè)6分當(dāng)結(jié)尾的,第二個(gè)6分可能會(huì)出現(xiàn)的,所以我們這個(gè)偏移量不能固定是1,要看有幾個(gè)和結(jié)尾相同的數(shù),如果是兩個(gè)就得是2,3個(gè)就是3。
滾動(dòng)分頁(yè)查詢參數(shù):
- 最大值:當(dāng)前時(shí)間戳 | 上一次查詢的最小時(shí)間戳
- 最小值:0
- 偏移量:0 | 最后一個(gè)值的重復(fù)數(shù)
- 限制數(shù):一頁(yè)顯示的數(shù)

實(shí)現(xiàn)滾動(dòng)分頁(yè)查詢
前端需要傳來(lái)兩條數(shù)據(jù),分別是lastId和offset,如果是第一次查詢,那么這兩個(gè)值是固定的,會(huì)由前端來(lái)指定,lastId是發(fā)起查詢時(shí)的時(shí)間戳,而offset就是零,當(dāng)后端查詢完分頁(yè)信息后需要返回三條數(shù)據(jù),第一條自然就是分頁(yè)信息,第二條是此次分頁(yè)查詢數(shù)據(jù)中最后一條數(shù)據(jù)的時(shí)間戳,第三條信息是偏移量,我們需要在分頁(yè)查詢后計(jì)算有多少條信息的時(shí)間戳與最后一條是相同的,作為偏移量來(lái)返回。而前端拿到這后兩個(gè)參數(shù)之后就會(huì)分別保存在前端的lastId和offset中,下一次分頁(yè)查詢時(shí)就會(huì)將這兩條數(shù)據(jù)作為請(qǐng)求參數(shù)來(lái)訪問(wèn),然后不斷循環(huán)上述過(guò)程,這樣也就實(shí)現(xiàn)了分頁(yè)查詢。
定義返回值實(shí)體類
@Data
public class ScrollResult {
private List<?> list;
private Long minTime;
private Integer offset;
}Controller
@GetMapping("/of/follow")
public Result queryBlogOfFollow(
@RequestParam("lastId") Long max, @RequestParam(value = "offset", defaultValue = "0") Integer offset){
return blogService.queryBlogOfFollow(max, offset);
}BlogServiceImpl
@Override
public Result queryBlogOfFollow(Long max, Integer offset) {
//獲取當(dāng)前用戶
Long userId = UserHolder.getUser().getId();
//組裝key
String key = RedisConstants.FEED_KEY + userId;
//分頁(yè)查詢收件箱,一次查詢兩條 ZREVRANGEBYSCORE key Max Min LIMIT offset count
Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, max, offset, 2);
//若收件箱為空則直接返回
if (typedTuples == null || typedTuples.isEmpty()) {
return Result.ok();
}
//通過(guò)上述數(shù)據(jù)獲取筆記id,偏移量和最小時(shí)間
ArrayList<Long> ids = new ArrayList<>();
long minTime = 0;
//因?yàn)檫@里的偏移量是下一次要傳給前端的偏移量,所以初始值定為1
int os = 1;
for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {
//添加博客id
ids.add(Long.valueOf(typedTuple.getValue()));
//獲取時(shí)間戳
long score = typedTuple.getScore().longValue();
//由于數(shù)據(jù)是按時(shí)間戳倒序排列的,因此最后被賦值的就是最小時(shí)間
if (minTime == score) {
//如果有兩個(gè)數(shù)據(jù)時(shí)間戳相等,那么偏移量開始計(jì)數(shù)
os++;
} else {
//如果當(dāng)前數(shù)據(jù)的時(shí)間戳與已經(jīng)記錄的最小時(shí)間戳不相等,則說(shuō)明當(dāng)前時(shí)間小于已記錄的最小時(shí)間戳,將其賦給minTime
minTime = score;
//偏移量重置
os = 1;
}
}
//需要考慮到時(shí)間戳相等的消息數(shù)量大于2的情況,這時(shí)候偏移量就需要加上上一頁(yè)查詢時(shí)的偏移量
os = minTime == max ? os : os + offset;
//根據(jù)id查詢blog
String idStr = StrUtil.join(",", ids);
//查詢時(shí)需要手動(dòng)指定順序
List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
//這里還需要查詢博客作者的相關(guān)信息,這里對(duì)比視頻中,用一次查詢代替了多次查詢,提高效率
List<Long> blogUserIds = blogs.stream().map(blog -> blog.getUserId()).collect(Collectors.toList());
String blogUserIdStr = StrUtil.join(",", blogUserIds);
HashMap<Long, User> userHashMap = new HashMap<>();
userService.query().in("id", blogUserIds).last("ORDER BY FIELD(id," + blogUserIdStr + ")").list().
stream().forEach(user -> {
userHashMap.put(user.getId(), user);
});
//為blog封裝數(shù)據(jù)
Iterator<Blog> blogIterator = blogs.iterator();
while (blogIterator.hasNext()) {
Blog blog = blogIterator.next();
User user = userHashMap.get(blog.getUserId());
blog.setName(user.getNickName());
blog.setIcon(user.getIcon());
blog.setIsLike(isLikeBlog(blog.getId()));
}
//返回封裝數(shù)據(jù)
ScrollResult scrollResult = new ScrollResult();
scrollResult.setList(blogs);
scrollResult.setMinTime(minTime);
scrollResult.setOffset(os);
return Result.ok(scrollResult);
}到此這篇關(guān)于Redis實(shí)現(xiàn)好友關(guān)注的示例代碼的文章就介紹到這了,更多相關(guān)Redis 好友關(guān)注內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
相關(guān)文章
window下創(chuàng)建redis出現(xiàn)問(wèn)題小結(jié)
這篇文章主要介紹了window下創(chuàng)建redis出現(xiàn)問(wèn)題總結(jié),本文給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-10-10
基于redis實(shí)現(xiàn)世界杯排行榜功能項(xiàng)目實(shí)戰(zhàn)
前段時(shí)間,做了一個(gè)世界杯競(jìng)猜積分排行榜。對(duì)世界杯64場(chǎng)球賽勝負(fù)平進(jìn)行猜測(cè),猜對(duì)+1分,錯(cuò)誤+0分,一人一場(chǎng)只能猜一次。下面通過(guò)本文給大家分享基于redis實(shí)現(xiàn)世界杯排行榜功能項(xiàng)目實(shí)戰(zhàn),感興趣的朋友一起看看吧2018-10-10
redis中如何使用lua腳本讓你的靈活性提高5個(gè)逼格詳解
這篇文章主要給大家介紹了關(guān)于redis中如何使用lua腳本讓你的靈活性提高5個(gè)逼格的相關(guān)資料,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2018-10-10
NestJS+Redis實(shí)現(xiàn)手寫一個(gè)限流器
限流是大型系統(tǒng)必備的保護(hù)措施,本文將結(jié)合redis , lua 腳本 以及 Nestjs Guard 來(lái)實(shí)現(xiàn) 限流的效果,感興趣的小伙伴可以跟隨小編一起學(xué)習(xí)一下2023-11-11
redis實(shí)現(xiàn)分布式全局唯一id的示例代碼
在某些場(chǎng)景中,我們需要生成全局的唯一ID,本文主要介紹了redis實(shí)現(xiàn)分布式全局唯一id的示例代碼,具有一定的參考價(jià)值,感興趣的可以了解一下2024-04-04
Redis分布式鎖的實(shí)現(xiàn)方式(redis面試題)
這篇文章主要介紹了Redis分布式鎖的實(shí)現(xiàn)方式(面試常見),需要的朋友可以參考下2020-01-01
完美解決linux上啟動(dòng)redis后配置文件未生效的問(wèn)題
今天小編就為大家分享一篇完美解決linux上啟動(dòng)redis后配置文件未生效的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-05-05

