05 - Feed 流与 Timeline#

                Feed 流模型选择
        ┌──────────┼──────────┐
        ▼          ▼          ▼
      拉模式      推模式     推拉结合
    (读扩散)    (写扩散)    (大V拉/普通推)
        │          │
        │     ┌────┘
        │     ▼
        │  本项目采用: 推模式
        │
        │  发布博客时:
        │  1. 保存到 DB
        │  2. 查询所有粉丝
        │  3. ZADD feed:{粉丝id} blogId timestamp
        │     (推送到每个粉丝的收件箱)
        │
        ▼
    读取 Feed:
    ZREVRANGEBYSCORE feed:{userId} max 0 LIMIT offset count
        │
        ▼
    ┌──────────────────┐
    │   ScrollResult   │
    │  list: 博客列表   │
    │  minTime: 最小分数 │  → 下次请求的 max
    │  offset: 偏移量   │  → 同分数元素个数
    └──────────────────┘

@Override
public Result saveBlog(Blog blog) {
    // 1. 保存博客到 DB
    UserDTO user = UserHolder.getUser();
    blog.setUserId(user.getId());
    boolean isSuccess = save(blog);
    if (!isSuccess) {
        return Result.fail("新增笔记失败!");
    }

    // 2. 查询所有粉丝
    List<Follow> follows = followService.query()
            .eq("follow_user_id", user.getId()).list();

    // 3. 推送 blogId 到每个粉丝的 Feed 收件箱 (ZSet)
    for (Follow follow : follows) {
        Long userId = follow.getUserId();
        String key = FEED_KEY + userId;  // feed:{粉丝id}
        stringRedisTemplate.opsForZSet().add(
                key,
                blog.getId().toString(),
                System.currentTimeMillis()  // score = 时间戳
        );
    }

    return Result.ok(blog.getId());
}

@Override
public Result queryBlogOfFollow(Long max, Integer offset) {
    Long userId = UserHolder.getUser().getId();
    String key = FEED_KEY + userId;

    // ZREVRANGEBYSCORE feed:{userId} max 0 LIMIT offset 2
    // 从 max(上次最小时间戳) 开始, 跳过 offset 个, 取 2 条
    Set<ZSetOperations.TypedTuple<String>> typedTuples =
            stringRedisTemplate.opsForZSet()
                    .reverseRangeByScoreWithScores(key, 0, max, offset, 2);

    if (typedTuples == null || typedTuples.isEmpty()) {
        return Result.ok();
    }

    // 解析结果: 收集 blogId, 计算新的 minTime 和 offset
    List<Long> ids = new ArrayList<>(typedTuples.size());
    long minTime = 0;
    int os = 1;
    for (ZSetOperations.TypedTuple<String> tuple : typedTuples) {
        ids.add(Long.valueOf(tuple.getValue()));
        long time = tuple.getScore().longValue();
        if (time == minTime) {
            os++;  // 同分数 → offset 递增
        } else {
            minTime = time;
            os = 1;  // 新分数 → offset 重置
        }
    }

    // 查询博客详情 (保持 Redis 返回的顺序)
    String idStr = StrUtil.join(",", ids);
    List<Blog> blogs = query().in("id", ids)
            .last("ORDER BY FIELD(id," + idStr + ")").list();

    // 封装返回
    ScrollResult r = new ScrollResult();
    r.setList(blogs);
    r.setOffset(os);
    r.setMinTime(minTime);
    return Result.ok(r);
}

假设 Feed ZSet 中有以下数据 (score 降序):
  blogId=10, score=1000
  blogId=9,  score=900
  blogId=8,  score=900   ← 两个 blog 同一时刻发布
  blogId=7,  score=800
  blogId=6,  score=700

第一次请求: max=Long.MAX, offset=0, count=2
  结果: [blogId=10(1000), blogId=9(900)]
  minTime=900, offset=1 (score=900 出现了1次)

第二次请求: max=900, offset=1, count=2
  ZREVRANGEBYSCORE key 900 0 LIMIT 1 2
  跳过 offset=1 个 score=900 的元素(即 blogId=9)
  结果: [blogId=8(900), blogId=7(800)]
  minTime=800, offset=1

第三次请求: max=800, offset=1, count=2
  结果: [blogId=6(700)]
  minTime=700, offset=1

第四次请求: max=700, offset=1, count=2
  结果: 空 → 结束

@Override
public Result likeBlog(Long id) {
    Long userId = UserHolder.getUser().getId();
    String key = BLOG_LIKED_KEY + id;  // blog:liked:{blogId}

    // 检查是否已点赞 (ZSet score 查询)
    Double score = stringRedisTemplate.opsForZSet().score(key, userId.toString());

    if (score == null) {
        // 未点赞 → 点赞
        boolean isSuccess = update().setSql("liked = liked + 1").eq("id", id).update();
        if (isSuccess) {
            stringRedisTemplate.opsForZSet().add(key, userId.toString(),
                    System.currentTimeMillis());
        }
    } else {
        // 已点赞 → 取消
        boolean isSuccess = update().setSql("liked = liked - 1").eq("id", id).update();
        if (isSuccess) {
            stringRedisTemplate.opsForZSet().remove(key, userId.toString());
        }
    }
    return Result.ok();
}