1 了解 Feed 流

2 了解 Feed 流模型的架构

3 总体设计

4 总结

了解 Feed 流

三种聚合逻辑，分别适用于信息探测，信息订阅和熟人社交场景中，各有各的优点。

而除了从信息源聚合依据出发进行分类以外，也可以从 Feed 流本身的展示逻辑出发进行分类，关系有两类：

两个分类是从两个维度对 Feed 流进行的划分，但是，不管是什么维度的分类，都是为了更好的贴近业务特点，进行建模开发。

实际上，上述表格又可以进一步总结为两类：

Feed 流其实不是一开始就是这种形式。它起源于 RSS 系统。RSS 翻译过来就是简易信息聚合，它将用户主动订阅的若干消息源组合在一起形成内容（aggregator），帮助用户持续地获取最新的订阅源内容。对用户而言，聚合器是专门用来订阅网站的软件，一般称为 RSS 阅读器、Feed 阅读器等。用户选择订阅多个订阅源，网站提供 Feed 网址 ，用户将 Feed 网址登记到聚合器里，在聚合器里形成聚合页，用户便能持续地获取最新的订阅源内容。整个交互流程简而言之是：用户主动订阅感兴趣的多个订阅源，订阅器帮用户及时更新订阅源信息，然后按照 timeline 时间顺序展示出来。这样，用户可以通过订阅器获取即时信息，而不用每天都检查各个订阅源是否有更新。

可以看出，上述方式很像是在订购杂志，杂志一旦更新，就会寄到家中。但是那时候的的Rss系统，能订阅的只是新闻网站以及博客。直到后来，Facebook 宣布了一项新的首页形式「News Feed」，这一形式打破了传统 RSS 的订阅方式。News Feed 可以看做一个新型聚合器：订阅源由某个新闻网站变成了生产内容的人或者团体，而内容由网站输出的公告新闻，变成了好友（关注对象）的动态（发布的内容以及其他的社交行为）。这样一来，内容丰富程度直线提高，内容发布者和订阅者也由：人和网站变成了人和人，社交距离大大拉近。很快，这种信息获取模式就普及起来了。从此以后，RSS 被迫淡出历史舞台。

了解 Feed 流模型的架构

通过上面的介绍，想必你对于将要开发的 Feed 流是什么已经足够了解了。那么，接下来我们从开发的角度切入，再次学习 Feed 流。

我们已经知道了 Feed 流可以分为两大类：基于兴趣推荐，和基于用户关系拉取。两种模式的 Feed 流底层的原理差别很大，所以要分别进行介绍。先介绍第一种：基于用户关系拉取的 Feed 流。

第一类 Feed 流是依赖用户关系的，按时间顺序进行整合展示的 Feed 流。在开发这个模型前，我们需要先了解这个模型主要面对的挑战在哪儿。

• Feed 流模型面临的挑战

1. Feed是一种实时消息，由于消息是实时产生，实时消费，实时推送的，因此满足实时性是关键。（性能要求高）

2. 消息来自于很多不同的消息源，消息的产生属于海量级别。（存储要求大）

3. 性能考虑：从消息产生到消息消费产生巨大的读写比。（读写失衡模型，时间排序）

4. 消息发布出去后，要求用户能够感知，起码满足最终一致性，不可以出现消息丢失。（原子性）

• Feed 流模型需要的基本功能

1. 用户发布消息：用户可以发布一条消息，他的订阅者都能感知到他发布了消息；（不仅是消息确保推送出去，而且要有红点提示）

2. 用户删除发布的消息：用户可以删除一条已经发布的消息，他的订阅者都能实时感知到这条消息被删除了；

3. 用户查看自己发布的消息：用户查看自己已经发布的所有消息；
4. 用户订阅消息源：用户可以订阅感兴趣的人，关注的博主以后发送的消息都可以在用户的 Feed 流中查看到。需要注意的是，有的场景中要求用户 Feed 流中能看到博主在被关注之前发的消息，这就要求订阅的时候，还要主动同步一份博主的所有消息到用户的 Feed 流中。
5. 用户取消消息源订阅：用户可以取消已经订阅的人，取关后，Feed 流中关于他的所有消息要除去。
6. 用户查看订阅的消息流（Feed 流）：用户可以以 timeline 的形式查看所有订阅的消息源发布的消息。消息的删除和更新，都会实时被用户感知到。Feed 流的翻页问题：用户翻页 Feed 流的时候，不管 Feed 流更新了多少内容，此时都是沿着最后一次看到的信息往下看。Feed 流前面的信息被删改不予理会。
7. 额外功能：消息支持配置黑白名单，进行细粒度可见权限控制。
8. 可扩展功能：信息可以支持被评论，评论本身也有增删改查

• 面临问题和解决方案

了解了上述 Feed 流需要开发的基本功能，我们进一步对功能实现中可能遇到的问题进行分析，并且给出处理方案：

1. 发布者发布消息后，订阅者如何读取消息？

这里一般有三种方案：读扩散，写扩散和读写结合。

• 读扩散：订阅者读取最新收件箱消息的时候，订阅者主动去查询关注的人的发件箱，遍历所有的人，获取所有的消息，然后更新到自己的收件箱中。
• 写扩散：发布者发布消息后，立刻将自己的消息同步给他所有的粉丝的收件箱中。
• 读写结合：由于 Feed 流是读多写少的场景，所以一般情况下，我们采用写扩散，系统的性能会比读扩散要好。但是，当有大v发布者出现时，他每次发布消息，可能消息需要同步给1亿用户，这样写扩散的性能会被严重影响到。所以，在大 v 用户上，采用读写结合的方式进行处理。具体来说就是：大 v 用户发布消息，消息写扩散到活跃用户收件箱。而不活跃用户在登录的时候，会去主动拉取大 v 用户的发件箱，完成自身收件箱的更新。

• 采用软删除+懒删除机制

  软删除是指：消息内容不进行实际删除，而是将消息置为删除状态即可，不扩散出去。如此一来，用户在自己的读取收件箱中消息的时候，是先获取了消息 id 后，再去数据库查出消息内容，而后判断状态进行过滤，把已经删除的状态剔除，不返回给前端。此时也需要重新进行捞数据，填充分页内容。懒删除是指：如果过滤了某个消息，此时才把消息从用户收件箱中真正删除。（redis 的 zset 中的对应 id 进行剔除，完成 Feed 流表的刷新）

• 软删除和懒删除的具体实现如下：采用读扩散回查方案。

  本次需求，我们的写扩散只写了一个消息 id 到用户的收件箱中，所以，用户查询收件箱信息的时候，要进行一个回查将信息丰富（该方案相比直接把内容一起写入收件箱内会更加节约内存，减少冗余数据，同时消息删除无需扩散）。

• 关注他人时，用户的收件箱是否需要触发刷新：当用户关注了另一个用户后，他的收件箱需要获取到关注用户的发件箱内所有消息，然后刷新自己的收件箱。（写扩散）

• 取消关注他人时，用户的收件箱如何刷新：这里可以采用过滤的方式：我们从收件箱中获取到了消息 id，而后需要进行回查，但是回查前，判断该 id 的所属发送人是否还在自己关注列表中。不在则进行剔除消息，同时删除收件箱中的该消息 id。(读扩散+懒删除)

• 关注人删除或者修改自己消息时，用户的收件箱如何刷新：这里也可以采用回查的方式：由于我们收件箱只存储 id，消息内容需要回查发件人发件箱的具体消息，所以，回查的时候可以获取最新消息以此完成删除、修改的同步。

• 总结：收件箱刷新有两类，一类是添加，添加都采用写扩散；一类是删除和修改，删除、修改都采用读扩散。

上述就是我们 Feed 流模型会遇到的问题，已经给出的一个解决方案。当然，不同的业务场景会遇到不同的侧重点，上述方案仅仅是一个参考。

总体设计

上面我们 Feed 流的底层模型进行了详细的分析，综合考虑后，本次开发决定采用以下架构进行开发系统。

上图可以看出是一个消息发布的流程交互，通过经过的节点看出我们系统的一个架构。虽然前文讨论了很多问题，但其实底层落到 DB 就是几个表，每个表进行良好的设计后，就可以满足我们的基础的性能要求了。而后是我们的系统内部，核心难点是发布和拉取 Feed 流两个功能。对这些问题，下面我们也会具体分点介绍设计。

• 数据结构设计

1. 消息：

   属性：消息标题，消息内容，消息附件，消息类型，消息渠道

   方法：丰富消息内容

2. 消息发布处理器：

   属性：发送用户，发布配置，消息id

   方法：获取消息id，获取接受者，获取发布配置，同步消息，保存消息

3. 用户（消息拉取器）：

   属性：用户uid，用户当前操作，用户当前页面渠道

   方法：获取关注列表，获取粉丝列表，查询发件箱，查询收件箱（收件箱过滤，包括黑白名单，软删除等）

4. 发布配置：

   属性：发布渠道，发布方式

   方法：获取发布方式，获取发布渠道

上述抽象类的类图参考示意图（非完整版）

1、消息表（消息发布表）：

2、收件箱：采用redis的zset进行存储，key 是“接收者 uid+channelid”，value为“值：发件人 uid+消息 id，score：发布时间戳” 。这样设计，可以将计算下沉，每次收件箱出现消息的刷新的时候，都会自行排序。下面的 redis 的 zset 的图示：

4、关注关系表：

1. 当你发布一条 Feed 消息的时候，流程是这样的：

2. Feed 消息先进入一个队列服务。
3. 先从关注列表中读取到自己的粉丝列表，以及判断自己是否是大V。
4. 将自己的 Feed 消息写入个人页 Timeline（发件箱）。
5. 如果是大V，此时拉取活跃用户；如果是普通用户，则拉取自己的所有粉丝用户。然后将自己的 Feed 消息同步写给自己的粉丝，同步的内容为 Feed ID。
6. 发布 Feed 的流程到此结束。

读取 Feed 流流程

1. 判断自己是否是活跃用户，如果不是，去读取自己关注的大V 列表。

2. 去读取自己的收件箱，范围起始位置是上次读取到的最新 Feed 的 ID，结束位置可以使当前时间，也可以是 MAX。然后通过查询出来的 FeesId 反查 Feed 内容，并且把已经软删除的数据剔除出去。

3. 如果有拉取到关注的大V 列表，则再次并发读取每一个大V 的发件箱，如果关注了10个大V，那么则需要10次访问。

4. 合并2和3步的结果，然后按时间排序，返回给用户。

至此，使用推拉结合，冷热分离方式的 Feed 流发布，读取 Feed 流的流程都结束了。

核心的发布 Feed、拉取 Feed 流的总体交互图如下： 

总结

相关阅读：