37.关注推送
关注的用户有新的评论时，要推送给其他关注他的用户。
关注推送也叫做Feed流，投喂。
通过无线下拉刷新获取新的信息。
1.拉模式，读的压力比较大。每个粉丝都要去读取用户的发件箱中的数据，每次耗时较长。
2.推模式，写的压力比较大。要写给每个粉丝的收件箱里。粉丝读取自己的收件箱很容易。
3.推拉结合模式
对于普通粉丝，采用拉的方式，通过读取用户的收件箱，读的压力就比较大。
对于活跃粉丝，采用推的方式，大V一更新数据就直接写到活跃粉丝的收件箱里。活跃粉丝只需要读取自己收件箱中数据即可。
需求：
1.新增探店笔记时候，保存blog数据到数据库中，然后再将blog的id推送消息到粉丝收件箱。后续就可以根据id在数据库中获取到所有信息。
2.收件箱可以根据时间排序，使用redis的数据结构实现。
3.实现分页效果。
使用的redis的数据结构
list 有序的，有角标也可以实现分页。
sortedset 支持按照评分score排序，排名从0开始可以实现分页获取数据。
按照角标来查的命令：
zrevrange key start end 倒序排名
range key start end 正序排名
range key start end withscores 带上分数
当添加数据后，读取第二页的数据就会出现重复读取了6号位置的数据。
应该采用滚动分页
记录当前页的最后一条数据的位置，下一页查询就从该位置开始查询。
list结构不支持滚动分页查询，它是根据角标去查询的。
所以数据会经常更新变化，就是用滚动查询，那么就需要用到sortedset 结构，可以根据score排序，然后从score的最小值开始滚动查询。
按照分数来查的redis命令
zrevrangebyscore z1 1000 0 withscores limit 0 3
max:分数的最大值，第一次给一个特别大的值，比score的最大值大即可。第二次为第一次查询的score的最小值。如果是时间戳就是当前时间戳肯定是最大值。
min:分数最小值，默认固定为0。
offset:偏移量，第一次的偏移量固定为0，表示从第一个元素开始。第二次的偏移量=第一次socre的最小值在第一页查询集合中出现的次数。
count:查询的数量,每页的条数
注意：当socre值一样的时候，第二页查询的偏移量不能是1了，而应该是上一页中socre的最小值的个数。比如上一页的score的最小值为6，score在第一页查询集合中有两个，那么偏移量就为2。
@Overridepublic Long saveBlog(Blog blog) {//获取登录用户UserDTO user = UserHolder.getUser();blog.setUserId(user.getId());boolean save = save(blog);if (!save) {throw new ServiceException("新增探店笔记失败");}//查询笔记作者(当前用户)的所有粉丝List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();//推送笔记id给所有粉丝follows.stream().forEach(follow -> {String key = UserConstant.FEED_KEY + follow.getUserId();stringRedisTemplate.opsForZSet().add(key, blog.getId().toString(), System.currentTimeMillis());});//返回idreturn blog.getId();} @GetMapping("/of/follow")public ApiResponse blogOfFollow(@RequestParam("lastId") Long lastId,@RequestParam(value = "offset", defaultValue = "0") Integer offset) {//offset 偏移量//lastId 表示每一次查询都要带上上一次查询的时间戳ScrollResult scrollResult = blogService.blogOfFollow(lastId, offset);return ApiResponse.success(scrollResult);}@Overridepublic ScrollResult blogOfFollow(Long lastId, Integer offset) {//1.获取当前用户UserDTO user = UserHolder.getUser();//2.查询收件箱 zrevrangebyscore key max min limit offset countString key = UserConstant.FEED_KEY + user.getId();Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet().reverseRangeByScoreWithScores(key, 0, lastId, offset, 2);if(typedTuples == null || typedTuples.isEmpty()) {return new ScrollResult();}//3.解析数据：blogId、minTime（时间戳）、offset//初始化好大小，提升性能List<Long> ids = new ArrayList<>(typedTuples.size());Long minTime = 0L;int os = 1;for (ZSetOperations.TypedTuple<String> typedTuple : typedTuples) {String blogId = typedTuple.getValue();ids.add(Long.valueOf(blogId));long time = typedTuple.getScore().longValue();//分数-最小时间戳if(minTime == time) {os++;}else {minTime = time;os = 1;}}//4.根据id查询blogString blogIdsStr = StrUtil.join(",", ids);List<Blog> blogs = query().in("id", ids).last("order by field (id," + blogIdsStr + ")").list().stream().collect(Collectors.toList());blogs.forEach(this::queryBlogUser);//5.封装并返回ScrollResult scrollResult = new ScrollResult();scrollResult.setList(blogs);scrollResult.setMinTime(minTime);scrollResult.setOffset(os);return scrollResult;}