从小白到架构师之 Feed 流系统战术上

的时候都会是灾难」，我们真的并不需要将评论内嵌给所写的每一位Twitter吗？

仔细观察想想这也不能充分，我们知道Twitter社会适度中都为人所知其他用户是更少的，我们完全可以只内嵌给为人所知Twitter，不给那些已经几个月不能关机 App 的其他用户内嵌上新评论。

至于不为人所知的其他用户，在他们重返后运用于努将近学方法之后构建一下关切 Timeline 就好了。因为不为人所知其他用户重返是一个频带很低的事件，我们有所需的量度资源运用于努将近学方法 透过量度。

因为为人所知其他用户和不为人所知其他用户经常被叫做到「网络其他用户」和「上网其他用户」，所以这种通过先行为努结合处理事件腿部所写面世章节的方骨架所设计也被统称「网络先行为，上网努」。

如此一来构建一下加载

在前面的谈论中都不管是「关切 Timeline」还是关切关连等将近据库我们都加载在了 MySQL 中都。努将近学方法可以用 SQL 阐述为：

SELECT *FROM articlesWHERE author_uid IN ( SELECT following_uid FROM followings WHERE uid = ?)ORDER BY create_time DESCLIMIT 20;复制代码

通过查看执行计划我们发现，临时表去直+Filesort、这个查阅叠了不少 debuff：

至于先行为将近学方法，关切 Timeline 前所尚未见的加载自力间和中学毕业读到电源就不是 MySQL 能扛得住的。。。

从容不决上 Redis

显然关切 Timeline 的将近据库是可以通过 articles 和 followings 两张表中都将近据库修复的，其存在只是为了提高加载操控的稳定性。这有不能让你想起另外一个好像？

不用错！就是线或程，关切 Timeline 某种程度就是一个线或程，也就是说关切 Timeline 与线或程一样只并不需要暂时加载热门将近据库。

我们可以给关切 Timeline 加载设为过期短时间，若其他用户一段短时间不能敞开 App 他的关切 Timeline 加载将被过期特赦，在他重返如此一来次通过努将近学方法修复即可。

在运用于「网络先行为，上网努」策略时我们并不需要确实其他用户确实网络，在为 Timeline 设为了过期短时间后，Timeline 线或程确实存在本身即可以作为其他用户确实网络的红色。

就像很少有人翻查三天前的博主一样，其他用户总是关心关切页中都最上新的章节，所以关切 Timeline 中都也不能充分加载零碎的将近据库只并不需要加载最近一段短时间即可，原有将近据库等其他用户翻阅时如此一来构建就行了。

某位魔术师说得好 ——「从容不决上 Redis」，既然是线或程那么就是 Redis 的用武之地了。

Redis 中都一组将近据库骨架有表列出 List 和一组交集 SortedSet 两种，对于关切 Timeline 这种并不需要按短时间分列且禁止直复的场景当然闭着鼻长子择一 SortedSet。

将 article_id 作为一组交集的 member、面世短时间指头作为 score, 关切 Timeline 以及同样 Timeline 都可以线或程起来。

在内嵌上新 Feed 的时候只并不需要对目标 Timeline 的 SortedSet 透过 ZAdd 操控。若线或程中都不能某个 Timeline 的将近据库就运用于努将近学方法透过修复。

在运用于死讯表头透过内嵌时都有由于网络延迟等原因引发直复内嵌的情况下，所幸 article_id 是唯一的，即使再次出现了直复内嵌 Timeline 中都也不都会再次出现直复章节。

这种直复操控不影响结果的特适度有个高大上的名字 ——— 幂等适度

当 Redis 中都不能某个 Timeline 的线或程时我们无法确实是线或程受控了，还是这个其他用户的 Timeline 原本就是自力的。我们根本无法通过加载 MySQL 中都的将近据库才能透过确实，这就是经典的线或程击穿克服办法。

对于短时间线或这种交集骨架所设计的还存在第二类线或程击穿克服办法，正如我们刚刚谈到的 Redis 中都一般来说只加载最近一段短时间的 Timeline，当我们中学毕业完了 Redis 中都的将近据库如此一来次无法确实将近据库库中都确实还有越来越原有的将近据库。

这两类克服办法的克服建议是一样的，我们可以在 SortedSet 中都放一个 NoMore 的红色，表示将近据库库中都不能越来越多将近据库了。对于 Timeline 原本为自力的其他用户来说，他们的 SortedSet 中都只有一个 NoMore 红色：

如此一来次一点：努取操控要注意依然原长子适度绝不都会将修复了一半的 Timeline 暴露出出去：

概括一下运用于 Redis 做到关切短时间线或的要点:

运用于 SortedSet 骨架加载，Member 为 FeedID，Score 为短时间指头给线或程设为操控者过期短时间，不为人所知其他用户的线或程都会操控者被清自力。运用于「网络先行为，上网努」时只给 Timeline 线或程尚未受控的其他用户内嵌即可并不需要网络程中都放置红色来消除线或程击穿一层线或程不够如此一来来一层

虽然 Redis 可以方之前的依靠高适度能的关切 Timeline 管理系统，但是FAT总是甚为珍贵的，我们经常不能足够的内存为为人所知其他用户线或程关切 Timeline。

线或程不足是量度机领域的经典克服办法了，下回你的 CPU 它就都会告诉你谜题 —— 一级线或程不够用就做到二级线或程，L1、L2、L3 都无济于事了我才都会用内存。

只要是支持一组骨架的 NewSQL 将近据库库比如 Cassandra、HBase 都可以胜任 Redis 的二级线或程：

附上一条 Cassandra 的表骨架阐述：

；还有 Cassandra 是一个 Map> 骨架；还有 才都会指定一个 PartionKey，时序也根本无法按照 ClusteringKey 的时序分列；还有 这中都 PartionKey 是 uid, ClusteringKey 是 publish_time + article_id；还有 publish_time 才都会读到在 ClusteringKey 第一列才能按照它透过排序；还有 article_id 也读到进 ClusteringKey 是为了消除 publish_time 再次出现直复CREATE TABLE taojin.following_timelins ( uid bigint， publish_time timestamp, article_id bigin, PRIMARY KEY (uid, publish_time, article_id) ) WITH default_time_to_live = 60 * 24 * 60 * 60;复制代码

这中都还是要提醒一下，每多一层线或程之前要多再考虑一层一致适度克服办法，确实要绝不都会做到多级线或程并不需要仔细观察权衡。

还有一些细节要构建分页器

Feed 流向是一个建模的表列出，表列出章节都会随着短时间大幅变化。传统的 limit + offset 分页器都会有一些克服办法：

在 T1 下一场加载了第一页，T2下一场有人上新公开发表了 article 11 ，如果这时来努取第二页，都会引发 article 6 在第一页和第二页都被来到了。

克服这个克服办法的方法是根据上一页如此一来次一条 Feed 的 ID 来努取下一页：

运用于 Feed ID 来分页并不需要先行根据 ID 查阅 Feed，然后如此一来根据 Feed 的面世短时间加载下一页，流向程来得麻烦。若作为分页按钮的 Feed 被删除了，就越来越麻烦了。

；也越来越倾向于运用于短时间指头来作为按钮：

运用于短时间指头不可能避免的都会再次出现两条 Feed 短时间指头相同的克服办法, 这都会让我们的分页器不知所措。

这中都有个小技巧是将 Feed id 作为 score 的小将近部分，比如 article 11 在 2022-10-27 13:55:11 面世（短时间指头 1666850112）， 那么它的 score 为 1666850112.11 小将近部分既不影响按短时间排序又能避免了直复。

大规模内嵌

虽然我们已经将内嵌 Feed 的目标集中于给了 MQ Worker 来处理事件，但眼见将 Feed 内嵌给上百万Twitter这样庞大的目标, 同类型的 Worker 还是能够处理事件。 而且一旦处理事件中都途崩溃就并不需要全部之后开始。

我们可以将大型内嵌目标原有楼组成多个长子目标，通过死讯表头发送到的设备 MQ Worker 上透过处理事件。

因为负责原有楼分目标的 Dispatcher 只并不需要读取Twitter表列出负担和故障概率大大减轻。若某个内嵌长子目标收场 MQ 都会操控者透过直试，也不须我们惧怕。

概括

业已，我们完成了一个关切 Feed 流向管理系统的所设计。概括一下本铭我们都谈论了哪些章节：

基本将近学方法有两种。先行为将近学方法：面世上新 Feed 时内嵌到每个Twitter的 Timeline; 努将近学方法：敞开 Timeline 时努取所有关切的人面世的 Feed，之后聚合成Twitter的 Timeline。先行为将近学方法加载太快，但是内嵌慢，Twitter将近多的时候每秒钟电源很直。努将近学方法不能每秒钟克服办法，但是加载很慢其他用户敞开 Timeline 时要等待很久，中学毕业极多读到相当多的周边环境中都消耗掉的量度资源越来越多。腿部其他用户的几十上百万Twitter中都为人所知其他用户比例很少，所以我们可以只将他们的上新 Feed 内嵌给为人所知其他用户，不为人所知其他用户等重返时如此一来运用于努将近学方法修复 Timeline.即通过「网络先行为、上网努」的模骨架所设计克服先行为将近学方法的每秒钟克服办法。虽然关切 Timeline 将近据库很多但实际上是一种线或程，不用充分全部加载。我们按照线或程的思路只加载为人所知其他用户、最近一段短时间的将近据库即可，不能线或程的将近据库在其他用户学习者时如此一来通过努将近学方法修复。Timeline 先行为荐运用于 Redis 的 SortedSet 骨架加载，Member 为 FeedID，Score 为短时间指头。给线或程设为操控者过期短时间，不为人所知其他用户的线或程都会操控者被清自力。运用于「网络先行为，上网努」时只给 Timeline 线或程尚未受控的其他用户内嵌即可在 Redis 内存不足时可以运用于 Cassandra 作为 Redis 的二级线或程。关切 Timeline 是一个建模表列出，若在努取第N页与第 N+1 页中都间有上新面世的章节都会引发传统的 offset+limit 分页器受控，我们一般来说运用于 FeedID 或者短时间指头作为按钮透过分页。在给腿部其他用户的大量Twitter透过内嵌时，建议运用于死讯表头将大目标原有楼分很多小目标依靠多机处理事件加太快速度，减少故障维持成本。

原铭客户端：

。

乳房肿痛
湿气重吃什么调理
安必丁能长期服用吗
科兴抗病毒治疗药物
阿莫西林颗粒治疗鼻炎吗