一、需求

作者发布文章（动态、帖子、博客等）的同时，推送到粉丝的收件箱
收件箱满足根据时间戳排序
查询收件箱时，可以实现分页查询

二、思路分析

传统分页

Feed流中的数据会不断更新，所以数据的角标也在变化，因此不能采用传统的分页模式。

传统了分页在feed流是不适用的，因为我们的数据会随时发生变化

假设在t1 时刻，我们去读取第一页，此时page = 1 ，size = 5 ，那么我们拿到的就是10~6 这几条记录，假设现在t2时候又发布了一条记录，此时t3 时刻，我们来读取第二页，读取第二页传入的参数是page=2 ，size=5 ，那么此时读取到的第二页实际上是从6 开始，然后是6~2 ，那么我们就读取到了重复的数据，所以feed流的分页，不能采用原始方案来做。

Feed流的滚动分页

我们需要记录每次操作的最后一条，然后从这个位置开始去读取数据

举个例子：我们从t1时刻开始，拿第一页数据，拿到了10~6，然后记录下当前最后一次拿取的记录，就是6，t2时刻发布了新的记录，此时这个11放到最顶上，但是不会影响我们之前记录的6，此时t3时刻来拿第二页，第二页这个时候拿数据，还是从6后一点的5去拿，就拿到了5-1的记录。我们这个地方可以采用sortedSet来做，可以进行范围查询，并且还可以记录当前获取数据时间戳最小值，就可以实现滚动分页了

三、具体实现

作者发布文章的同时，把文章推送到粉丝的邮箱

@Override
public Result saveBlog(Blog blog) {
    // 1.获取登录用户，省略
    // 2.保存探店笔记，省略

    // 3.查询笔记作者的所有粉丝 select * from tb_follow where follow_user_id = ?
    List<Follow> follows = followService.query().eq("follow_user_id", user.getId()).list();

    // 4.推送笔记id给所有粉丝，业务名+用户id作为key,博客id作为value。这就是用户的收件箱
    for (Follow follow : follows) {
        // 4.1.获取粉丝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());
}

粉丝查看自己的邮箱

1、每次查询完成后，我们要分析出查询出数据的最小时间戳，这个值会作为下一次查询的条件

2、我们需要找到与上一次查询相同的查询个数作为偏移量，下次查询时，跳过这些查询过的数据，拿到我们需要的数据

综上：我们的请求参数中就需要携带 lastId：上一次查询的最小时间戳和偏移量这两个参数。

一、定义出来具体的返回值实体类

 @Data
 public class ScrollResult {
     private List<?> list;
     private Long minTime;
     private Integer offset;
 }

BlogController

注意：RequestParam 表示接受url地址栏传参的注解，当方法上参数的名称和url地址栏不相同时，可以通过RequestParam 来进行指定

 @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) {
     // 1.获取当前用户
     Long userId = UserHolder.getUser().getId();
     // 2.查询收件箱 ZREVRANGEBYSCORE key Max Min LIMIT offset count
     String key = FEED_KEY + userId;
     Set<ZSetOperations.TypedTuple<String>> typedTuples = stringRedisTemplate.opsForZSet()
         .reverseRangeByScoreWithScores(key, 0, max, offset, 2);
     // 3.非空判断
     if (typedTuples == null || typedTuples.isEmpty()) {
         return Result.ok();
     }
     // 4.解析数据：blogId、minTime（时间戳）、offset
     List<Long> ids = new ArrayList<>(typedTuples.size());
     long minTime = 0; / / 2
     int os = 1; // 2
     for (ZSetOperations.TypedTuple<String> tuple : typedTuples) { // 5 4 4 2 2
         // 4.1.获取id
         ids.add(Long.valueOf(tuple.getValue()));
         // 4.2.获取分数(时间戳）
         long time = tuple.getScore().longValue();
         if(time == minTime){
             os++;
         }else{
             minTime = time;
             os = 1;
         }
     }
     // 5.根据id查询blog
     String idStr = StrUtil.join(",", ids);
     List<Blog> blogs = query().in("id", ids).last("ORDER BY FIELD(id," + idStr + ")").list();
 
     for (Blog blog : blogs) {
         // 5.1.查询blog有关的用户
         queryBlogUser(blog);
         // 5.2.查询blog是否被点赞
         isBlogLiked(blog);
     }
 
     // 6.封装并返回
     ScrollResult r = new ScrollResult();
     r.setList(blogs);
     r.setOffset(os);
     r.setMinTime(minTime);
 
     return Result.ok(r);
 }