查看原文
其他

周末小技 | 开发一个Feeds流系统——写扩散模式

The following article is from 腾讯云开发者 Author 彭玉翔

导语 |本文主要针对Feeds流进行介绍,将从Feeds流的演变入手,带你一步步了解Feeds流,而后学习如何从开发角度入手,对其进行建模,抽象出Feeds流常见的架构,最终搭建高可用、高扩展、高性能的Feeds流应用。

了解Feeds流

在学习如何开发Feeds流应用前,我们需要先了解什么是Feeds流。

一、什么是Feeds流

Feeds流是一个持续更新并展示给用户的信息流。它将用户主动订阅的若干消息源组合在一起形成内容聚合器,帮助用户持续地获取最新的订阅源内容。所以它通常具有千人千面的个性化特点。举例来说,我们在各类手机App中能看到的猜你喜欢,你的关注和好友动态等功能,都是Feeds流的一种表现形式。某种意义上来说,你可以一直向下滑动,而后获取到信息的应用,都是属于Feeds流。

二、为什么会有Feeds流

了解了什么是Feeds流后,我们可以从产品角度思考一下,为什么会有Feeds流。

我们可以和传统的信息获取渠道,电视,报纸,杂志进行对比。以前我们获取的信息,通常是主动前往某个信息聚合的渠道,如:电视的新闻台,去买一份报纸,订购一本杂志。而后,我们从中大量阅读,然后才能获取到我们感兴趣的信息。上述流程我们可以知道,我们想要获取丰富的信息可不容易。

所以,这就有了Feeds流的出现了,它的主要作用是:信息聚合。也就是它可以根据你的行为去聚合你想要的信息,然后再将它们以轻松易得的方式提供给你。这个方式就是信息流的方式,你只需要不断的滑动,就可以再各种信息中穿梭,而不需要自己去寻找,被动接收信息。当然,仅仅是流的方式还不以让它成为现今主流的新闻媒体传播途径。因为传统的电视节目,当你不感兴趣的时候,你也可以换台进行切换,也是一种简单易得,可自由选择的方式。Feeds最核心的能力在于聚合。他会根据你的行为聚合出你想要的信息,例如:微博是通过你的关注列表了解你可能想要的信息源,而后以时间轴的形式聚合各种信息推给你。后来又出现了抖音的猜你喜欢,它不需要你的手动关注,而是根据你的阅览时长,点赞等信息生成你的用户画像,从而聚合你可能感兴趣的信息。朋友圈的Feeds流则是根据你的好友关系,从而聚合了你可能想要的信息。

正是有了这种丰富多彩的信息聚合能力,用户在使用Feeds流获取信息的时候,就容易获得他们感兴趣的内容。从而有一个很好的使用体验。

三、Feeds流的分类

上面提到了几种Feeds流的应用场景,有:微信朋友圈,微博的关注页,抖音的推荐页。这几个例子其实信息聚合的角度都不相同,为此,我们可以对Feeds流进行分类,了解不同类型的Feeds流,才知道开发过程中,如何针对不同的应用场景,去设计最合适的架构,实现Feeds流功能。

首先,我们可以从Feeds流的信息源聚合依据进行分类,关系有三种:

从上图我们可以知道,抖音推荐页可以从你的操作行为中生成你的用户画像,再去匹配聚合信息。而微博则是单向依赖关系,即:我关注了某个大v,就可以获取他发布的信息。这里的信息聚合依据是单向的关注关系。而微信朋友圈则是双向关系,需要两个人互相通过好友,才会聚合对方的信息到自己的朋友圈中。

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:

注意:微博热榜很多人也算成了Feeds流,但是严格意义上来说,他是一个信息流。所有人看到的热榜数据都是一样的,这缺失了信息聚合的特征。所以,本质上热榜的底层模型应该是排行榜,而非feeds流。这里不将它归为一类。

两个分类是从两个维度对Feeds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。

息源选择依据\排序依据

权重推荐时间顺序
无需依赖关系(无强依赖关系)抖音推荐页-
单向依赖关系(关注)-微博关注页
双向依赖关系(好友)-微信朋友圈

实际上,上述表格又可以进一步总结为两类:

分类应用场景
依据隐含兴趣推荐信息,按权重排序展示的feeds流抖音推荐页
依据用户关系拉取信息,按时间顺序展示的feeds流微博关注页、微信朋友圈

四、了解Feeds流的前世今生

通过上面的介绍,想必你对Feeds流已经有了一定的了解。那么再说一下它的前身。

Feeds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。

五、Feeds流模型中的术语

名称说明备注
FeedFeed流中的每一条状态或者消息都是Feed,比如朋友圈中的一个状态就是一个Feed,微博中的一条微博就是一个Feed。-
Feeds流Feed流本质上是数据流,核心逻辑是服务端系统将 “多个发布者的信息内容” 通过 “关注收藏屏蔽等关系” 推送给 “多个接收者”。常见的,比如微博上的超话,新版本的微信公众号订阅消息,抖音里的视频流等等三大特点:少部分人发布;基于订阅行为关联关系;大多数人读取信息
TimelineTimeline其实是一种Feed流的类型,微博,朋友圈都是Timeline类型的Feed流,但是由于Timeline类型出现最早,使用最广泛,最为人熟知,有时候也用Timeline来表示Feed流。又叫时间轴
关注页Timeline展示其他人Feed消息的页面,比如朋友圈,微博的首页等。又叫做收件箱,每个用户能看到的消息都会被存储到收件箱中
个人页Timeline展示自己发送过的Feed消息的页面,比如微信中的相册,微博的个人页等又叫做发件箱,自己发布的消息都会被记录到自己的发件箱中。别人的收件箱内的消息,也是从他的各个关注人的发件箱内同步过来的。
写扩散一种消息同步方式,用户发布消息后,消息被记录到用户的发件箱中,此时立刻将发件箱内的消息同步给所有用户。又叫做推模式
读扩散一种消息同步方式,用户发布消息后,消息被记录到用户的发件箱中。而消息的接收方此时没有收到消息。等到消息接收方需要查看收件箱的时候,才会去接收方关注的所有关注人发件箱中拉取消息,完成消息同步。又叫做拉模式

了解Feeds流模型的架构

通过上面的介绍,想必你对于将要开发的Feeds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Feeds流。

我们已经知道了Feeds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Feeds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Feeds流。

一、依赖用户关系的时间顺序Feeds流

第一类Feeds流是依赖用户关系的,按时间顺序进行整合展示的Feeds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。

  • Feeds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)

  • Feeds流模型需要的基本功能

了解了Feeds流的面对的挑战后,我们先不着急去处理问题,而是进入具体的功能中去分析Feeds流模型需要开发的功能。包括如下:

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feeds流中查看到。需要注意的是,有的场景中要求用户Feeds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Feeds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,Feeds流中关于他的所有消息要除去。

6.用户查看订阅的消息流(Feeds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。Feeds流的翻页问题:用户翻页Feeds流的时候,不管Feeds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。Feeds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Feeds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Feeds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。


由于Feeds流模型是一种读多写少的场景,所以一般采用写扩散更好。
当出现大v的时候,写扩散也太慢了,则采用冷热分离方案。热粉丝则写扩散同步,冷粉丝(僵尸粉)则读扩散。冷热粉丝可以记录登录次数,时长进行分类。也可以采用session池方案,判断在线的粉丝才进行写扩散。
2.Feeds流是怎么翻页的?
Feed流的分页入参不会使用page_size和page_num,而是使用last_id来记录上一页最后一条内容的id。前端读取下一页的时候,必须将last_id作为入参,后台直接找到last_id对应数据,再往后偏移page_size条数据,返回给前端,这样就避免了错位问题。注意:采用该last_id方式要求数据不能被删除,否则前端持有这个id,就又可能找不到对应的记录。为此,删除都采用标志位表示删除。当拉出的数据存在删除的时候,进行再次查询补充。
Feeds流是一个动态列表,每时每刻都可能在更新,所以传统的使用page_size和page_num来分页就不能满足使用了。因为但凡两页之间出现内容的添加或删除,都会导致错位问题。
写扩散下的翻页:由于用户收件箱是提前排序准备好的,所以last_id直接往后读取即可。
读扩散下的翻页:由于读扩散下,用户的收件箱是实时计算出来的,他翻页的时候,需要去所有关注人的发件箱中拉取一定量的数据。拉取后,需要记录当前拉取到了写信箱的write_last_id1,多少个关注就要记录了多少个write_last_id。而后翻页的时候,需要用这些write_last_id往后拉取新的一定量(比如page_size个)的数据。再用这些数据组成的新收件箱列表,筛选page_size条返回前端。同时,还需要更新他实际拉取了消息的写信箱中的write_last_id,并且存储。当下一次翻页的时候,这批write_last_id将作为下次的翻页时定位的依据。
对比下来看得出:读扩散的翻页比写扩散复杂很多。
3.写扩散模式下,用户发布消息可以慢慢扩散出去,但是删除,修改都要扩散出去,速度过慢会出现时效性问题。而且,如果真的是删除了数据,可能会影响Feeds流的分页功能(第二点已经介绍)。这种情况怎么处理?
  • 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Feeds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)。
4.用户的收件箱刷新时机问题:用户收件箱是消息同步库,缓存的只是消息id而已,所以可以全量存储所有的关注人发布信息的id。但是,消息同步库内的消息实际上变化很大,如果全部采用写扩散方式,则会导致实时性问题很大。所以对不同的触发刷新操作,我们需要进行不同处理,各操作如下:
  • 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。


  • 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Feeds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

一、架构设计

上面我们Feeds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Feeds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

数据结构设计说明:本次系统以面向对象思维进行开发,对Feeds流中需要的功能进行抽象,抽象了以下数据结构(简略版本):

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)

二、存储和缓存设计

实现消息推送逻辑,需要将信息进行存储,下面是存储表的设计:

1.消息表(消息发布表):

字段名称字段说明备注
msg_id消息id
oper_type操作类型一般的feeds流系统可以没有这个字段,该字段是和下面的发布配置表结合,用作后续扩展为消息推送系统的时候用的
msg_title消息标题
msg_content消息内容存储json
msg_type消息类型:文字,视频等用于扩展
msg_status消息状态:用于标记软删除用于扩展
msg_channel消息所属渠道用于扩展,将来可以接入多个系统
extra_info额外信息存储json,用于扩展
sender_id发布者
ctime发布时间
utime修改时间
uuid修改人
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:
3.发布配置表(一般的feeds流可以不考虑这个,我这是后期打算扩展做成消息推送系统,这里也可以提供给大家参考。):
字段名称字段说明备注
send_id发布id
send_type发布类型:立即发布,定时发布,周期发布
send_crontab发布规则定时发布的时候存储crontab
send_msg_channel发布渠道,如邮件,短信,站内信等指定推送消息的渠道
channel配置所属渠道用于扩展,将来可以接入多个系统
send_rule发布规则:确定在什么操作的时候,会触发发布如:通过审核的时候,会推送消息;或者配置发布活动时,会触发推送
extra_info额外信息存储json,用于扩展
cuid创建者
ctime创建时间
utime修改时间
uuid修改人

4.关注关系表:

字段名称字段说明备注
main_uid博主uid
follower_uid粉丝uid
status两者状态,主要记录是否拉黑关系扩展预留
hot_follower该粉丝是否是热数据当对大v采用冷热分离的时候,热粉丝如果单独存储,需要进行粉丝和热用户的大范围取交集。所以将每个人的粉丝关系进行标记,查询热数据的时候就可以避免取交集。粉丝冷热状态变更采用写扩散即可
extra_info额外信息存储json,用于扩展
cuid创建者
ctime创建时间
utime修改时间
uuid修改人

三、核心业务流程

  • 发布Feed流程

你发布一条Feed消息的时候,流程是这样的:

1.Feed消息先进入一个队列服务。

2.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。

3.将自己的Feed消息写入个人页Timeline(发件箱)。

4.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。

5.发布Feed的流程到此结束。

  • 读取Feed流流程

当刷新自己的Feed流的时候,流程是这样的:

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Feeds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Feeds流发布,读取Feeds流的流程都结束了。

核心的发布Feed、拉取Feeds流的总体交互图如下:

总结

相信看了本文以后,对于如何实现一个较为可靠,性能相对有保证的Feeds流系统,你已经有了一定的了解。那么,本次Feeds流的小结到此为止。

参考阅读:


本文由高可用架构转载。技术原创及架构实践文章,欢迎通过公众号菜单「联系我们」进行投稿


       
继续滑动看下一个
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存