Redis简单类twitter网站的实现

数据结构:
1.用户set:
创建用户

INCR next_user_id => 1000  
HMSET user:1000 username antirez password pwd  id 1000

2.用户的follower/following set:
使用有序集合,用粉丝或者关注的用户 ID 作为元素,用户关系创建时的 unix 时间作为分数。
followers:1000 //Sorted Set of uids of all the followers users
following:1000 //Sorted Set of uids of all the following users
添加followers:

ZADD followers:1000 1401267618 5000 //Add user 5000 with time 1401267618 
ZADD following:5000 1401267618 1000 //Add user 1000 with time 1401267618 

我们需要设置了5000关注1000,同时1000被5000关注的双重关系。

3.关注关系:
使用 ZINTERSTORE 两个人的粉丝set或关注set我们可以获得两个不同用户的关注/粉丝的交集,可以知道"你和 xxx 有 34 个共同关注/粉丝"。

4.用户的时间轴:
我们需要按照时间顺序来访问这些数据,同样使用有序集合。
timeline:1000 //Sorted Set of post ids

ZADD timeline:1000 1401267618 1234 //Add posts 1234 with time 1401267618 

5.用户的主页:
储存着用户自己发布的帖子,同样使用有序集合。
home:1000 //Sorted Set of post ids

ZADD home:1000 1401267618 1234 //Add posts 1234 with time 1401267618 

5.发布一条更新:

next_post_id => 1234  
HMSET post:1234 user_id 5000 time 1401269735 "Hello World" id 1234

一条微博通常包括多个字段,比如发表时间、发表用户、正文内容等,通常使用微博id作为key将多个键值对作为hash保存在Redis中。然后将此消息id写入作者所有follower的timeline中(push),也可以是用户读取timline时加载关注者的posts到timeline(pull)。

性能拓展:

  • 对于存储post的服务器,随着post的增加我们可以进行分片。还可以把最新发布的消息存储在Redis里,而较旧(也就是较少读取)的消息则存储到以硬盘存储为主的服务器里面,像MySQL等。
  • 对于用户的home和timeline信息流通常是无限增长的,一个合乎情理的做法是限制每个用户的home,timeline的长度。
    例:home只能存储大约 200000 条信息,并将最旧的信息删除或者隐藏。而对于timeline如果从内存的使用效率上看,ziplists是唯一之选。ziplist的最大阈值被设置为Timeline的大小,超过的部分采用上文pull方式获得posts。
  • 对于关注,一般采用限制关注数量的方式,例:微博普通用户最大允许关注2000个用户。
  • 对于粉丝,粉丝的set有可能会非常大,且不会进行数量限制,我们需要将实现这些列表的有序集合划分到多个分片上面,说得更具体一样,也就是根据分片的数量把用户的粉丝划分为多个部分,存在多个zset中。为此,我们需要为ZADD命令、ZREM命令和ZRANGEBYSCORE命令实现特定的分片版本。
  • 对于上面提到的新posts,pull还是push的选择。
    如全部采用pull方式,则timeline只存了上次pull操作之后的posts id。pull操作过程:
    1.遍历关注,根据timeline里最新的time找到之后发表过posts的人
    2.找到这些人的新posts,得到id和time
    3.合并到timeline
    而push方式读取效率高,可以看作O(1)的操作。但是当大V发消息是,瞬时写操作开销大,假设每秒1000条新post,每人N个好友,会产生1000*N的QPS,

注:
ziplists


编码的选择
在通过 ZADD 命令添加第一个元素到空 key 时, 程序通过检查输入的第一个元素来决定该创建什么编码的有序集。如果第一个元素符合以下条件的话, 就创建一个 REDIS_ENCODING_ZIPLIST 编码的有序集:

  • 服务器属性 server.zset_max_ziplist_entries 的值大于 0 (默认为 128 )。
  • 元素的 member 长度小于服务器属性 server.zset_max_ziplist_value 的值(默认为 64 )。

否则,程序就创建一个 REDIS_ENCODING_SKIPLIST 编码的有序集。

编码的转换
对于一个 REDIS_ENCODING_ZIPLIST 编码的有序集, 只要满足以下任一条件, 就将它转换为 REDIS_ENCODING_SKIPLIST 编码:

  • ziplist 所保存的元素数量超过服务器属性 server.zset_max_ziplist_entries 的值(默认值为 128 )
  • 新添加元素的 member 的长度大于服务器属性 server.zset_max_ziplist_value 的值(默认值为 64 )
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,992评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,212评论 3 388
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,535评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,197评论 1 287
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,310评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,383评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,409评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,191评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,621评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,910评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,084评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,763评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,403评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,083评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,318评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,946评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,967评论 2 351

推荐阅读更多精彩内容