what is feeding and what is 读扩散 and 写扩散？
what is feeding？
通俗点说feed系统就是当你登陆进对应网站后：微信朋友圈的动态、人人网上看到的一件件新鲜事、新浪微博上推到你面前的一条条新围脖等等。系统中的每一条消息就是一个feed。feed的获取方式主要有两种：push（推）以及pull（拉）。也就是接下来所说的读扩散和写扩散。
feed流业务最大的特点是“我们的主页由别人发布的feed组成”，获得朋友圈消息feed流集合，从技术上说，主要有“拉取”与“推送”两种方式。feed流的推与拉主要指的是这里。
feed的特点
-
有好友关系，例如关注，粉丝
-
我们的主页由别人发布的feed组成
feed的经典动作
-
关注，取关
-
发布feed
-
拉取自己的主页feed流
feed的核心元数据
-
关系数据
-
feed数据
feeding流之读扩散？
例如：某feed系统里有ABCD四个用户，其中：
-
A关注了BC，D关注了B
其关系存储又包含关注关系与粉丝关系，“A关注了BC，D关注了B”的潜台词是“B有两个粉丝AD，C有一个粉丝A”。
-
B发布过四条feed：msg1, msg3, msg5, msg10
-
C发布过两条feed：msg2, msg8
每一个用户，都有一个feed队列，记录自己曾经发布的所有feed数据。
在拉模式中，发布一条feed的流程非常简单，例如C新发布了一条msg12：
此时只需往C的feed队列里加入一条feed即可。
在拉模式中，取消关注的流程也非常简单，例如A取消关注C：
此时只需要在A的关注列表里删除C，并在C的粉丝列表里删除A即可。
在拉模式中，用户A获取“由别人发布的feed组成的主页”的过程比较复杂，此时需要：
-
-
获取A的关注列表
-
list<gz_uid> = select uid from GZ where uid=A
-
-
获取所关注的用户发布的feed
-
list<msg> = NULL;
for(uid in list<gz_uid>){
list<some_msg> =
select * from F where uid=$uid offset | limit
list<msg> += list<some_msg>;
}
-
对消息进行rank排序（假设按照发布时间排序），分页取出对应的一页feeds
sort_msg_by_time(list<msg>);
get_one_page(list<msg>, page_num);
feed流的拉模式（“读扩散”）有什么优缺点？
优点：
-
-
存储结构简单，数据存储量较小，关系数据与feed数据都只存一份
-
取消关注，发布feed的业务流程非常简单
-
存储结构，业务流程都比较容易理解，非常适合项目早期用户量、数据量、并发量不大时的快速实现
-
缺点也显而易见：
-
-
拉取朋友圈feed流列表的业务流程非常复杂
-
有多次数据访问，并且要进行大量的内存计算，大量数据的网络传输，性能较低
-
在拉模式中，系统的瓶颈容易出现在“用户所发布feed列表”的读取上，而每个用户发布feed的频率其实是很低的，此时，架构优化的核心是通过缓存降低数据存储磁盘IO。
当用户量、数据量、并发量数据逐步增加之后，拉模式会慢慢扛不住了，需要升级优化，但对于“取消关注”与“发布feed”这两个写流程又会有冲击和影响。
feeding流之写扩散？
推模式（写扩散），关系数据的存储与拉模式（读扩散）完全一样。
feed数据，每个用户也存储自己发布的feed。
如上图：
-
-
B曾经发布过1，3，5，10
-
C曾经发布过2，8
-
画外音：不妨设，这里的msgid按照feed的发布时间偏序。
feed数据存储，与拉（读扩散）不同的是，每个用户还需要存储自己收到的feed流。
如上图：
-
-
A关注了BC，所以A的接收队列是1，2，3，5，8，10
-
D关注了B，所以D的接受队列是1，3，5，10
-
在推模式（写扩散）中，获取“由别人发布的feed组成的主页”会变得异常简单，假设一页消息为3条feed，A如果要看自己朋友圈的第二页消息，直接返回1，2，3即可。
画外音：第一页朋友圈是最新的消息，即5，8，10。
在推模式（写扩散）中，发布一条feed的流程会更复杂一点。
例如B新发布了一条msg12：
-
-
在B的发布feed存储里加入消息12
-
查询B全部粉丝AD
-
在粉丝AD的接收feed存储里也加入消息12
-
之所以该方案称为推模式（写扩散），就是因为，用户发布feed的时候：
-
-
直接将feed推到了粉丝的接收列表里，故称为“推模式”
-
不止写发布feed存储，而且要写多个粉丝的接收feed存储，故称为“写扩散”
-
在推模式（写扩散）中，添加关注的流程也会变得复杂。
例如D新增关注C：
-
-
在D的关注存储里添加C
-
在C的粉丝存储里添加D
-
在D的接收feed存储里加入C发布的feed
-
画外音：有些产品有这样的逻辑，“关注之后才能看到feed”，这样的话就不需要第三步，旧feed无需插入。
在推模式（写扩散）中，取消关注的流程也会变得复杂。
例如A取消关注C：
-
-
在A的关注存储里删除C
-
在C的粉丝存储里删除A
-
在A的接收feed存储里删除C发布的feed
-
feed流的推模式（写扩散）的优点是：
-
-
消除了拉模式（读扩散）的IO集中点，每个用户都读自己的数据，高并发下锁竞争少
-
画外音：拉模式（读扩散）中，用户发布feed存储容易称为IO瓶颈。
-
-
拉取朋友圈feed流列表的业务流程异常简单，速度很快
-
拉取朋友圈feed流列表，不需要进行大量的内存计算，网络传输，性能很高
-
画外音：feed业务是典型的读多写少业务场景，读写比甚至高于100：1，即平均发布1条消息，有至少100次阅读。
其缺点是：
-
-
极大极大消耗存储资源，feed数据会存储很多份，例如杨幂5KW粉丝，她每次一发博文，消息会冗余5KW份
-
画外音：有朋友提出，可以存储一份消息实体，只冗余msgid，这样的话，拉取feed流列表时，还要再次拉取实体，网络时延会更长，所以很多公司选择直接冗余消息实体，当然，这是一个用户体验与存储量的折衷设计。
-
-
新增关注，取消关注，发布feed的业务流会更复杂
-
小结
feed流业务的推拉模式小结：
-
-
拉模式，读扩散，feed存一份，存储小，用户集中访问数据，性能差
-
推模式，写扩散，feed存多份，用冗余存储换锁冲突，性能高
-
