#Feed流推拉模式对比
#三种 Feed 流架构的选择困境
2023年，我们产品经理提出了三个需求：
需求 1：微博式 Feed（用户看到关注的人的动态）
需求 2：朋友圈式 Feed（用户看到好友的动态）
需求 3：抖音式 Feed（推荐算法生成的个性化内容）这三种 Feed 背后是三种完全不同的架构：推模式、拉模式、混合模式。
选错了架构，轻则用户体验差，重则系统崩溃。
#二、推模式（Push / Write Fanout）🔴
#2.1 原理
用户 A 发了一条动态：
用户 A ──发布──▶ 数据库
│
└───推送到──▶ 粉丝的收件箱
│
┌────────────┼────────────┐
▼ ▼ ▼
粉丝1收件箱 粉丝2收件箱 粉丝3收件箱#2.2 代码实现
@Service
class PushFeedService {
@Autowired
private FeedDao feedDao;
@Autowired
private FollowService followService;
@Autowired
private RocketMQTemplate mqTemplate;
public void publish(Post post) {
// 1. 保存帖子
postDao.save(post);
// 2. 异步推送给粉丝（MQ 解耦）
mqTemplate.asyncSend("feed:push:topic",
new PushMessage(post.getUserId(), post.getId()),
new SendCallback() {
@Override
public void onSuccess(SendResult result) { }
@Override
public void onException(Throwable e) {
// 重试逻辑
}
}
);
}
}
@RocketMQListener(topic = "feed:push:topic")
class PushConsumer {
@Autowired
private FeedDao feedDao;
@Autowired
private FollowService followService;
public void handle(PushMessage message) {
// 查询所有粉丝
List<Long> followers = followService.getFollowers(message.getUserId());
// 批量写入粉丝收件箱
for (Long followerId : followers) {
feedDao.pushToInbox(followerId, message.getPostId());
}
}
}#2.3 优缺点
| 优点 | 缺点 |
|---|---|
| 读取极快（O(1)） | 写入慢（大V发一条要写 millions 个收件箱） |
| 用户体验好 | 存储成本高 |
| 适合粉丝数少的情况 | 大V问题 |
#三、拉模式（Pull / Read Fanout）🔴
#3.1 原理
用户 A 刷新 Feed：
请求 ──▶ 拉取关注列表（1万用户）
──▶ 分别拉取每个用户的最新动态
──▶ 合并排序
──▶ 返回#3.2 代码实现
@Service
class PullFeedService {
@Autowired
private FollowService followService;
@Autowired
private PostDao postDao;
public List<Post> getFeed(Long userId, int offset, int limit) {
// 1. 获取关注列表
List<Long> following = followService.getFollowing(userId);
// 2. 并行拉取关注的人的动态
ExecutorService executor = Executors.newFixedThreadPool(10);
List<Future<List<Post>>> futures = following.stream()
.map(followerId ->
executor.submit(() -> postDao.getRecentPosts(followerId, 100))
)
.collect(Collectors.toList());
// 3. 合并结果
List<Post> allPosts = futures.stream()
.flatMap(f -> {
try {
return f.get().stream();
} catch (Exception e) {
return Stream.empty();
}
})
.sorted(Comparator.comparing(Post::getCreatedAt).reversed())
.skip(offset)
.limit(limit)
.collect(Collectors.toList());
return allPosts;
}
}#3.3 优缺点
| 优点 | 缺点 |
|---|---|
| 写入极快（只写一条） | 读取慢（N 次查询） |
| 存储成本低 | 无法做到秒开 |
| 大V无压力 | 用户列表大时查询慢 |
#四、混合模式（Hybrid）🟡
#4.1 核心思想
推拉结合：
- 普通用户：推模式（粉丝少，写入可接受）
- 大V用户：拉模式（粉丝多，写入成本高）
临界点：粉丝数 > 10000 → 切换为拉模式#4.2 实现
@Service
class HybridFeedService {
private static final long PUSH_THRESHOLD = 10_000;
public void publish(Post post) {
// 1. 保存帖子
postDao.save(post);
// 2. 判断是否大V
long followerCount = followService.getFollowerCount(post.getUserId());
if (followerCount < PUSH_THRESHOLD) {
// 普通用户：推模式
pushToFollowers(post);
} else {
// 大V：只记录到帖子表，读取时拉取
recordToPostTable(post);
}
}
public List<Post> getFeed(Long userId, int offset, int limit) {
// 1. 从收件箱获取（推模式的内容）
List<Post> inboxPosts = feedDao.getInbox(userId, offset, limit);
// 2. 拉取大V的最新动态
List<Long> bigVs = followService.getBigVFollowing(userId);
List<Post> bigVPosts = pullFromBigVs(bigVs, offset, limit);
// 3. 合并去重
return mergeAndDedupe(inboxPosts, bigVPosts);
}
}#五、模式对比决策表🟡
| 场景 | 推荐模式 | 原因 |
|---|---|---|
| 粉丝数少（< 1000） | 推模式 | 写入成本可接受，读取快 |
| 粉丝数中等（1000~10000） | 混合模式 | 普通用户推，大V拉 |
| 粉丝数多（> 10000） | 混合模式或拉模式 | 写放大严重 |
| 微博式（关注驱动） | 推/混合模式 | 内容由关注决定 |
| 抖音式（推荐驱动） | 拉模式 | 内容由算法决定，无法预推 |
【架构权衡】 没有最好的架构，只有最适合的架构。微博选择推模式是因为用户发帖频率低、但读取频率高；抖音选择推荐模式是因为内容由算法生成、无法预推。
#六、面试总结
| 级别 | 期望回答 |
|---|---|
| P5 | 能说出推拉模式的基本原理 |
| P6 | 能分析两种模式的优缺点 |
| P7 | 能根据场景选择合适的模式 |