戳藍字“CSDN云計算”關注我們哦！作者 | 少強責編 | 阿禿

導讀：互聯(lián)網(wǎng)進入移動互聯(lián)網(wǎng)時代，最具代表性的產(chǎn)品就是各種信息流，像是朋友圈、微博、頭條等。這些移動化聯(lián)網(wǎng)時代的新產(chǎn)品在過去幾年間借著智能手機的風高速成長。這些產(chǎn)品都是Feed流類型產(chǎn)品，由于Feed流一般是按照時間“從上往下流動”，非常適合在移動設備端瀏覽，最終這一類應用就脫穎而出，迅速搶占了上一代產(chǎn)品的市場空間。

簡介

Feed流是Feed + 流，Feed的本意是飼料，Feed流的本意就是有人一直在往一個地方投遞新鮮的飼料，如果需要飼料，只需要盯著投遞點就可以了，這樣就能源源不斷獲取到新鮮的飼料。?在信息學里面，Feed其實是一個信息單元，比如一條朋友圈狀態(tài)、一條微博、一條咨詢或一條短視頻等，所以Feed流就是不停更新的信息單元，只要關注某些發(fā)布者就能獲取到源源不斷的新鮮信息，我們的用戶也就可以在移動設備上逐條去瀏覽這些信息單元。
當前最流行的Feed流產(chǎn)品有微博、微信朋友圈、頭條的資訊推薦、快手抖音的視頻推薦等，還有一些變種，比如私信、通知等，這些系統(tǒng)都是Feed流系統(tǒng)，接下來我們會介紹如何設計一個Feed流系統(tǒng)架構。
Feed流系統(tǒng)特點

Feed流本質(zhì)上是一個數(shù)據(jù)流，是將 “N個發(fā)布者的信息單元” 通過 “關注關系” 傳送給 “M個接收者”。

Feed流系統(tǒng)是一個數(shù)據(jù)流系統(tǒng)，所以我們核心要看數(shù)據(jù)。從數(shù)據(jù)層面看，數(shù)據(jù)分為三類，分別是：

• 發(fā)布者的數(shù)據(jù)：發(fā)布者產(chǎn)生數(shù)據(jù)，然后數(shù)據(jù)需要按照發(fā)布者組織，需要根據(jù)發(fā)布者查到所有數(shù)據(jù)，比如微博的個人頁面、朋友圈的個人相冊等。
• 關注關系：系統(tǒng)中個體間的關系，微博中是關注，是單向流，朋友圈是好友，是雙向流。不管是單向還是雙向，當發(fā)布者發(fā)布一條信息時，該條信息的流動永遠是單向的。
• 接收者的數(shù)據(jù)：從不同發(fā)布者那里獲取到的數(shù)據(jù)，然后通過某種順序（一般為時間）組織在一起，比如微博的首頁、朋友圈首頁等。這些數(shù)據(jù)具有時間熱度屬性，越新的數(shù)據(jù)越有價值，越新的數(shù)據(jù)就要排在最前面。

針對這三類數(shù)據(jù)，我們可以有如下定義：

• 存儲庫：存儲發(fā)布者的數(shù)據(jù)，永久保存。
• 關注表：用戶關系表，永久保存。
• 同步庫：存儲接收者的時間熱度數(shù)據(jù)，只需要保留最近一段時間的數(shù)據(jù)即可。

設計Feed流系統(tǒng)時最核心的是確定清楚產(chǎn)品層面的定義，需要考慮的因素包括：

• 產(chǎn)品用戶規(guī)模：用戶規(guī)模在十萬、千萬、十億級時，設計難度和側重點會不同。
• 關注關系（單向、雙寫）：如果是雙向，那么就不會有大V，否則會有大V存在。

上述是選擇數(shù)據(jù)存儲系統(tǒng)最核心的幾個考慮點，除此之外，還有一些需要考慮的：
★??如何實現(xiàn)Meta和Feed內(nèi)容搜索？
雖然Feed流系統(tǒng)本身可以不需要搜索，但是一個Feed流產(chǎn)品必須要有搜索，否則信息發(fā)現(xiàn)難度會加大，用戶留存率會大幅下降。
★? Feed流的順序是時間還是其他分數(shù)，比如個人的喜好程度？

• 雙向關系時由于關系很緊密，一定是按時間排序，就算一個關系很緊密的人發(fā)了一條空消息或者低價值消息，那我們也會需要關注了解的。
• 單向關系時，那么可能就會存在大V，大V的粉絲數(shù)量理論極限就是整個系統(tǒng)的用戶數(shù)，有一些產(chǎn)品會讓所有用戶都默認關注產(chǎn)品負責人，這種產(chǎn)品中，該負責人就是最大的大V，粉絲數(shù)就是用戶規(guī)模。
  

接下來，我們看看整個Feed流系統(tǒng)如何設計。
Feed流系統(tǒng)設計
1. 產(chǎn)品定義
第一步，我們首先需要定義產(chǎn)品，我們要做的產(chǎn)品是哪一種類型，常見的類型有：

• 微博類
• 朋友圈類
• 抖音類
• 私信類

接著，再詳細看一下這幾類產(chǎn)品的異同：

上述對比中，只對比各類產(chǎn)品最核心、或者最根本特點，其他次要的不考慮。比如微博中互相關注后就是雙向關注了，但是這個不是微博的立命之本，只是補充，無法撼動根本。

從上面表格可以看出來，主要分為兩種區(qū)分：
★ 關注關系是單向還是雙向：

• 如果是單向，那么可能就會存在大V效應，同時時效性可以低一些，比如到分鐘級別；
• 如果是雙向，那就是好友，好友的數(shù)量有限，那么就不會有大V，因為每個人的精力有限，他不可能主動加幾千萬的好友，這時候因為關系更精密，時效性要求會更高，需要都秒級別。

★?排序是時間還是推薦：

• 用戶對feed流最容易接受的就是時間，目前大部分都是時間。
• 但是有一些場景，是從全網(wǎng)數(shù)據(jù)里面根據(jù)用戶的喜好給用戶推薦和用戶喜好度最匹配的內(nèi)容，這個時候就需要用推薦了，這種情況一般也會省略掉關注了，相對于關注了全網(wǎng)所有用戶，比如抖音、頭條等。

確定了產(chǎn)品類型后，還需要繼續(xù)確定的是系統(tǒng)設計目標：需要支持的最大用戶數(shù)是多少？十萬、百萬、千萬還是億？
用戶數(shù)很少的時候，就比較簡單，這里我們主要考慮?億級用戶?的情況，因為如果系統(tǒng)能支持億級，那么其他量級也能支持。為了支持億級規(guī)模的用戶，主要子系統(tǒng)選型時需要考慮水平擴展能力以及一些子系統(tǒng)的可用性和可靠性了，因為系統(tǒng)大了后，任何一個子系統(tǒng)的不穩(wěn)定都很容易波及整個系統(tǒng)。
2. 存儲
我們先來看看最重要的存儲，不管是哪種同步模式，在存儲上都是一樣的，我們定義用戶消息的存儲為存儲庫。存儲庫主要滿足三個需求：

• 可靠存儲用戶發(fā)送的消息，不能丟失。否則就找不到自己曾經(jīng)發(fā)布到朋友圈狀態(tài)了。
• 讀取某個人發(fā)布過的所有消息，比如個人主頁等。
• 數(shù)據(jù)永久保存。

所以，存儲庫最重要的特征就是兩點：

• 數(shù)據(jù)可靠、不丟失。
• 由于數(shù)據(jù)要永久保存，數(shù)據(jù)會一直增長，所以要易于水平擴展。

綜上，可以選為存儲庫的系統(tǒng)大概有兩類：

對于可靠性，分布式NoSQL的可靠性要高于關系型數(shù)據(jù)庫，這個可能有違很多人的認知。主要是關系型數(shù)據(jù)庫發(fā)展很長時間了，且很成熟了，數(shù)據(jù)放在上面大家放心，而分布式NoSQL數(shù)據(jù)庫發(fā)展晚，使用的并不多，不太信任。但是，分布式NoSQL需要存儲的數(shù)據(jù)量更多，對數(shù)據(jù)可靠性的要求也加嚴格，所以一般都是存儲三份，可靠性會更高。目前在一些云廠商中的關系型數(shù)據(jù)庫因為采用了和分布式NoSQL類似的方式，所以可靠性也得到了大幅提高。

水平擴展能力：對于分布式NoSQL數(shù)據(jù)庫，數(shù)據(jù)天然是分布在多臺機器上，當一臺機器上的數(shù)據(jù)量增大后，可以通過自動分裂兩部分，然后將其中一半的數(shù)據(jù)遷移到另一臺機器上去，這樣就做到了線性擴展。而關系型數(shù)據(jù)庫需要在擴容時再次分庫分表。
所以，結論是：

• 如果是自建系統(tǒng)，且不具備分布式NoSQL數(shù)據(jù)庫運維能力，且數(shù)據(jù)規(guī)模不大，那么可以使用MySQL，這樣可以撐一段時間。
• 如果是基于云服務，那么就用分布式NoSQL，比如Tablestore或Bigtable。
• 如果數(shù)據(jù)規(guī)模很大，那么也要用分布式NoSQL，否則就是走上一條不歸路。

如果使用Tablestore，那么存儲庫表設計結構如下：

到此，我們確定了存儲庫的選型，那么系統(tǒng)架構的輪廓有了：

3. 同步
系統(tǒng)規(guī)模和產(chǎn)品類型，以及存儲系統(tǒng)確定后，我們可以確定同步方式，常見的方式有三種：
推模式（也叫寫擴散）：和名字一樣，就是一種推的方式，發(fā)送者發(fā)送了一個消息后，立即將這個消息推送給接收者，但是接收者此時不一定在線，那么就需要有一個地方存儲這個數(shù)據(jù)，這個存儲的地方我們稱為：同步庫。推模式也叫寫擴散的原因是，一個消息需要發(fā)送個多個粉絲，那么這條消息就會復制多份，寫放大，所以也叫寫擴散。這種模式下，對同步庫的要求就是寫入能力極強和穩(wěn)定。讀取的時候因為消息已經(jīng)發(fā)到接收者的收件箱了，只需要讀一次自己的收件箱即可，讀請求的量極小，所以對讀的QPS需求不大。歸納下，推模式中對同步庫的要求只有一個：寫入能力強。
拉模式（也叫讀擴散）：這種是一種拉的方式，發(fā)送者發(fā)送了一條消息后，這條消息不會立即推送給粉絲，而是寫入自己的發(fā)件箱，當粉絲上線后再去自己關注者的發(fā)件箱里面去讀取，一條消息的寫入只有一次，但是讀取最多會和粉絲數(shù)一樣，讀會放大，所以也叫讀擴散。拉模式的讀寫比例剛好和寫擴散相反，那么對系統(tǒng)的要求是：讀取能力強。另外這里還有一個誤區(qū)，很多人在最開始設計feed流系統(tǒng)時，首先想到的是拉模式，因為這種和用戶的使用體感是一樣的，但是在系統(tǒng)設計上這種方式有不少痛點，最大的是每個粉絲需要記錄自己上次讀到了關注者的哪條消息，如果有1000個關注者，那么這個人需要記錄1000個位置信息，這個量和關注量成正比的，遠比用戶數(shù)要大的多，這里要特別注意，雖然在產(chǎn)品前期數(shù)據(jù)量少的時候這種方式可以應付，但是量大了后就會事倍功半，得不償失，切記切記。
推拉結合模式：推模式在單向關系中，因為存在大V，那么一條消息可能會擴散幾百萬次，但是這些用戶中可能有一半多是僵尸，永遠不會上線，那么就存在資源浪費。而拉模式下，在系統(tǒng)架構上會很復雜，同時需要記錄的位置信息是天量，不好解決，尤其是用戶量多了后會成為第一個故障點。基于此，所以有了推拉結合模式，大部分用戶的消息都是寫擴散，只有大V是讀擴散，這樣既控制了資源浪費，又減少了系統(tǒng)設計復雜度。但是整體設計復雜度還是要比推模式復雜。
用圖表對比：

介紹完同步模式中所有場景和模式后，我們歸納下：

• 如果產(chǎn)品中是雙向關系，那么就采用推模式。
• 如果產(chǎn)品中是單向關系，且用戶數(shù)少于1000萬，那么也采用推模式，足夠了。
• 如果產(chǎn)品是單向關系，單用戶數(shù)大于1000萬，那么采用推拉結合模式，這時候可以從推模式演進過來，不需要額外重新推翻重做。
• 永遠不要只用拉模式。
• 如果是一個初創(chuàng)企業(yè)，先用推模式，快速把系統(tǒng)設計出來，然后讓產(chǎn)品去驗證、迭代，等客戶數(shù)大幅上漲到1000萬后，再考慮升級為推拉集合模式。
• 如果是按推薦排序，那么是另外的考慮了，架構會完全不一樣，這個后面專門文章介紹。

如果選擇了Tablestore，那么同步庫表設計結構如下：

確定了同步庫的架構如下：

4. 元數(shù)據(jù)
前面介紹了同步和存儲后，整個Feed流系統(tǒng)的基礎功能完成了，但是對于一個完整Feed流產(chǎn)品而言，還缺元數(shù)據(jù)部分，接下來，我們看元數(shù)據(jù)如何處理：Feed流系統(tǒng)中的元數(shù)據(jù)主要包括：

• 用戶詳情和列表。
• 關注或好友關系。
• 推送session池。

我們接下來逐一來看。
★?4.1 用戶詳情和列表
主要是用戶的詳情，包括用戶的各種自定義屬性和系統(tǒng)附加的屬性，這部分的要求只需要根據(jù)用戶ID查詢到就可以了。
可以采用的分布式NoSQL系統(tǒng)或者關系型數(shù)據(jù)庫都可以。
如果使用NoSQL數(shù)據(jù)庫Tablestore，那么用戶詳情表設計結構如下：

★?4.2 關注或好友關系
這部分是存儲關系，查詢的時候需要支持查詢關注列表或者粉絲列表，或者直接好友列表，這里就需要根據(jù)多個屬性列查詢需要索引能力，這里，存儲系統(tǒng)也可以采用兩類，關系型、分布式NoSQL數(shù)據(jù)庫。
如果已經(jīng)有了關系型數(shù)據(jù)庫了，且數(shù)據(jù)量較少，則選擇關系型數(shù)據(jù)庫，比如MySQL等。
如果數(shù)據(jù)量比較大，這個時候就有兩種選擇：

• 需要分布式事務，可以采用支持分布式事務的系統(tǒng)，比如分布式關系型數(shù)據(jù)庫。
• 使用具有索引的系統(tǒng)，比如云上的Tablestore，更簡單，吞吐更高，擴容能力也一并解決了。

如果使用Tablestore，那么關注關系表設計結構如下：
Table：user_relation_table

多元索引Schema：

查詢的時候：

• 如果需要查詢某個人的粉絲列表：使用TermQuery查詢固定user_id，且按照timestamp排序。
• 如果需要查詢某個人的關注列表：使用TermQuery查詢固定follow_user_id，且按照timestamp排序。

當前數(shù)據(jù)寫入Table后，需要5~10秒鐘延遲后會在多元索引中查詢到，未來會優(yōu)化到2秒以內(nèi)。

除了使用多元索引外，還可以使用GlobalIndex。

★?4.3 推送session池
思考一個問題，發(fā)送者將消息發(fā)送后，接收者如何知道自己有新消息來了？客戶端周期性去刷新？如果是這樣子，那么系統(tǒng)的讀請求壓力會隨著客戶端增長而增長，這時候就會有一個風險，比如平時的設備在線率是20%~30%，突然某天平臺爆發(fā)了一個熱點消息，大量休眠設備登陸，這個時候就會出現(xiàn)“查詢風暴”，一下子就把系統(tǒng)打垮了，所有的用戶都不能用了。
解決這個問題的一個思路是，在服務端維護一個推送session池，這個里面記錄哪些用戶在線，然后當用戶A發(fā)送了一條消息給用戶B后，服務端在寫入存儲庫和同步庫后，再通知一下session池中的用戶B的session，告訴他：你有新消息了。然后session-B再去讀消息，然后有消息后將消息推送給客戶端。或者有消息后給客戶端推送一下有消息了，客戶端再去拉。
這個session池使用在同步中，但是本質(zhì)還是一個元數(shù)據(jù)，一般只需要存在于內(nèi)存中即可，但是考慮到failover情況，那就需要持久化，這部分數(shù)據(jù)由于只需要指定單Key查詢，用分布式NoSQL或關系型數(shù)據(jù)庫都可以，一般復用當前的系統(tǒng)即可。
如果使用Tablestore，那么session表設計結構如下：

5. 評論
除了私信類型外，其他的feed流類型中，都有評論功能，評論的屬性和存儲庫差不多，但是多了一層關系：被評論的消息，所以只要將評論按照被被評論消息分組組織即可，然后查詢時也是一個范圍查詢就行。這種查詢方式很簡單，用不到關系型數(shù)據(jù)庫中復雜的事務、join等功能，很適合用分布式NoSQL數(shù)據(jù)庫來存儲。
所以，一般的選擇方式就是：

• 如果系統(tǒng)中已經(jīng)有了分布式NoSQL數(shù)據(jù)庫，比如Tablestore、Bigtable等，那么直接用這些即可。
• 如果沒有上述系統(tǒng)，那么如果有MySQL等關系型數(shù)據(jù)庫，那就選關系型數(shù)據(jù)庫即可。

如果選擇了Tablestore，那么“評論表”設計結構如下：

如果需要搜索評論內(nèi)容，那么對這張表建立多元索引即可。
6. 贊
最近幾年，“贊”或“l(fā)ike”功能很流行，贊功能的實現(xiàn)和評論類似，只是比評論少了一個內(nèi)容，所以選擇方式和評論一樣。
如果選擇了Tablestore，那么“贊表”設計結構同評論表，這里就不再贅述了。系統(tǒng)架構中加了元數(shù)據(jù)系統(tǒng)后的架構如下：

7. 搜索
到此，我們已經(jīng)介紹完了Feed流系統(tǒng)的主題架構，Feed流系統(tǒng)算是完成了。但是Feed流產(chǎn)品上還未結束，對于所有的feed流產(chǎn)品都需要有搜索能力，比如下面場景：

• 微博中的搜索用戶。
• 搜索微博內(nèi)容。
• 微信中搜索好友等。

這些內(nèi)容搜索只需要字符匹配到即可，不需要非常復雜的相關性算法，所以只需要有能支持分詞的檢索功能即可，所以一般有兩種做法：

• 使用搜索引擎，將存儲庫的內(nèi)容和用戶信息表內(nèi)容推送給搜索系統(tǒng)，搜索的時候直接訪問搜索系統(tǒng)。
• 使用具備全文檢索能力的數(shù)據(jù)庫，比如最新版的MySQL、MongoDB或者Tablestore。

所以，選擇的原則如下：

• 如果存儲庫使用了MySQL或者Tablestore，那么直接選擇這兩個系統(tǒng)就可以了。
• 如果整個系統(tǒng)都沒使用MySQL、Tablestore，且已經(jīng)使用了搜索系統(tǒng)，那么可以直接復用搜索系統(tǒng)，其他場景都不應該再額外加一個搜索系統(tǒng)進來，徒添復雜度。

如果使用Tablestore，那么只需要在相應表上建立多元索引即可：

• 如果需要對用戶名支持搜索，那么需要對user_table建立多元索引，其中的nick_name需要是Text類型，且單字分詞。
• 如果需要對Feed流內(nèi)容支持搜索，那么需要對存儲庫表：store_table建立多元索引，這樣就能直接對Feed流內(nèi)容進行各種復雜查詢了，包括多條件篩選、全文檢索等。

系統(tǒng)架構中加了搜索功能后的架構如下：

8. 排序

目前的Feed流系統(tǒng)中的排序方式有兩種，一種是時間，一種是分數(shù)。
我們常用的微博、朋友圈、私信這些都是時間線類型的，因為這些產(chǎn)品定義中，需要我們主動關注某些人后才會看到這些人發(fā)表的內(nèi)容，這個時候，最重要的是實時性，而不是發(fā)布質(zhì)量，就算關注人發(fā)布了一條垃圾信息，我們也會被動看到。這種類型的產(chǎn)品適用于按照時間線排序。這一篇我們介紹的架構都是基于時間類型的。
另外一種是不需要關注任何人，我們能看到的都是系統(tǒng)希望我們看到的，系統(tǒng)在后臺會分析我們的每個人的愛好，然后給每個人推送差異化的、各自喜歡的內(nèi)容，這一種的架構和基于時間的完全不一樣，我們在后續(xù)的推薦類型中專門介紹。

9. 刪除Feed內(nèi)容
在Feed流應用中有一個問題，就是如果用戶刪除了之前發(fā)表的內(nèi)容，系統(tǒng)該如何處理？因為系統(tǒng)里面有寫擴散，那么刪除的時候是不是也要寫擴散一遍？這樣的話，刪除就不及時了，很難應對法律法規(guī)要求的快速刪除。
針對這個問題，我們在之前設計的時候，同步表中只有消息ID，沒有消息內(nèi)容，在用戶讀取的時候需要到存儲庫中去讀消息內(nèi)容，那么我們可以直接刪除存儲庫中的這一條消息，這樣用戶讀取的時候使用消息ID是讀不到數(shù)據(jù)的，也就相當于刪除的內(nèi)容，而且刪除速度會很快。除了直接刪除外，另外一種辦法是邏輯刪除，對于刪除的feed內(nèi)容，只做標記，當查詢到帶有標記的數(shù)據(jù)時就認為刪除了。
10. 更新Feed內(nèi)容
更新和刪除Feed處理邏輯一樣，如果使用了支持多版本的存儲系統(tǒng)，比如Tablestore，那么也可以支持編輯版本，和現(xiàn)在的微博一樣。
11. 總結
上面介紹了不同子功能的特點和系統(tǒng)要求，能滿足需求的系統(tǒng)主要有兩類，一類是阿里云的Tablestore單系統(tǒng)，一類是開源組件組成的組合系統(tǒng)。
開源組件組成的組合系統(tǒng)：包括MySQL、Redis、HBase等，這些系統(tǒng)單個都不能解決Feed流系統(tǒng)中遇到的問題，需要組合在一起，各司其職才能完成一個Feed流系統(tǒng)，適用于熱衷開源系統(tǒng)，人多且喜歡運維操作的團隊。
Tablestore單系統(tǒng)：只使用Tablestore單個系統(tǒng)就能解決上述的所有問題，這時候肯定有人要問？你是不是在吹牛？?這里不是吹牛，Tablestore在三年前就已經(jīng)開始重視Feed流類型業(yè)務，之前也發(fā)表過多篇文章介紹，功能上也在專門為Feed流系統(tǒng)特別定制設計，所以到今天，只使用Tablestore一款產(chǎn)品，是可以滿足上述需求的。選擇Tablestore做Feed流系統(tǒng)的用戶具有以下一些特征：

• 產(chǎn)品設計目標規(guī)模大，千萬級或億級。
• 不喜歡運維，喜歡專注于開發(fā)。
• 高效率團隊，希望盡快將產(chǎn)品實現(xiàn)落地。
• 希望一勞永逸，未來系統(tǒng)隨著用戶規(guī)模增長可以自動擴容。
• 希望能按量付費，用戶少的時候費用低，等用戶增長起來后費用在跟隨用戶數(shù)增長。

如果具有上述四個特征的任何一個，那么都是適合于用Tablestore。
架構實踐
上面我們介紹了Feed流系統(tǒng)的設計理論，具體到不同的類型中，會有不同的側重點，下面會逐一介紹。
朋友圈
朋友圈是一種典型的Feed流系統(tǒng)，關系是雙寫關系，關系有上限，排序按照時間，如果有個人持續(xù)產(chǎn)生垃圾內(nèi)容，那就只能屏蔽掉TA，這一種類型就是典型的寫擴散模型。
微博
微博也是一種非常典型的Feed流系統(tǒng)，但不同于朋友圈，關系是單向的，那么也就會產(chǎn)生大V，這個時候就需要讀寫擴散模式，用讀擴散解決大V問題。同時，微博也是主動關注類型的產(chǎn)品，所以排序也只能是時間，如果按照推薦排序，那么效果就會比較差。
頭條
頭條是最近幾年快速崛起的一款應用，在原有微博的Feed流系統(tǒng)上產(chǎn)生了進化，用戶不需要主動關注其他人，只要初始瀏覽一些內(nèi)容后，系統(tǒng)就會自動判斷出你的喜好，然后后面再根據(jù)你的喜好給你推薦你可能會喜好的內(nèi)容，訓練時間長了后，推送的內(nèi)容都會是你最喜歡看的。
私信
私信也算是一種簡單的Feed流系統(tǒng)，或者也可以認為是一種變相的IM，都是單對單的，沒有群。?

福利掃描添加小編微信，備注“姓名+公司職位”，入駐【CSDN博客】，加入【云計算學習交流群】，和志同道合的朋友們共同打卡學習！

推薦閱讀：

• 漫畫：什么是希爾排序？
  
• 一次失敗的面試，復習一次一致性哈希算法
  

• Pandas中第二好用的函數(shù) | 優(yōu)雅的Apply

• 程序員因接外包坐牢 456 天！兩萬字揭露心酸經(jīng)歷
  

• 限時早鳥票 | 2019 中國大數(shù)據(jù)技術大會（BDTC）超豪華盛宴搶先看

• 阿里開源物聯(lián)網(wǎng)操作系統(tǒng) AliOS Things 3.0 發(fā)布，集成平頭哥 AI 芯片架構！

• 雷聲大雨點小：Bakkt「見光死」了嗎？
  

真香，朕在看了！

總結

以上是生活随笔為你收集整理的动动手指头， Feed 流系统亿级规模不用愁的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。