知识卡片
推拉结合应对Feeds流的极端分布
内容
Feeds流朴素方案”写扩散”（推）：发博即写入所有粉丝收件箱，读快但大V发博要写几千万份收件箱。”读扩散”（拉）又让高频读者承受巨大实时计算量。真实解法是分段：粉丝少的用户走推，大V只推给在线粉丝，其余由读者”拉”，两部分结果合并排序。发散：数据呈幂律分布时，按节点规模分段采用不同策略、读端合并，是应对极端分布的通用解法。
参考来源
- 位置：第8章《高并发问题》微博Feeds流案例（源文件：_epub-src/text/part0037.html）
- 结论依据：原文明确说明朴素方案是写扩散（发博后异步推送到粉丝收件箱），但对粉丝数少的用户推送、粉丝数多的大V只推给在线粉丝，读端把推来的和需要拉的聚合起来按时间排序，即推拉结合，直接支持卡片对Feeds流应对极端分布的解法的论述。
- 原始内容："对于粉丝数量少的用户……发布一条微博之后推送给5000个粉丝；对于粉丝数多的用户，只推送给在线的粉丝们……对于读的一端，一个用户的关注的人当中，有的人是推给他的……有的人是需要他去拉的……需要把两者聚合起来，再按时间排序……这就是'推拉结合'。"