redis list 不适合作为推拉结合模式下 feed 流的主存储,因其无法保证分页一致性、缺乏排序能力且无法去重;应仅用作临时缓冲,主存储必须使用 zset。

Redis List 不适合直接用于推拉结合模式下的 Feed 流主存储,强行用会导致分页错乱、重复或漏读——这是多数人踩坑的起点。
为什么 List 在推拉结合里容易翻车
推拉结合模式要求:用户收件箱既要支持「按时间倒序滚动分页」,又要能安全合并「推来的普通用户内容」和「拉来的大V内容」。List 表面看能满足插入快、LPUSH+LRANGE 简单,但问题藏在细节里:
-
LRANGE feed_inbox:{userId} 0 19返回第 0~19 条,下一页用20 39——可一旦中间有新内容插入(比如铁粉实时推送),原第 20 条就不是“下一页第一条”了 - 拉取大V内容时,需按时间戳做归并排序,而 List 没有内置 score,你得把所有数据取出来再内存排序,QPS 上去就扛不住
- 无法天然去重:同一内容被多次推送(如重试)后,List 会存多份;ZSet 可用
ZADD ... NX避免
推拉结合中 List 的合理定位:只做临时缓冲,不作主收件箱
真正工业级做法是让 List 承担“短生命周期、高吞吐”的辅助角色,而非最终展示层:
Redis 8.2.3 是一款安全优先的高性能键值存储系统。该版本紧急修复了可能引发远程代码执行(RCE)的高危漏洞(CVE-2025-62507),并解决了 HyperLogLog 及 Cuckoo Filter 等数据结构在特定场景下的崩溃问题。建议所有用户立即升级,以保障生产环境的系统稳定与数据安全。
- 用
feed_pending:{userId}List 缓存刚推来的普通用户内容,后台异步写入主 ZSet(feed_timeline:{userId}) - 大V内容拉取后,也先塞进
feed_pending:{userId},再批量ZADD到主 ZSet,避免频繁网络往返 - 设置
EXPIRE feed_pending:{userId} 300,5 分钟没消费就丢弃,防堆积 - 主 Feed 查询永远走
ZREVRANGE feed_timeline:{userId} 0 19 WITHSCORES,score 为毫秒时间戳
必须绕开的三个 List 使用陷阱
哪怕你坚持用 List,以下三点不处理,上线后分页就会出问题:
- 别用
LRANGE+ 偏移量分页:用户刷新时可能因并发推送导致 offset 错位。改用游标式分页,记录上一页最后一条的id和timestamp,查WHERE timestamp (应用层模拟) - 别让大V内容混进同一个 List:否则无法区分来源,后续做差异化限流、降级、缓存策略都失效。至少分两个 key:
feed_push:{userId}和feed_pull:{userId} - 别依赖 List 长度做未读数统计:
LLEN是 O(1),但实际未读需过滤已读/屏蔽/过期项。正确做法是用单独的feed_unread_count:{userId}计数器,配合HINCRBY维护
一个最小可行的推拉结合结构示例
这不是理想模型,而是你今天就能在 Spring Boot 里跑起来的底线配置:
/* 主 Feed 存储(ZSet,score = timestamp_ms) */ ZREVRANGE feed_timeline:123 0 19 WITHSCORES <p>/<em> 推送缓冲区(List,仅暂存,5分钟过期) </em>/ LPUSH feed_pending:123 "content:456" EXPIRE feed_pending:123 300</p><p>/<em> 大V拉取结果暂存(List,供归并用) </em>/ LPUSH feed_v_pull:123 "content:789|1748234560000"</p><p>/<em> 后台任务:将 pending 和 v_pull 合并写入 timeline </em>/ ZADD feed_timeline:123 1748234560000 "content:456" ZADD feed_timeline:123 1748234560000 "content:789"</p>
关键点在于:List 只出现在「写入路径的缓冲段」,所有读请求绕过它。真正的排序、分页、去重、过期控制,全由 ZSet 承担——这才是推拉结合能落地的底层约束。










