假设可以使用 MySQL，redis，本地缓存以及MQ。
用户量级千万，新闻数据百万，用户数比新闻数还多。用户的操作包括:
- 关注某个新闻
- 获取某个新闻的关注数量
- 获取 top10 热点新闻
- 查询自己关注的新闻。
可以推测，获取 top10 热点新闻请求会远大于关注某个新闻的请求。这些请求都不能直接压入数据库，数据库受不了。
首先想到的是 Redis 中的 Zset，所有的新闻id作为key放入同一个zset中，用户关注某个新闻，使用 zincrby 给这个新闻分数 +1。读取 top 10的时候，用zrevrange.
并且，在实际业务上（例如微博热点话题，知乎热点话题，都是每过一段时间才更新的），top10 热点新闻并不是实时更新的，可以接受一点延迟，可以通过客户端实例的本地缓存，将读取到的 top 10 存在本地缓存一段时间，过了这段时间自动失效。
但是这样也会很快遇到性能瓶颈：
1.zset 在很大时可能不满足我们对于性能的要求： Redis 的 Zset 在数量够大的时候底层基于 skiplist：
![image]()
skiplist 实现简单，插入、删除、查找的复杂度均为O(logN)。zincrby 实际上是一个查找+删除+插入（当然由于score只加了1，所以删除插入只修改相邻节点，这个有优化）
我们的场景是首先插入的新闻分数都是0，之后增长这个分数，在新闻很多，并且并不能确定某些新闻是热点的时候，zincrby 导致的节点变动很频繁。这个通过业务设计可以优化，例如新闻分级，不同级别的新闻初始分数不同
2.放入同一个 zset，对于单实例 redis 性能瓶颈时，扩展不友好。
用户千万量级，更新很频繁，如果都更新同一个 zset，很快会遇到性能瓶颈。读取还好说，可以通过本地缓存，因为展示最热点的top10的实时性要求并没有那么高。这时考虑 redis 集群，redis分片，但是如果放在同一个 zset，无法分摊压力。
那么我们可以换一种思路：redis 中，每个新闻id作为key，关注数作为value，存储简单的键值对。用户关注了某个新闻：
同步事务更新数据库中的用户关注新闻表，这个每个用户会均摊行锁压力 缓存新闻id key + 1（注意catch住缓存不可用的异常） 写入 MQ，之后返回 MQ 消费更新数据库这个新闻的关注数量，这样不会有性能瓶颈，同时针对新闻id做queue以及线程分区（就是同一个新闻总是对应特定的queue以及线程，尽量每一个行锁一个线程更新，避免数据库 lock wait timeout）
怎样获取 top 10：定时任务扫描数据库，按照新闻关注数量排序获取top10，直接放入缓存。用户请求都是读取这个缓存。虽然实时性差，但是能满足需求。
读取某个新闻的关注数量：这个就读缓存，缓存不可用，读取数据库。
获取某个用户关注的新闻列表:这个读取数据库，如果感觉也有性能瓶颈，对于每个用户id添加缓存保存关注的新闻列表即可。这个很简单
