TimeLine引擎
一種基於範圍（如關注賬號、關係圈，附近的人等）推送，範圍裏面的人發佈各種內容，內容按照不同的組織形式展現的流。如將用戶關注的賬號的動態流或內容流整合後，按照時間等條件排序，顯示成流狀的形式。如：微淘，微博，朋友圈、訂閱號等類似場景。
基本概念
feed：一條內容，如一條微博、朋友圈。
這裏把Feed看做 Email，每個用戶都有一個收件箱，每個公衆號（或商家）都有一個發件箱。
Inbox收件箱:用戶收到的內容箱子
Outbox發件箱:公衆號（或商家）已發佈的內容箱子
常見的Timeline模式
1、拉模式
發佈:存到公衆號（或商家）自己的Outbox（輕）
查看:所有關注公衆號（或商家）的Outbox（重）
缺點：
只適用於天生基於穩定的賬號關係（公衆號-粉絲用戶）,無法支持如“個性化”和“廣告”等“定向推送”的功能,比如,公衆號就希望給某些用戶推送Feed,而不管用戶和公衆號之間的關係。
2、推模式
發佈：存到所有關注自己的用戶的Inbox（重）
查看：直接訪問用戶自己的Inbox（輕）
缺點：
拉模式以公衆號outbox爲維度存儲,一條Feed只存一份索引信息；推模式以用戶inbox爲維度存儲,一條Feed要存許多份索引信息,存儲空間成倍增長。
3、推拉模式結合
queue推送隊列：每個用戶有一個接收公衆號（或商家）推送的隊列queue，公衆號（或商家）定向推送的內容就存儲在該queue中。
inbox投遞郵箱（跟最上面說的inbox不一樣）：每個用戶有一個記錄已經投遞內容的郵箱inbox,內容包括拉的timeline和推的queue兩部分,主要用於記錄已經推送給客戶端的數據,不會再被推送,且歷史順序穩定。
timeline系統參數
5-10ms
100多臺機器
10萬級別商家發件箱，存在熱點數據，單機全量熱點數據緩存。
多級緩存：本地堆外緩存（ohc、kv-v爲list、98%命中率、lru）> tair（mdb） > DB（分庫分表）
插入時失效緩存，查詢時更新。
數據結構以索引爲單位，可排序和過濾。
先排序（list自帶sort）、過濾（ANTR表達式）、返回數據
