如何在DynamoDB中高效构建社交网络用户个人信息流？

我正在开发一款具备常规用户-关注者关系的社交网络应用，当前DynamoDB表结构如下：

我需要为用户首页创建信息流，展示其关注用户的10条最新帖子。当前方案是先查询该用户的所有关注关系，再遍历每个关注用户获取帖子，但当关注用户数量增多（如数千个）时，会产生大量读取操作，请问是否有更高效的实现方案？

1. 预聚合（Fan-Out）模式（推荐） #

这是社交信息流场景的标准优化思路，核心是写时多做处理，读时直接取结果：

• 当用户发布新帖子时，先查询该用户的所有关注者列表
• 为每个关注者生成一条专属的「Feed条目」记录，存入DynamoDB：设置PK = FEED#关注者ID，SK = 帖子ULID（ULID自带时间序，倒序查询就能直接拿到最新内容）
• 用户刷首页信息流时，只需执行一次查询：PK = FEED#当前用户ID，按SK倒序取前10条即可

如果遇到百万级粉丝的大V，直接fan-out给所有关注者成本太高，可以做分层处理：大V的帖子不实时同步到所有粉丝Feed，而是用户刷信息流时，单独拉取大V的最新帖子，和预聚合的普通用户帖子合并后排序展示。

2. 优化现有读取流程（无需大幅改表） #

如果不想调整写入逻辑，可通过批量操作优化读取效率：

• 先查询当前用户的所有关注者：PK = USER#当前用户ID + SK begins_with FOLLOW#，拿到关注者ID列表
• 用BatchGetItem批量查询每个关注者的最新帖子（每个关注者取最近3-5条即可），注意BatchGetItem单次最多支持100个主键，可分批次处理
• 把所有返回的帖子收集到内存中，按ULID倒序排序后取前10条

这种方式比逐个查询高效很多，但关注者上千时仍会有多次批量请求，适合关注者数量较少的场景。

3. 调整GSI设计辅助查询 #

可以给Post表新增一个GSI来优化时间线查询：

• 新增GSI3PK = POST_TIMELINE，GSI3SK = 毫秒时间戳#用户ID#ULID（时间戳用负数存储，或查询时倒序）
• 但DynamoDB的Query不支持多用户ID的过滤，所以还是得结合关注者列表做批量查询，效率不如预聚合模式，仅作为备选方案。

额外注意点 #

• 预聚合模式要处理「取消关注」的场景：用户取消关注某用户时，需要异步删除该用户在自己Feed中的所有条目，或标记为无效，读取时过滤
• 可为Feed条目设置TTL，自动清理过期的旧帖子，减少存储占用

内容的提问来源于stack exchange，提问作者TimN