可以多创建一个表，记录被用户单条忽略的动态：

ignored_events
------------------------
user_id,  event_id
3      ,  10

然后加一个 not exists 或者 not in 查询

select e.* from events e, event_subscribers es
    where e.user_id = es.subscribed_user_id
      and es.user_id = 3
      and e.id not in (
        select id from ignored_events ie
          where ie.user_id = 3
      )

文章写的好详细，赞。

如果担心大数据量的性能问题，还有一个选择是用 PostgreSQL 的 array ，可以给它设置 GIN 类型的索引，本质上是一个全文索引的字段，Rails 也有相关的 gem : https://github.com/tmiyamon/acts-as-taggable-array-on

[*0..5, *2..8, *3..12, 2, 2, 2, 2].each{|i| print' '*(40-2*i-i/2)+'*'*(4*i+1+i)+"\n"}

可以看一下 ProxySQL 它能满足你提到的这些需求： https://github.com/sysown/proxysql

另外一个是 Vitess 但我对它不熟，听 Github 的人说他们在评估这个，你也可以看一下： https://github.com/vitessio/vitess

ActiveJob 目的是为了并发/异步执行，改成长度为1的队列，未免削足适履，更合适的解决方案是用 flock，用 Exclusive lock 和 None blocking 来保证一个文件只能被一个 JobWorker 处理，同时也有并发处理多文件的能力

f = File.open(...)
if f.flock(File::LOCK_EX | File::LOCK_NB)
  ...
end

直觉是不可能，在我自己机器上跑了一下，结果是相反的，你的ruby是什么版本？

2.3.2 :018 > Benchmark.measure { maxa(1000)}
 => #<Benchmark::Tms:0x007fcd7a884b78 @label="", @real=3.692405005916953, @cstime=0.0, @cutime=0.0, @stime=0.040000000000000036, @utime=3.6, @total=3.64> 
2.3.2 :019 > Benchmark.measure { maxf(1000)}
 => #<Benchmark::Tms:0x007fcd7b027b00 @label="", @real=0.8660073862411082, @cstime=0.0, @cutime=0.0, @stime=0.009999999999999898, @utime=0.8300000000000001, @total=0.84> 

好像在2.4测试就反过来了，是因为2.4的那个Array#max实现更新吗，等下再看看...

推模式问题在于任何影响订阅关系的行为，比如屏蔽或者取消屏蔽，还需要对已经推送的event进行修改

和推不一样的，推的模式在产生event的时候，需要写入大量数据，而且这种设计也没有 屏蔽/取消屏蔽 导致数据不正确的问题

我觉得拉的模式缺点讲得不正确，把event和friendship强关联的设计是这个造成这个缺点的主要原因，而不是拉模式本身的问题。

正确设计应该有一个中间表，比如 event_subscribers ，表结构是这样的：

user_id, subscribed_user_id
3      , 4
3      , 8
1      , 4
1      , 10

SQL查询是固定的：

select events.* from events, event_subscribers
    where events.user_id = event_subscribers.subscribed_user_id and event_subscribers.user_id = 3

所有的屏蔽，过滤都是对event_subscribers这个中间表数据做操作

可以先用数组的前一个元素做group_by，然后用map!方法将后一个元素做replace：

data = [['A', '123'], ['A', '1223'], ['A', '12343'], ['A', '122XX33'], ['B', '678'], ['B', '612378'], ['B', '67XX8'], ['C', '100'], ['C', '1000']]

data.group_by(&:first).each{|_, v| v.map!(&:last)}

# => {"A"=>["123", "1223", "12343", "122XX33"], "B"=>["678", "612378", "67XX8"], "C"=>["100", "1000"]}