流行度算法

Question

我正在制作一个类似digg的网站，主页将有不同的分类。我想展示最受欢迎的提交。

我们的评级系统仅为“喜欢”，如“我喜欢这个”之类。基本上，我们希望按时间显示获得“喜欢”数量最多的提交。我们想要三个类别：历史总人气，上周和昨天。

有人知道如何帮忙吗？我不知道如何处理并使其有效率。我认为我们可以使用某种定时任务每10分钟运行一次，并获取最近10分钟内每个提交的“喜欢”数量...但是我被告知这非常低效？

求助？

谢谢！

- Dixon Crews

Answer 1

通常类似于Digg和Reddit的网站按照提交日期而不是投票时间排序。这样，只需要一个简单的SQL查询就可以找到X时间段内的十个最受欢迎的提交内容。以下是使用此方法查找过去24小时内最受欢迎的10个链接的伪查询：

select * from submissions
 where (current_time - post_time) < 86400
 order by score desc limit 10

基本上，这个查询的意思是查找所有提交的内容，其中现在时间和发布时间之间的秒数小于86400，即UNIX时间下的24小时。

如果您真的想在X时间间隔内衡量受欢迎程度，则需要在另一个表中存储每个投票的帖子和时间：

create table votes (
 post foreign key references submissions(id),
 time datetime,
 vote integer); -- +1 for upvote, -1 for downvote

那么您可以这样生成在X和Y次之间最受欢迎的帖子列表：

select sum(vote), post from votes
 where X < time and time < Y
 group by post
 order by sum(vote) desc limit 10;

从这里开始，你只需要一步之遥，即内部连接，就可将返回的 id 与 post 数据关联起来。

- Kyle Cronin

---

我也在写基本相同的东西，你比我快。=) - Alix Axel

非常好的答案...看起来虽然你描述的第一种方法更简单，但它无法处理过去发布的某些内容突然重新流行的情况（可能是由于最近的新闻事件或其他原因）？第二种方法看起来更健壮，谢谢，我会尝试一下！ - Brian Armstrong

Answer 2

您的数据库设置良好吗？我们可以了解一下您的CREATE TABLE详细信息和索引吗？假设设置合理，数据库应该能够快速地提取您需要的计数以满足您的需求！例如（净索引和键，这在某种程度上取决于您使用的数据库引擎），给定两个表：

CREATE TABLE submissions (subid INT, when DATETIME, etc etc)
CREATE TABLE likes (subid INT, when DATETIME, etc etc)

您可以获取前33个最受欢迎的提交，如下所示：

SELECT *, COUNT(likes.subid) AS score
FROM submissions
JOIN likes USING(subid)
GROUP BY submissions.subid
ORDER BY COUNT(likes.subid) DESC
LIMIT 33

并且那些在特定时间范围内投票的人员

SELECT *, COUNT(likes.subid) AS score
FROM submissions
JOIN likes USING(subid)
WHERE likes.when BETWEEN initial_time AND final_time
GROUP BY submissions.subid
ORDER BY COUNT(likes.subid) DESC
LIMIT 33

如果你在likes中存储“投票”（正面或负面），而不仅仅是将每个条目视为+1，那么你可以简单地使用SUM(likes.vote)而不是COUNT来计算。

- Alex Martelli

Answer 3

对于像alltime、lastweek这样的稳定列表，因为它们不应该变化得非常快，所以我认为你应该将列表保存在缓存中，并设置过期时间为1天或更长。

如果你关心实时正确计数，可以通过将页面与缓存中最低页面进行比较，在每个页面视图中检查。

你需要做的就是关注缓存和实际数据库之间的同步。

thethanghn

- thethanghn

---

我的方法的目标是尽可能减少数据库查询，因为您不需要每次都从数据库获取顶部。 - thethanghn

Answer 4

查询中如果排序是当前时间的某个函数，可能会成为真正的性能问题。如果您可以按日历时间进行分桶，并在每个分桶中根据人们的投票更新得分，则情况会变得简单得多。

- Jason Watkins

---

...嗯...什么？ - Just a coder

Answer 5

为了补充nobody_的回答，我建议你阅读文档（如果你正在使用MySQL的话）。

- Alix Axel