人气算法答案

【问题标题】：Popularity Algorithm人气算法
【发布时间】：2009-06-22 04:20:48
【问题描述】：

我正在制作一个类似于 digg 的网站，该网站将有一个包含不同类别的主页。我想显示最受欢迎的提交。

我们的评分系统只是“喜欢”，比如“我喜欢这个”等等。我们基本上希望显示每次“喜欢”次数最多的提交。我们希望有三个类别：历史流行度、上周和最后一天。

有人知道有什么方法可以帮忙吗？我不知道如何去做这件事并提高效率。我认为我们可以使用某种 cron-job 每 10 分钟运行一次，并在最后 10 分钟内获取点赞数……但有人告诉我这样做效率很低？

帮助？

谢谢！

【问题讨论】：

标签： php sql algorithm popularity

【解决方案1】：

通常 Digg 和类似 Reddit 的网站会按提交日期而不是投票时间。这样，只需要一个简单的 SQL 查询就可以找到 X 时间段内最热门的提交。这是一个伪查询，使用此方法查找过去 24 小时内最受欢迎的 10 个链接：

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

基本上，此查询表示查找从现在到发布时间之间的秒数小于 86400（UNIX 时间为 24 小时）的所有提交。

如果您真的想在 X 时间间隔内衡量受欢迎程度，则需要将每次投票的帖子和时间存储在另一个表中：

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

然后您可以生成 X 和 Y 时间之间最受欢迎的帖子列表，如下所示：

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，您只需一跳、跳过和内连接，就可以将帖子数据绑定到返回的 id。

【讨论】：

我写的基本一样，你比我快。 =)
很好的答案...看起来虽然您描述的第一种方法更简单，但它无法处理一段时间前发布的内容突然重新流行的情况（可能是由于最近的新闻事件或什么）？第二种方法看起来更健壮，谢谢，我试试看！

【解决方案2】：

你有一个不错的数据库设置吗？我们可以听听您的CREATE TABLE 详细信息和索引吗？假设设置合理，数据库应该能够足够快地提取您需要的计数以满足您的需求！例如（索引和键的净值，这在一定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)

您可以获得前 33 名的历史热门投稿

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

以及在一定时间范围内投票的人

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

如果您将“投票”（正面或负面）存储在 likes 中，而不是将其中的每个条目计算为 +1，您可以简单地使用 SUM(likes.vote) 而不是 COUNTs。

【讨论】：

【解决方案3】：

对于像 alltime 这样的稳定列表，上周，因为它们不应该改变得很快，所以我认为你应该将列表保存在缓存中，到期时间约为 1 天或更长时间。

如果您关心实时正确计数，您可以通过比较缓存中最低页面的页面来检查每个页面视图。

您需要做的就是注意缓存和实际数据库之间的同步。

唐恩

【讨论】：

我的方法的目标是尽可能减少数据库查询，因为您不需要一直从数据库中获取顶部

【解决方案4】：

订单是当前时间的某个函数的查询可能会成为真正的性能问题。如果您可以按日历时间分组并在人们投票时更新每个分组的分数，事情就会变得简单得多。

【讨论】：

...嗯... ..什么？

【解决方案5】：

要完成nobody_的回答，我建议您阅读documentation（当然，如果您使用的是MySQL）。

【讨论】：