Redis+Hacker news算法开发基于用户投票的搜索热度排名

排名在web开发中,属于基础功能,以方便用户从大量信息之中,快速有效地找出最重要的内容,从最基础的用户的点击数进行排行,到互联网大厂基于人工智能的热度算法都在此范围内。

热度排名

排名可以基于信息本身的特征,也可以基于用户的投票,即让用户决定,而热度是基于用户投票机制,辅以不同的算法完成排名。

Delicious算法

最直觉、最简单的算法,按照单位时间内用户的投票数进行排名
如按照"过去一定时间内被点击的次数"进行排名。每过一定时间,就统计一次。

这个算法的优点是比较简单、容易部署、内容更新相当快;缺点是,一方面,排名变化不够平滑,前一个小时还排名靠前的内容,往往第二个小时就一落千丈,另一方面,缺乏自动淘汰旧项目的机制,某些热门内容可能会长期占据排行榜前列。

Hacker news算法

Hacker news算法是Hacker news在原版本中基于用户投票机制排名热帖的方法,其原始的数学公式为

score = P / (T)^G
P为帖子得票数 T为距离发帖时的时间差  G为“重力因子”用于控制时间对热度排名的影响
 (T)^G  T的G次方

(P-1) / (T+2)^G
Hacker news将G默认为1.8 P-1以减去发帖人的点击数,T+2以缓冲2小时内的发帖热度

我们在得知了各个参数的含义后可根据自己的具体业务进行调参

Hacker News的Ranking算法主要区别在于引入了T P G这些参数,这参数是不断变化的,从而导致一篇帖子的得分不断变化。拥有自动淘汰旧项目的机制,排名曲线相对平滑,在中小站是在复杂度与功能性的取舍中较优选择。

结合Reids实现Hacker news

因为redis作为缓存数据库数据读取快,对网站性能影响较小,且redis拥有zset这种可自动排名的数据结构,也可对过期时间进行控制以更简单的对数据进行自动的清理,所以选择redis,完全使用mysql等数据库也可完成此功能。

Z-Set
/* 根据用户行为进行热度投票
 * 使用hacker nwes  算法配合redis
 * (P-1) / (T+2)^G
 * p 投票数
 * t 发布日期
 * */
public boolean addSetData(JSONObject param){
    JSONObject result = new JSONObject();
    String key = param.getString("key");
    String name = param.getString("name");
    String behavior = param.getString("behavior");
    //获取用户行为判断票数
    switch (behavior){
        case "click" :
            redisTemplate.opsForValue().increment(name);
            break;
        case "list" :
            redisTemplate.opsForValue().increment(name,2);
            break;
        case "collect" :
            redisTemplate.opsForValue().increment(name,10);
            break;
    }
  //进行票数计算
    int P =   Integer.parseInt(redisTemplate.opsForValue().get(name).toString()) ;
    LocalDate now = LocalDate.now();
    LocalDate ReleaseDate = LocalDate.parse("2020-01-30");
    long timeDiff = now.toEpochDay()-ReleaseDate.toEpochDay();
    double score;
    score = P /  Math.pow(timeDiff,1.8);
    Boolean saveBool = redisTemplate.opsForZSet().add(key,name,score);
    return saveBool ;
}

在项目上线后,进行数据记录,分析数据情况对G 与T 票值P进行优化,对incr的值的过期时间进行调整,同时定期对ZSet内的值进行修正以及垃圾 数据的清删。
最后,redis的稳定性相较于mysql低,我们一般会在一定时间内将redis备份至mysql数据库,还可以通过mysql中的数据对算法进行优化

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,088评论 5 459
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,715评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,361评论 0 319
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,099评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 60,987评论 4 355
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,063评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,486评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,175评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,440评论 1 290
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,518评论 2 309
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,305评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,190评论 3 312
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,550评论 3 298
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,880评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,152评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,451评论 2 341
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,637评论 2 335

推荐阅读更多精彩内容