微博热门的排序算法

Question

我有一张微博表，表里记录了点赞、转发、评论的数值，现在想优化热门的排序算法。

Q：热门数值的保存：以前我是在微博表中有一个字段 _hot 表示热度，每隔 60 分钟 UPDATE 这个字段，这样排序的时候就直接按照_hot字段排序就可以获得。这样能在一定程度上实现时间衰减。
更新的算法也可以和大家分享：

UPDATE microblog as v SET _hot = LOG10((_zan*2+_com*5+ _tran*3))+(unix_timestamp(v._createtime)-unix_timestamp(\'2008-12-01 00:00:00\'))/100000;

问题也很明显：
每隔 60s 就对于一张 4W+ 记录的表的每条记录做复杂的计算，对CPU的消耗太大。

A：我自己想实现的解决办法是将数据 SELECT 出来，将计算放在代码里面，然后再 UPDATE 回去。

不知道有没有更好的方式？如果用我的方式怎么实现呢？

Answer 1

結論：

把密集的運算稀釋掉，充分用好閒置性能。

---

廢話：

首先，你的算法本身就可以優化。完全可以轉而計算 x*10^y 其中 x = _zan2+_com*5+ _tran*3，y = unix_timestamp(v._createtime)/100000。

當然，我覺得 100000 應該改成 604800 (也就是 7 * 24 * 60 * 60) ，或者把 10 改成 2，考慮「半衰期」更方便。

那麼假設你接受了我的建議，使用 x*2^y 表示。等等這個式子不眼熟嘛，這不就是浮點數的形式嘛。。。當然還需要調整好 x 的區間。 這時只要另 x 屬於 [1, 10) 即可（實際操作時，只需要取前幾位，然後將位數加上去即可）。多餘/不夠的部分加/減到 y 裏去。

於是乎，浮點數怎麼比大小，你就怎麼排序。壓根就不需要計算 x*2^y 到底是多少。

首先正負的問題就不用考慮了，然後是指數的二進位表示法更大的其浮點數值更大，也就是 y 更大的。

y 一樣再比較 x。（注意這裏的 x y 已經不是一開始的了）。

當然，又因爲，原本的 y 足夠大時，x 對其影響可忽略，所以，早於一定時間的微博根本不用考慮。

於是乎，你唯一必須知道的，就是 x 和 y。y 不合條件根本不考慮 x。y 符合條件再把 x 的位數（在二進制表示下）加上去。比較 y，y 相等才精確計算 x 並比較 x。（也就是說，一開始，對 x 的計算只用精確到它有多少位。。。根本不需知道精確值）。

所以現在必須知道的只剩下 y，以及一部分 x 的位數，以及個別 x 的精確值。

那麼怎樣快速計算 x 的位數？先睡一覺再告訴你。

算了，其實完全沒必要考慮 x 位數的速算，因爲計算 x 已經很簡單很簡單了。。。你只需要在用戶點讚、評論、轉發的時候，更新一下 x 就行了。哎，順便更新一下 y 也不錯嘛。。。其實根本不用儲存 x 嘛，只需要儲存一個 y + (x 的位數) 就行了。用到 x 的精確值可能性很低，到時候再說吧。。。

等等，其實以上一大堆全都可以刪掉了。

你只要在 _hot 可能更新的時候，更新一下就好了。把密集的運算稀釋掉，充分用好閒置性能。雖然浪費，但是卻避開了鋒芒。

所以不如延遲更新一下？每到距離上一次更新超過 60s，就再更新一次。或者，乾脆把計算 _hot 的任務交給客戶端 js，來個分佈式計算？爲保險起見，在上榜前再計算一次榜上有名的。

Answer 2

前一段时间记得有一个讨论热门算法的帖子，如果数据量非常大的话，直接进行排序等操作是不合适的，

可以考虑建一个表保存热门数据，每次从主表中获取数据时，更新主表访问数量，同时将获取的数据和热门数据表中最小值进行比较，小于则不做操作，大于则对热门表进行插入排序