| 失效链接处理 |
|
如何设计微博 Feed 流_信息流系统？ PDF 下载
本站整理下载：
相关截图：
主要内容：
简单来说就是能够实时/智能推送信息的数据流。像咱们的朋友圈动态（timeline）、知乎
的推荐（智能化推荐 ）、你订阅的 Up 主的动态（timeline）都属于 Feed 流。
我总结了 3 种常⻅的 Feed 流形式。
你看到的内容完全是基于你看过的内容⽽推荐的，⽐较典型的产品有头条⾸⻚推荐、知乎
⾸⻚推荐。
智能推荐需要依赖 推荐系统 ，推荐质量的好坏和推荐算法有⾮常⼤的关系。
推荐系统的相关⽂献把它们分成三类：协同过滤（仅使⽤⽤户与商品的交互信息⽣成推
荐）系统、基于内容（利⽤⽤户偏好和／或商品偏好）的系统和 混合推荐模型（使⽤交
互信息、⽤户和商品的元数据）的系统。
另外，随着深度学习应⽤的爆发式发展，特别是在计算机视觉、⾃然语⾔处理和语⾳⽅⾯
的进展，基于深度学习的推荐系统越来越引发⼤家的关注。循环神经⽹络（RNN）理论上
能够有效地对⽤户偏好和物品属性的动态性进⾏建模，基于当前的趋势，预测未来的⾏
为。
你看到的内容完全按照时间来排序，⽐较典型的产品有微信朋友圈、QQ 空间、微博关注
者动态。
微信朋友圈：
微博关注者动态：
纯 Timeline 这种⽅式实现起来最简单，直接按照时间排序就⾏了。
纯 Timeline 这种形式更适⽤于好友社交领域，⽤户关注更多的是⼈发出的内容，⽽不仅
仅是内容。
智能推荐+Timeline 这个也是⽬前我觉得⽐较好的⼀种⽅式，实现起来⽐较简单，同时⼜
能⼀定程度地避免 “信息茧房” 的问题。
1. 实时性 ：你关注的⼈发了微博信息之后，信息需要在短时间之内出现在你的信息流
中。
2. ⾼并发 ：信息流是微博的主体模块，是⽤户进⼊到微博之后最先看到的模块，因此它
的并发请求量是最⾼的，可以达到每秒⼏⼗万次请求。
3. 性能 ： 信息流拉取性能直接影响⽤户的使⽤体验。微博信息流系统中需要聚合的数
据⾮常多。聚合这么多的数据就需要查询多次缓存、数据库、计数器，⽽在每秒⼏⼗
万次的请求下，如何保证在 100ms 之内完成这些查询操作，展示微博的信息流呢？
这是微博信息流系统最复杂之处，也是技术上最⼤的挑战。
|
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
