mysql - 带有加权分数的 Sql 流行度算法

Question

鉴于他的好恶，我正在实现一种算法，该算法目前返回热门帖子。

为此，对于每个帖子，我添加他所有的喜欢 (1) 和不喜欢 (-1) 以获得他的分数，但每个喜欢/不喜欢都是加权的:最新的，最重的。例如，在用户喜欢帖子的那一刻，他的喜欢权重为 1。1 天后，它的权重为 0.95(如果不喜欢，则为 -0.95)，2 天后，0.90，等等...... 21 天后达到 0.01。 (PS:这些都是近似值)

这是我的 table 的制作方法:

帖子表

id | Title                 | user_id | ...
-------------------------------------------
1  | Random post           | 10      | ...
2  | Another post          | 36      | ...
n  | ...                   | n       | ...

喜欢表

id | vote | post_id | user_id | created
----------------------------------------
1  | 1    | 2       | 10      | 2014-08-18 15:34:20
2  | -1   | 1       | 24      | 2014-08-15 18:54:12
3  | 1    | 2       | 54      | 2014-08-17 21:12:48 

这是我当前使用的 SQL 查询 哪个做的工作

SELECT Post.*, Like.*, 
SUM(Like.vote * 
    (1 - IF((TIMESTAMPDIFF(MINUTE, Like.created, NOW()) / 60 / 24) / 21 > 0.99, 0.99, (TIMESTAMPDIFF(MINUTE, Like.created, NOW()) / 60 / 24) / 21))
   ) AS score 
FROM posts Post 
LEFT JOIN likes Like ON (Post.id = Like.post_id) 
GROUP BY Post.id
ORDER BY score DESC

PS:我用的是TIMESTAMPDIFF与 MINUTE而不是 DAY直接因为我自己计算一天，否则它会返回一个整数，我想要一个浮点值，以便逐渐衰减加类而不是每天衰减。所以TIMESTAMPDIFF(MINUTE, Like.created, NOW())/60/24只是给我从小数部分创建以来经过的天数。

这是我的问题:

看IF(expr1, expr2, expr3) part :有必要为同类的权重设置最小值，因此它不会低于 0.01 并变为负数(等等，甚至更老的权重仍然很小)。但我计算的是同一件事的 2 倍:expr1 与 expr2 相同。有没有办法避免这种重复的表达？

我打算缓存这个查询并每 5 分钟更新一次，因为我认为它对一个大的 Post 来说会很重。和 Like table 。缓存真的有必要吗？我的目标是在具有 50 000 个条目的表上运行此查询，并且对于每 200 个关联的喜欢(这会产生 10 000 000 个条目 Like 表)。

我应该在 Like 中创建索引吗？ post_id 的表？并为创建？

谢谢 !

编辑:想象一下 Post可以有多个标签，每个标签可以属于多个帖子。如果我想获得给定标签或多个标签的热门帖子，我无法缓存每个查询；因为有大量可能的查询。查询仍然可行吗？

编辑最终解决方案:我终于做了一些测试。我创建了一个包含 30 000 个条目的表 Post 和一个包含 250 000 个条目的 Like。
如果没有索引，查询会非常长(超时 > 1000 万)，但在 Post.id (primary)、Like.id(primary) 和 Like.post_id 上的索引需要大约 0.5 秒。

所以我没有缓存数据，也没有每 500 万次使用更新。如果表不断增长，这仍然是可能的解决方案(超过 1 秒是 Not Acceptable )。

Answer 1

2: I was going to cache this query and update it every 5 minutes, as I think it will be pretty heavy on a big Post and Like table. Is the cache really necessary or not ? I'm aiming to run this query on a table with 50 000 entries, and for each 200 associated likes (that makes a 10 000 000 entries Like table).

10000 和 50000 在当前硬件上被认为很小。使用这些表大小，您可能不需要任何缓存，除非查询每秒运行几次。
无论如何，我会在决定使用缓存之前进行性能测试。

3: Should I create Index in Like table for post_id ? And for created ?

我会为(post_id，created，vote)创建一个索引。这样查询就可以从索引中获取所有信息，根本不需要读取表。

编辑 (回复评论) :

额外的索引会稍微减慢插入/更新速度。最后，您选择的路径将决定您在 CPU/RAM/磁盘 I/O 方面所需的特性。
如果您有足够的 RAM 用于 DB，那么您期望整个 Like如果要缓存在 RAM 中的表，那么您最好只使用 post_id 上的索引.

就总负载而言，您需要考虑 insert 之间的比率和 select以及使用或不使用索引的插入和选择的相对成本。
我的直觉是总负载会随着索引而降低。

关于您关于并发的问题(同时选择和插入)。发生什么取决于隔离级别。一般的建议是保持插入/更新尽可能短。如果您在 insert 开始之间不做不必要的事情和 commit你应该没事。