信息技术大学
Feed 流与热榜
系统设计与场景题 · 第 2 章 高频场景题
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
信息技术大学
Feed 流与热榜
系统设计与场景题 · 第 2 章 高频场景题
推拉结合模式
推模式写扩散读快，拉模式读聚合写快：大 V 用拉，普通人用推，混合是正解。
推模式
发帖写入所有粉丝收件箱，读快写贵
拉模式
读时聚合关注者最新内容，写快读贵
混合
普通用户推，大 V 粉丝读时拉
时间线存储设计
收件箱与发件箱两个列表：ZSet 按 时间排序存 ID，内容缓存另存。
双列表
个人发件箱加粉丝收件箱，各存内容 ID
结构
ZSet 按时间戳排序，游标翻页
截断
收件箱只留最近 N 条，冷数据回源聚合
计数与盖楼评论
点赞转发是高频写：计数 Redis 累加异步落库；评论两层盖楼够用。
计数
Redis 原子自增，定时批量同步数据库
盖楼
根评论加回复两级结构，免递归
热评
点赞排序加质量过滤，热评列表缓存
热榜算法
热度 = 互动加权 + 时间衰减：牛顿冷却让旧帖自然降温。
加权
点赞、评论、转发按热度系数加权求和
时间衰减
指数衰减随时间冷却，旧帖自然退场
防刷
同用户同内容去重，异常增速检测剔除
本节要点
- ✓推拉结合：普通人推，大 V 拉
- ✓双列表 ZSet，游标翻页
- ✓计数 Redis 累加，异步落库
- ✓热榜：互动加权加时间衰减
延伸主题：设计一次收件箱翻页写一个热度公式
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1为什么大 V 发帖不适合推模式？
参考答案千万粉丝意味着一次发帖要写千万个收件箱，写扩散爆炸且延迟高；读时拉把聚合成本分给每个读者的读取请求。粉丝量级决定推拉选择。
2时间线翻页为什么用游标而不是 LIMIT offset？
参考答案新内容持续插入，offset 翻页会重复或漏看；按时间戳游标定位「上次看到的位置」，插入只影响新内容，分页稳定且不扫大量无关数据。
3热榜为什么用指数衰减而不是线性？
参考答案注意力衰减天然是指数形态：快速冷却再缓慢长尾。线性衰减在长时间尺度上要么过早归零、要么拖着不退；指数衰减与用户体感一致。