Go 时间衰减排行实现：PV、UV、停留时长与时间衰减可验证指南

## 适用范围与版本

• 适用：内容站点/博客/资讯类服务的「热门文章」模块。
• 基线版本：Go 1.21+，Redis 6.2+（支持 ZADD/ZINCRBY 与精确过期），MySQL 8.0+ 作为主存储。

## 指标体系与权重设计（可验证）

• 采集指标：
• PV：页面浏览次数（抗爬虫后）。
• UV：独立访客数（基于 IP+UA 或登录态去重）。
• AvgDuration：平均停留时长（秒）。
• Interactions：点赞、评论、收藏等互动信号。
• AgeHours：文章发布后的小时数（用于时间衰减）。
• 推荐评分函数（可调整权重，默认值通过压测与离线回归得到）：
• score = 0.35·log(PV+1) + 0.25·UV + 0.25·min(AvgDuration, 300)/60 + 0.10·Likes + 0.05·Comments − 0.02·AgeHours
• 参数选择依据：
• log(PV+1)：缓解PV的头部效应，避免早期大量引流长期霸榜。
• UV 权重≥PV：真实覆盖更能体现热度质量。
• AvgDuration 上限 300s：防止极端长停留扭曲结果；按分钟归一化更稳健。
• 时间衰减 0.02/h：经验值；保证新文可上榜，旧文在无新增互动时逐步下滑。

## 数据采集与防作弊

• 采集：后端埋点上报 PV/UV/停留时长与互动事件，统一写入 Kafka/队列或直接记 Redis 计数。
• 防作弊：
• 端侧去抖：滚动/切页不重复上报停留时长；只在可见状态下计时（Page Visibility）。
• 服务端去重：`UV = COUNT(DISTINCT user_id || ip_hash || ua_hash)`；对异常高频 UA/IP 做速率限制。
• 机器人识别：User-Agent 黑名单与异常访问阈值（如 PV/s、UV/s）。

## Redis 排行结构与更新策略

• 使用 `ZSET` 存储热门分数：key `hot:articles`，member 为 `article_id`，score 为推荐分。
• 计数分桶：
• `cnt:pv:{article_id}:{yyyyMMddHH}`、`cnt:uv:{...}`、`cnt:dur:{...}`、`cnt:like:{...}`、`cnt:cmt:{...}`，按小时聚合，便于回放与重算。
• 更新策略：
• 实时：事件到达即更新对应计数并触发增量重算（节流至每 5–10s）。
• 批量：每分钟回放最近 24h 的小时桶，计算 AgeHours 与衰减并写 ZSET。
• 过期与归档：小时桶 7 天过期，定期将滚动窗口外数据归档到 MySQL（历史报表）。

## Go 端实现示例（可运行）

package rank

import (
    "context"
    "math"
    "time"
    
    "github.com/redis/go-redis/v9"
)

type Metrics struct {
    PV          int64
    UV          int64
    AvgDuration float64 // 单位：秒
    Likes       int64
    Comments    int64
    AgeHours    float64
}

func Score(m Metrics) float64 {
    pv := 0.35 * math.Log(float64(m.PV)+1)
    uv := 0.25 * float64(m.UV)
    dur := 0.25 * math.Min(m.AvgDuration, 300) / 60.0
    likes := 0.10 * float64(m.Likes)
    cmts := 0.05 * float64(m.Comments)
    decay := 0.02 * m.AgeHours
    return pv + uv + dur + likes + cmts - decay
}

type Store struct {
    rdb *redis.Client
}

func NewStore(addr string) *Store {
    return &Store{rdb: redis.NewClient(&redis.Options{Addr: addr})}
}

func (s *Store) Update(ctx context.Context, articleID string, m Metrics) error {
    sc := Score(m)
    return s.rdb.ZAdd(ctx, "hot:articles", redis.Z{Score: sc, Member: articleID}).Err()
}

func (s *Store) TopN(ctx context.Context, n int64) ([]string, error) {
    return s.rdb.ZRevRange(ctx, "hot:articles", 0, n-1).Result()
}

// 计算 AgeHours 示例
func AgeHours(publishedAt time.Time, now time.Time) float64 {
    return now.Sub(publishedAt).Hours()
}

## 定时任务与增量重算（伪代码）

// 每分钟回放最近 24h 小时桶，计算分数并写 ZSET
for _, aid := range activeArticleIDs() {
    pv := sumHour("cnt:pv:", aid, 24)
    uv := sumHour("cnt:uv:", aid, 24)
    dur := sumHour("cnt:dur:", aid, 24) / max(float64(pv), 1) // 平均停留
    likes := sumHour("cnt:like:", aid, 24)
    cmts := sumHour("cnt:cmt:", aid, 24)
    age := AgeHours(getPublishedAt(aid), time.Now())
    _ = store.Update(ctx, aid, Metrics{PV: pv, UV: uv, AvgDuration: dur, Likes: likes, Comments: cmts, AgeHours: age})
}

## 验证方法与基线结果

• 本地压测：
• 生成 100 篇文章，模拟 10 分钟内不同 PV/UV/停留/互动分布，观察 TopN 稳定性与新文上榜速度。
• 期望：在 UV 提升且停留较长的文章更易上榜；早期高 PV 但低停留的文章得分会被抑制。
• 回归验证：
• 离线回放最近 7 天小时桶，比较新老权重的 TopN 差异与点击-转化提升（CTR/阅读完成率）。
• 边界检查：
• 极端高停留样本（>300s）不应导致异常霸榜（上限裁剪生效）。
• 无新增互动的旧文在 24–72h 内逐步下滑（衰减生效）。

## 与前端的衔接与展示

• API 返回：`article_id`、`title`、`score`、`summary`、`cover`、`published_at`。
• 展示策略：可在 TopN 中对相同作者/专题做去重，避免列表单一。
• 更新频率：建议 1–5 分钟；在高流量时段临时提高到 30–60 秒。

## 运维与监控

• 指标：ZSET 大小、TopN 命中率、事件消费延迟、重算耗时、Redis 命令耗时（`INFO latency`）。
• 预案：当 ZSET 热点过高，可分桶 `hot:articles:{category}` 按分类排行；或按标签维度做局部热门。

## 总结

• 以 UV/停留为核心、结合 PV 与互动信号，配合温和的时间衰减与小时分桶重算，可稳定产出高质量的热门榜单；参数需结合站点实际分布做回归与迭代。