用Redis咋算数据热度，感觉这事儿其实挺有意思的吧，聊聊怎么评估热度那些事

行，那咱们就直接聊怎么用Redis算数据热度这事儿，这事儿确实挺有意思，因为它不是死板的公式，更像是一种“手感”，你得把那些抽象的关注、点击、时间这些感觉，变成一个具体的数字，让机器能看懂,还能快速地排名。

咱得掰扯清楚，啥叫“热度”？它跟“最新”或者“总数”可不一样，比如一篇三天前发布、有1000个赞的文章，和一篇三小时前发布、有100个赞的文章，哪个更热？很可能后者更热，因为它短时间内获得了大量的互动，势头正猛，热度的核心是 单位时间内发生的事件数量，它得兼顾数量和时间这两个维度。

Redis为啥适合干这个？就因为它快，而且是内存操作，特别适合做这种需要实时更新和排序的活儿，下面我聊聊几种常见的、用Redis来实现的思路,你一听就明白。

最简单的“评分板”：有序集合（Sorted Set）

这是最直白的方法，比如咱们要算文章热度，可以把每篇文章的ID存成一个有序集合（ZSET）里的成员（member），而它的分数（score）就是热度值,这个热度值怎么来呢？

• 事件加分：用户每做一个能增加热度的动作，比如点赞、评论、浏览，我们就给这篇文章的分数加上对应的权重，点赞加5分，评论加10分，浏览加1分。
  • 用Redis命令就是：ZINCRBY hot_articles 5 article:12345
• 时间衰减：但光加分不行啊，会一直涨上去，老文章永远在前面，所以得让分数随着时间流逝而减少，最简单的办法是定期（比如每小时）跑个脚本，给所有文章的分数统一乘以一个小于1的衰减系数，比如0.99，这样新的互动加分快，老文章分数慢慢掉下去，自然就实现了“热度”更替。

这个方法好处是简单粗暴，但缺点是这个全局衰减有点糙,对时间的处理不够精细。

更精细的“时间滑动窗口”法

这个方法更贴近“单位时间内事件数”的定义，它不关心总分数,只关心最近一段时间内发生了多少事。

我们只想看“过去24小时”的热度，我们可以利用Redis的有序集合或者列表（List） 来为每个内容项记录最近24小时内发生的事件时间戳。

• 记录事件：每当有用户对文章点赞，我们就把当前的时间戳（ZADD events:article:12345 1640995200 user:678）加到这篇文章专属的有序集合里,这里的分数就是时间戳。
• 清理过期事件：我们可以设置一个定时任务，或者每次在计算热度前，先用 ZREMRANGEBYSCORE 命令把超过24小时的时间戳清理掉。
• 计算热度：剩下的成员数量（ZCARD events:article:12345）就是这篇文章在最近24小时内的热度值，你也可以对不同事件赋予不同权重,计算加权总和。

这个方法直接体现了“时间窗口”内的活跃度，非常直观，但缺点是如果内容非常多，每个内容都维护一个集合,内存开销会比较大。

结合“牛顿冷却定律”的算法

这个听起来高大上，但其实思想很巧妙，在一些新闻网站（比如Reddit、Hacker News的早期算法）里都能看到影子，它模拟了一个物理现象：一个物体的温度下降速度,和它当前温度与环境温度的差值成正比。

映射到热度上：

• 物体的温度 = 内容的当前热度分数。
• 环境温度 = 假设一个基准热度,比如0。
• 冷却 = 随着时间流逝,热度自然下降。

这个算法的公式通常长这样：新热度分数 = 旧热度分数 * e^(-衰减系数 * 时间间隔) + 当前新增事件得分

这个e是指数函数，你不用被公式吓到，它的核心思想是：越热（温度越高），它冷却（分数下降）的速度也越快；新的互动（点赞等）就像给物体加热。 这样，一个爆款内容刚出来时，会因为大量互动迅速升温，但一旦互动减少，它的热度也会飞速下降，给新的内容让位，而一个持续有稳定互动的“常青树”内容,也能维持在一个不错的热度。

用Redis实现的话,你需要：

1. 存储每个内容当前的热度分数和最后一次更新时间。
2. 每当有事件发生或需要计算新分数时，先根据时间间隔和衰减系数计算出衰减后的分数,再加上新事件的得分。

这个方法对时间的处理非常平滑和智能,但计算上稍微复杂一点。

聊完技术，再说说评估热度这事儿本身

你设计热度算法时，其实是在引导用户行为，你给评论的权重高，大家就更愿意去评论；你让新内容更容易上榜，就能鼓励创作，这不仅仅是技术问题,更是产品哲学。

• 权重怎么定？ 点赞、转发、评论、浏览，哪个更重要？这得看你产品的核心价值，是深度讨论（重评论）？还是传播（重转发）？
• 时间衰减多快？ 是追求“秒级”热榜（如微博），还是“小时级”热榜（如新闻站），或是“日级”热榜？这决定了你的社区内容节奏。
• 防止刷榜？ 热度算法必须考虑反作弊，同一个用户的重复行为是否算数？是否要识别机器流量？

用Redis算热度，工具就在那儿，核心在于你如何用这些简单的数据结构（字符串、集合、有序集合），组合出一个能真实反映你社区“脉搏”的公式，多试试不同的权重和衰减速度，看看排出来的结果是不是你想要的,这个过程本身就非常有意思。