Skip to content

短视频热度榜服务 ​

这个是学校数据结结构课程的实训项目,在完成其基础功能后,我采用epoll多路复用的方式,把连接并发提了上去,这也是项目的特点

短视频场景的榜单服务:接收播放、点赞、分享、完播率等互动数据,按加权公式实时算出热度并维护 Top 100,客户端随时能查当前榜单;榜单定期落 MySQL,进程退出前再写一份本地文件,保证 Ctrl+C 退出不丢榜。它解决的是「数据持续变化时,如何不做全量排序也能低成本拿到前 K 名」——哈希表做 O(1) 定位,小顶堆把每次更新的代价压到 O(log K)。

技术栈:C++11 · muduo 风格网络层 · 自研哈希表 · 小顶堆 · MySQL 连接池

热度模型 ​

text
heat = 0.4 × 播放量 + 0.3 × 点赞数 + 0.2 × 分享数 + 0.1 × 完播率

四项权重可在启动时配置,对应「消费深度 → 正向反馈 → 传播 → 内容质量」的粗略排序。

核心结构 ​

组件作用
MyHashMap自研哈希表,video_id → Video,用于 O(1) 定位
小顶堆维护当前 Top K,堆顶是 K 个里热度最低的
RankManager更新热度、调整堆、导出榜单
NetServer基于手写 muduo 风格网络层的接入
ConnectionPool榜单数据落 MySQL

为什么用小顶堆 ​

维护 Top 100 不需要全量排序:

  • 新视频热度超过堆顶,替换堆顶并下沉;
  • 已在堆中的视频热度变化时,用 heapIndex 直接定位,按需上浮或下沉;
  • 每次更新是 O(log K),与总视频数无关。

Video 里保存 heapIndex,避免在堆里线性查找。

持久化 ​

  • 常规定时同步到 MySQL;
  • 捕获 SIGINT 时先同步数据库、再写本地 rank_data.txt,保证 Ctrl+C 退出不丢榜。

定位 ​

这是偏数据结构与工程练手的项目:哈希表、堆、索引维护、网络层和数据库拼在一起跑通。热度公式是线性的,没有时间衰减和反作弊,榜单语义也比较简单。

源码 ​

GitHub · school_project