如何设计 Twitter（第二部分）

原文：How to Design Twitter (Part 2)

译者：飞龙

协议：CC BY-NC-SA 4.0

自豪地采用谷歌翻译

这篇文章谈论了系统设计面试的问题，特别是如何设计 twitter 。如果你还没有查看第一部分，请去阅读。

好的，这里是系统设计面试问题 - 如何设计 twitter 的第二部分。上一篇文章中我们已经提到，我们知道系统设计问题可能是非常开放的。即使是同一个问题，你肯定会和不同的面试官有完全不同的讨论。

Gainlo 团队提供了分析，我相当确定有更好的方法。

Twitter 已经是一个拥有大量功能的庞大产品。在这篇文章中，我们将讨论如何从系统设计面试角度设计 Twitter 的特定功能。

关注推荐

Twitter 还会向你显示关注推荐。实际上，这是在用户入驻和参与中起着重要作用的核心功能。

如果你玩这个功能，你会注意到 Twitter 主要有两种人给你看 - 你可能认识的人（朋友）和著名的用户（名人/品牌...）。

通过搜索用户的“关注图”，所有这些候选人都不难获得，而三个步之内的人都是很好的候选人。此外，也可以包含大多数追随者的账户。

问题是如何对他们排名，因为每次我们只能显示一些建议。我会倾向于使用机器学习系统来实现它。

有很多我们可以使用的特征，例如其他人是否关注过这个用户，共同关注/粉丝的数量，或任何基本信息（如位置）的重叠等等。

这是一个复杂的问题，有各种后续问题：

Twitter 会向你展示当前标签中的趋势。这个功能比热门话题更复杂，我认为这里有必要简单地解释一下。

基本上，“Moments”会向你展示不同类别（新闻，体育，娱乐等）的有趣话题列表。对于每个话题，你还可以获得几个讨论它的顶级推文。所以这是一个探索目前情况的很好方式。

我很确定有很多设计这个系统的方法。一种选择是从新闻网站获取过去的 1-2 个小时内最热门的文章。对于每篇文章，找到与其相关的推文，并找出它属于哪个类别（新闻，体育，娱乐等）。然后，我们可以在 Moments 中将这篇文章作为热门话题展示。

另一个类似的方法是获得所有热门话题（与第一部分相同），找出每个话题的类别，在 Moment 中展示。

对于这两种方法，我们将有以下三个子问题来解决：A. 将每个推特/话题分类到一个类别（新闻，体育等）B. 在 Moments 中生成和排列热门话题 C. 为每个话题生成和排名推文。

对于 A，我们可以预先定义几个主题，并进行监督学习。或者我们也可以考虑聚类。事实上，微博中的文字，用户的个人资料，关注者的评论中包含了大量的信息，使算法准确无误。

对于 B 和 C 来说，因为它跟这篇文章的第一部分很相似，所以我就不谈了。

Twitter 的搜索功能是人们日常使用的另一种流行功能。如果你完全不知道搜索引擎是如何工作的，你可以查看本教程。

如果我们只讨论一般的推文搜索功能（不包括用户搜索和高级搜索），那么概要方法可能与 Google 搜索非常相似，只不过你不需要抓取网页。基本上，你需要建立索引，排名和检索。

如果你深入了解如何设计排名算法，事情会变得非常有趣。与 Google 不同，Twitter 搜索可能更关注新鲜度和社交信号。

最直接的方法是给每个功能/信号一个权重，然后计算每个推文的排名分数。那么我们可以按照分数对它们进行排名。功能可以包括回复/转推/喜欢的数字，相关性，新鲜度，用户的知名度等。

但是，我们如何评估排名和搜索？我认为最好定义一些核心指标，比如每天的搜索总数，搜索之后的推文点击事件等等，每天观察这些指标。他们也是无论怎么改变我们都应该关心的统计量。

你会意识到许多功能都是数据驱动的，这并不意味着你必须是机器学习专家。但是对数据分析如何工作有一些概要性的想法，肯定是有帮助的。

好的工程师通常也会提出很好的问题。每当你有一个解决方案，试着问自己各种问题，来更好地了解系统。

如果你觉得这篇文章有帮助，请分享给你的朋友，我会很感谢。你也可以在这里查看更多的系统设计面试问题和分析。