什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

B站Java二面被问的头昏眼花?如何设计一个“评论盖楼”系统

在设计类似B站或抖音的评论盖楼系统时,核心难点不在于数据存储,而在于高频查询下的性能表现以及海量数据的排序处理。面试官考察的重点在于如何通过扁平化存储、Redis排序以及消息队列(MQ)异步处理的组合拳,解决递归查询、热点排序和数据一致性等问题。
01三种方案演进:从递归到反范式
方案名称核心逻辑致命缺陷
青铜方案:邻接表使用parent_id自关联,谁回复谁就指向谁查询子孙评论需递归或N+1查询,千层楼需查千次库,高并发下CPU爆表
黄金方案:路径枚举增加path字段(如1/23/456/),利用最左前缀匹配查询中间楼层删除时需更新所有子孙path,10万条评论引发10万次更新,导致死锁
王者方案:反范式设计采用两层结构,root_id永远指向顶层评论,仅用于逻辑关联无致命缺陷,适合移动端主流的“一级评论+扁平化子回复”场景

评论系统设计方案对比

主流移动端APP(如B站、抖音)均采用两层结构:一级评论加扁平化的子回复。无论回复谁,内容都展示在一级评论下。表结构设计中,引入root_id作为魔法字段:一级评论的root_id为0,二级及以下评论的root_id指向最顶层的“爷爷”ID。同时保留reply_to_id字段,仅用于前端UI展示“回复@某人”。查询时通过SQL语句“SELECT * FROM comment WHERE root_id = 101”即可一次索引扫描拉出整楼所有回复,实现O(1)性能,彻底告别递归。
02进阶追问:热度、一致性与@功能
  1. 按热度排序怎么做?
    不能在数据库中直接order by like_count,因为扛不住高频更新。应利用Redis的ZSet结构,Key格式为“comment:hot:{video_id}:{root_id}”,Value为评论ID,Score为热度值(算法:点赞数×10 + 回复数×20 + 时间衰减)。用户点赞后发送MQ,消费者异步更新MySQL和Redis ZSet的Score。查询时直接从Redis获取TOP10的ID,再去数据库捞取详情。
  2. 数据不一致怎么办?
    点赞数非银行余额,应追求最终一致性而非强一致性。用户点完赞后,前端直接+1展示,后台通过MQ异步慢慢落库。允许短暂的数据不一致,以换取系统的高可用性。
  3. @用户功能如何设计?
    严禁直接存储纯文本“@小明你好”,否则用户改名后评论显示会失效。应存储结构化JSON数据:{user_id: 888, name: "小明", content: "你好"}。前端解析后渲染超链接,发送通知时通过MQ异步丢到at_notification主题,由专门服务消费处理,避免在主线程卡死。
03总结:生产级评论系统架构
面对大厂面试官,总结模板如下:存储层采用反范式设计,用root_id扁平化查询,O(1)性能告别递归;排序层让MySQL只存数据,热度排序全权交给Redis ZSet配合时间衰减公式;异步层将点赞、@通知全部通过MQ削峰填谷,保证系统的最终一致性。该架构同样适用于IM群聊、帖子回复及商品问答等场景。

评论

评论区空态插画

当前文章无评论,是时候发表评论了