垂直切换算法

A. 抖音的推荐机制是利用的什么原理

抖音算法揭秘，百万粉丝的背后逻辑

网络有网络的算法、微信有微信的算法、头条也头条的算法，算法是任何平台必不可少的机制，今天就来分享一下抖音的算法机制。
一、科普
算法是什么？
简单通俗的讲，算法就是一套评判机制。这套机制对平台的所有用户都有效，无论是内容生产者（拍视频的人）或内容消费者（看视频的人），很多时候我们既是生产者也是消费者。
我们在平台上的每一个动作都像是一个清晰的指令，平台根据这些指令来判断我们的性质。并将我们分为优质用户、沉默用户、流失用户、可挽回用户等；
除此之外，它还会判断我们是否为营销号，有没有违规操作。如果是平台就会将我们的账号关进小黑屋；相反如果判断出我们是一个优质的用户，平台就会给予我们一定扶持。
算法有什么用？
算法对于平台最大的用处是管理自己平台上的用户数据，并且根据用户的一系列反馈行为来改进平台功能，提高用户体验从而使平台吸引更多用户、留住更多用户，最终使平台形成一个可循环的良性生态。
算法有什么好处？
算法对内容生产者的好处：
我们既然想在别人的地盘为自己吸粉，就一定要明白别人的规则。就像追一个女孩子你得明白女孩子的喜恶，才有机会见缝插针地进入她的心。更何况，读懂平台比读懂女孩子容易的多！只要我们意识到平台的推荐机制，我们便可以有意识的设计自己的行为，引导平台判定我们是优质用户从而分配给我们更多、更精准的流与更高的权限。
算法对内容消费者的好处：
大家刷淘宝、抖音或者头条刷的某一类内容多了，下次再打开APP时是否觉得很多推荐的内容都是自己比较喜欢比较有兴趣看的？其实平台为了提升用户体验为了留住你。它会根据你的行为来分析你的兴趣，然后给你打上一个标签再将同类标签的内容生产者的内容推荐给你，你们便是一个池子里的人。
总之，推荐算法会为我们匹配到我们想要的东西。为内容生产者匹配到精准的用户，为内容消费者匹配到感兴趣的内容。
明白了算法是什么以及它的重要性以后去任何平台引流的第一件事就是先了解平台的算法，而不是傻兮兮的去引流，这样只会被平台判断为营销号然后被封杀。
二、审核
抖音是一个去中心化的平台，这就意味着任何一个账号都有机会拥有百万粉丝甚至千万粉丝。即便我们没有一点流量，只要我们的内容受欢迎，就会被越来越多的人关注。
当我们发布视频的时候平台会进行一次审核，这时候主要是审核我们的作品有没有违规。例如有没有出现广告、有没有带水印或者LOGO、内容是否不雅血腥等，如果出现平台禁止的内容我们的视频就会被打回或者被限流（只有你自己可以看见你发布的内容）。
如果没有出现任何的违规现象，平台就会给我们通过。这个时候是内容才会正式出现在用户眼前。
三、智能分发
我们新发布的视频平台会根据我们账号的权重给予一定的初始推荐流量，初始推荐优先分发给附近的人与关注我们的粉丝，然后才是配合用户标签与内容标签进行智能分发。
四、叠加推荐
当平台将我们的作品分发给初始流量，平台会根据初始流量的反馈来判断我们的内容是否受欢迎，如果受欢迎平台会将我们的作品分发给更多流量，反之就不会再给我们分发流量。
这里的重要反馈指标有：播放量（完播率）>点赞量>评论量>转发量。
第一次推荐根据账号的权重不同大概会给200—500的流量，如果被推荐的作品以上数据反馈较好（有百分之10的点赞和几条评论以及60%完播率等）平台就会判定我们的内容是比较受欢迎的，便会给第二次推荐。
第二次大概会推荐1000—5000左右的流量；第二次推荐的反馈较好平台将推荐第三次，第三次就是上万或者几十万的流量，一直以此类推。要是反馈依然较好平台就会以大数据算法结合人工审核的机制，衡量你的内容可不可以上热门。
一般一个视频发布1个小时内，视频播放量达到5000以上，并且点赞数高于100，评论数高于 10 基本上就会给下一级推荐了。
之前也有人问说自己的视频一直很冷，但为什么因为一条视频反馈挺好的，突然又火了起来？
这里需要注意一点：抖音会挖坟。
挖坟就是指即使你前面发布的视频反馈不是很好，但是突然有一条视频的反馈很好用户很喜欢，平台就会认为你的视频受用户喜欢便会扶持你，而喜欢你视频的用户往往会去你的主页看其它视频，越点越看平台就会认为你的其余视频也很受欢迎，所以还会推荐你的老视频。
与之相反的是，即使前期你的视频反馈很好流量很大，但只要有一条视频违规你的账号就会被降权从而被限流或者封号。所以千万不要因为自己的粉丝有点多了而沾沾自喜，要居安思危，时时刻刻维护好自己的账号才是王道。
五、流量池
抖音有低级流量池、中级流量池、高级流量池之分，不同权重的账号会被分配到不同的流量池，也就会获得不同的曝光量。
被分配的高低取决于内容的受欢迎程度。
上述的5个作品的反馈数据（含播放完成率）非常重要，根据这五个参数平台会将你分配到相应的流量池。可以说是影响你的账号能不能做起来的直接因素，如果持续一周发布的作品播放量在 100 以下就会被视为低级号或者是废号，平台很少会给推荐；持续一周发布的作品播放量徘徊在300左右的号为最低权重号只会被分配到低级流量池，要是一个月后没有突破300左右的播放量同样会被视为僵尸号。
播放量持续上千则是待上热门账号，只需要蹭蹭热点就可以轻松热门了。
如果账号的流量一直上不去就放弃那个账号，重新申请一个账号来玩儿吧，因为再怎么搞它都很有可能是那样。
上面讲的是抖音算法，我们摸清了算法就能投机取巧地引导抖音给我们打上优质用户的标签，从而提高账号权重分配给我们更多流量。
六、禁忌
1、视频里面带有硬广、LOGO、水印、烟酒、纹身、涉政、诋毁侮辱他人、着装暴露、内容低俗不雅、色情与频繁私信粉丝、抄袭、冒充抖音官方人员、带有黄赌毒血腥武器（刀枪等）的视频可能会不给通过。如果被抖音检测到有违规行为便会受到一定处罚：
（1）限制流量，屏蔽热门。这个主要是因为广告太多和频繁抄袭导致。
（2）屏蔽某些功能或者限制使用某些功能。这个主要是因为抖音检测到你在利用某些功能频繁发广告，例如私信别人。
（3）删除视频并且封号数日。这个主要是因为内容低俗或者存在很大争议导致。
（4）关进小黑屋，永久封号。违规严重或者多次违规就会被封号。
2.使用模拟器频繁登录账号。
（1）频繁切换帐号
（2）同IP下挂十几个账号
七、账号优化
1.前期养号，提高权重。
上面讲了平台有算法系统检测我们的账号是否为营销号；如果是会被直接封号，即使没有打广告用崭新的号发布的视频也得不到什么流量扶持，因为你前期没有任何操作，平台也无法判断你是什么领域的账号，无法给你打标签，所以系统不会多作推荐。
我们刚注册一个账号，第一件事就是养号。无论什么平台都是这样，养号无非就是模拟人工操作，例如每天去刷视频（一个一个的看完）、关注别人、给别人的内容点赞评论转发、每天至少看半小时的直播（也可以把直播打开不看就挂在手机上）。
账号至少也得养3天，最好养一周。大家关注别人的时候可以去关注自己的同行。账号养到3天左右我们就可以绑定手机然后将账号信息一一完善。
账号又分为两种：
（1）自用号：用户拿手机号注册的账号；在真正使用且活跃，这类帐号的权重比较高。
（2）三方号：用QQ、微信、微博等第三方平台登录的帐号，没有用手机注册也没有绑定手机。
2.后期日更，保持活跃。
日更好的内容能使系统检测你是一个活跃的优质的账号因此平台不会降你的权。
八、内容优化
1.垂直。你是做美容类的视频就不要发一些与美容无关的视频，以免系统不能准确识别你是什么领域的账号从而给你打错标签或者不打标签，这样会导致你的账号权重上不去导致流量少与不精准。
2.原创。最好不要抄袭，其实搬运别人的视频比自己拍一个视频还麻烦而且搬运越来越玩不起来啦。
3.蹭热点话题和热门音乐。没事儿多参与热门话题，用用热门音乐效果会更好。老王不是让你什么话题最热就去蹭什么话题，找与自己领域相关同时又很火的话题去蹭！
4.7-15 秒。视频时间太短表现不出什么，没有可看性；太长又影响完播率，所以前期视频控制在 7-15 秒为最佳。
5.竖屏拍摄。抖音这个产品设计时就是以竖屏为主，用户习惯也是竖屏刷视频，竖屏的播放率会比横屏高。
6.参与挑战。尤其是官方发起的挑战，它的目的就是引导用户发布此类的视频，所以会给予一定的支持。
7.拍摄内容高清勿模糊。拍的时候买一个手机支架保持稳定性，再买一个补光灯让自己拍出来的视频是明亮简洁的，这些东西上淘宝百元内就可以搞定。
九、发布优化
1.在12：00—2:00；6:00—11点发布。这些时间段休息的人多，闲着刷抖音的人也多所以在这个时间段发布很容易被刷到。要注意的是我们最好提前10分钟发布因为平台会有一个审核时间，这个审核时间快则一两分钟慢则十几分钟。
2.定位到人群密集的地方发布。还记得老王讲过抖音有一个优先向附近的人推荐的机制吗？
3.积极引导点赞、评论、分享。
4.视频的文案描述。描述可以以疑问句等方式出现从而引导观看的人点赞评论转发。
5.@抖音小助手。这个不做过多解释，之前讲过很多。
6.参与话题。和玩微博的话题一样，可以增加一定的曝光。
7.封面。封面做的好别人更有欲望看。
以上就是抖音的简单算法以及优化建议，希望对你有帮助！

B. 电梯算法构筑货如轮转

在城市的摩天大楼中，人口激增与垂直空间的挑战

随着城市化进程的加速，人口密度的提升使得高楼林立，成为容纳更多人群并追求美好生活的重要方式。在这些高耸的建筑中，货物的频繁流动如何高效运转，成为了决定效率的关键因素。

高层建筑的货物运输难题

在高层建筑中，货物的运输涉及三个核心环节：电梯的垂直移动、到达目标层的等待时间以及在楼层间的顺序搬运。理想状态下，货物如同车轮般顺畅流转，通过哈密顿回路在每层楼间循环，从电梯出来后遍历每个房间再返回电梯。

电梯算法：关键环节中的效率提升

电梯运行效率的高低，尤其是垂直方向的调度，直接影响货物的流转。最基础的先进先出算法（FIFO）按请求到达顺序运行，简单公平，但可能造成电梯频繁切换方向，效率在请求密集时会下降。为解决这一问题，引入了优先级排序，让时间敏感的货物优先使用电梯。

算法创新：从SSTF到C-SCAN

短服务时间优先算法（SSTF）通过优先处理近在咫尺的请求，减少了电梯的移动距离，但可能会使远处请求等待时间过长。扫描算法（SCAN）则通过单向移动，提高了效率，C-SCAN在此基础上实现了上下分离，避免了单一方向的运输冲突。

动态调度与灵活应对

面对不断插入的新请求，电梯调度需兼顾既有请求与新请求。静态队列方式虽可能导致等待，但能避免磁盘饥饿；而动态算法如SATF，通过预估装载卸载时间，使货物装卸快的优先处理。

实例演示：算法在实际中的应用

通过一个具体的例子，我们看到SSTF、SCAN和C-SCAN在128层建筑中的出色表现，SATF虽然移动层数多，但确保了货物的快速装卸。在多电梯协作和差异化停靠策略下，整体的货物运输效率得到了提升。

电梯算法：构建垂直空间的运输网络

总的来说，电梯算法在高层建筑中起着至关重要的作用，它们不仅提升了垂直方向的运输效率，更是城市生活中繁荣与便捷的催化剂，推动着我们更好地利用垂直空间，实现货如轮转的美好生活愿景。

C. 异构网络的网络选择算法的研究

异构网络中无线资源管理的一个重要研究方向就是网络选择算法，网络选择算法的研究很广泛，这里给出了几个典型的无线网络选择算法的类别。 预切换可以有效的减少不必要的切换，并为是否需要执行切换做好准备。通常情况下可以通过当前接收信号强度来预测将来接收信号强度的变化趋势，来判断是否需要执行切换。
文献 中利用多项式回归算法对接收信号的强度进行预测，这种方法的计算复杂度较大。文献 中，利用模糊神经网络来对接收信号强度进行预测，模糊神经网络的算法最大的问题，收敛较慢，而且计算的复杂度高。文献 中，利用的是最小二乘算法（LMS）来预测接收的信号强度，通过迭代的方法，能够达到快收敛，得到较好的预测。还有在文献 中，直接采用接收信号强度的斜率来预测接收信号强度，用来估计终端在该网络中的生存时间，但是这种方法太简单，精度不是很高。 在垂直切换的过程中，对于相同的切换场景，通常会出现现在的已出现过的切换条件，对于其垂直切换的结果，可以应用到当前条件下，这样可以有效避免的重新执行切换决策所带来的时延。
文献[33]中，提出利用用户连接信息（User Connection Profile，UCP）数据库用来存储以前的网络选择事件。在终端需要执行垂直切换时，首先检查数据库中是否存在相同的网络选择记录，如果存在可以直接接入最合适的网络。在文献[34]中，提出了将切换到该网络的持续服务时间和距离该网络的最后一次阻塞时间间隔作为历史信息记录下来，根据这些信息，选择是否有必要进行切换。 由于用户对网络参数的判断往往是模糊的，而不是确切的概念，所以通常采用模糊逻辑对参数进行定量分析，将其应用到网络选择中显得更加合理。模糊系统组成通常有3个部分组成，分别是模糊化、模糊推理和去模糊化。对于去模糊化的方法通常采用中心平均去模糊化，最后得到网络性能的评价值，根据模糊系统所输出的结果，选择最适合的网络。
通常情况下，模糊逻辑与神经网络是相互结合起来应用的，通过模糊逻辑系统的推理规则，对神经网络进行训练，得到训练好的神经网络。在垂直切换的判决的时候，利用训练好的神经网络，输入相应网络的属性参数，选择最适合的网络接入。
基于模糊逻辑和神经网络的策略，可以对多种因素(尤其动态因素)进行动态地控制，并做出自适应的决策，可以有效提高网络选择的合理性，但该策略最大的缺点是，算法的实现较为复杂，在电池容量和处理能力均受限的移动设备上是不合适的。 在异构网络选择中，博弈论是一个重要的研究方向。在博弈论的模型中，博弈中的参与者在追求自身利益最大化的同时，保证自身付出的代价尽量小。参与者的这两种策略可以通过效用函数和代价函数来衡量。因此通过最大化效用函数和最小化代价函数，来追求利益的最大化。
文献[36]中提出一种基于博弈论的定价策略和网络选择方案，该方案中服务提供商（Service Providers，SPs）为了提高自己的利润需要面临竞争，它是通过用户间的合作或者非合作博弈来获得，在实际的异构网络场景下，用户和服务提供商SPs之间可以利用博弈模型来表示。Dusit Niyato在文献[37]中，通过竞价机制来进行异构网络资源的管理，这里将业务分成两种类型，一种是基本业务，另一种类似高质量业务，基本业务的价格是固定的，而高质量业务的价格是动态变化的，它是随着服务提供商的竞争和合作而变化的。因此这里从合作博弈和非合作博弈两方面来讨论定价机制。Dusit Niyato在文献[38]中基于进化博弈理论，来解决在带宽受限情况下，用户如何在重叠区域进行网络选择。 网络选择的目标通常是通过合理分配无线资源来最大化系统的吞吐量，或者最小化接入阻塞概率等，这样就会涉及网络优化问题。
网络选择算法往往是一种多目标决策，用户希望得到好的服务质量、价格便宜的网络、低的电池功率消耗等。对于多目标决策算法，通常是不可能使得每个目标同时达到最优，通常的有三种做法：其一，把一些目标函数转化为限制条件，从而减少目标函数数目；其二，将不同的目标函数规范化后，将规范化后的目标函数相加，得到一个目标函数，这样就可以利用最优化的方法，得到最优问题的解；其三，将两者结合起来使用。例如文献[39]中，采用的是让系统的带宽受限，最大化网络内的所有用户的手机使用时间，即将部分目标函数转化为限制条件。文献[40]中，采用的是让用户的使用的费用受限，最大化用户的利益和最小化用户的代价，这里采用的是上面介绍的第三种方法。 基于策略的网络选择指的是按照预先规定好的策略进行相应的网络操作。在网络选择中，通常需要考虑网络负荷、终端的移动性和业务特性等因素。如对于车载用户通常选择覆盖范围大的无线网络，如WCDMA、WiMAX等；对于实时性要求不高的业务，并且非车载用户通常选择WLAN接入。这些均是通过策略来进行网络选择。
文献[41, 42]提出了基于业务类型的网络选择算法，根据用户的业务类型为用户选择合适的网络。文献[35]提出基于负载均衡的网络选择算法，用户选择接入或切换到最小负载因子的网络。[43]提出了一种考虑用户移动性和业务类型的网络选择算法。 多属性判决策略（Multiple Attribute Decision Making，MADM）是目前垂直切换方面研究最多的领域。多属性判决策略主要分为基于代价函数的方法和其他方法。
基于代价函数的方法
代价函数一般有两种构造形式，一种是多属性参数值的线性组合，如（2.1）式所示；另一种是多属性参数值的权重指数乘积或者是属性参数值的对数线性组合，如（2.2）式所示。
（2.1）
（2.2）
其中代表规范化的第个网络的第个属性值，代表第个属性的权值。对于属性的规范化，首先对属性进行分类，分为效益型、成本型等，然后根据不同的类型的，对参数进行归一化，采用最多的是线性规范化、极差规范化和向量变换法。关于权值的确定可以分为简单赋权法(Simple Additive Weighting，SAW)、层次分析法（Analytic Hierarchy Process，AHP）、熵权法、基于方差和均值赋权法。
(1) SAW：用户根据自己的偏好，确定每个属性的重要性，通常给出每个参数取值的具体参数值。
(2) AHP：首先分析评价系统中各要素之间关系，建立递阶层次结构；其次对同一层次的各要素之间的重要性进行两两比较，构造判断矩阵；接着由每层判断矩阵计算相对权重；最后计算系统总目标的合成总权重。
(3) 熵权法：通过求解候选网络中的同一属性的熵值，熵值的大小表明网络同一属性的参数值的差异，差别越大，说明该属性对决策影响越大，相应权值的取值就越大。
(4) 基于方差和均值赋权法：通过求解候选网络中同一属性参数的均值和方差，结合这两个参数确定该属性的重要性程度值，然后再对其进行归一化，得到每个属性的参数值。
其他方法
(1) 基于方差和均值赋权法：通过求解候选网络中同一属性参数的均值和方差，结合这两个参数确定该属性的重要性程度值，然后再对其进行归一化，得到每个属性的参数值。
(2) 逼近理想解排序法（TOPSIS）:首先对参数进行归一化，从网络的每组属性参数值里选择最好的参数组成最优的一组属性参数，同样也可以得到最差的一组属性参数。将每个网络与这两组参数比较，距离最优参数组越近，并且与最差组越远，该网络为最合适的网络。
(3) 灰度关联分析法（GRA）：首先对参数进行归一化，再利用GRA方法，求得每个网络的每个属性的关联系数，然后求出每个网络总的关联系数。根据每个网络总的关联系数，选择最适合的网络。
(4) 消去和选择转换法（ELECTRE）：首先对参数进行归一化，构造加权的规范化矩阵，确定属性一致集和不一致集。然后计算一致指数矩阵和劣势矩阵，最后得到一致指数矩阵和不一致指数矩阵。根据这两个矩阵，确定网络的优劣关系，选择最适合的网络。
VIKOR：首先对参数进行归一化，首先确定最优和最差属性参数组，然后计算得到每个网络属性的加权和属性中最大的参数值，然后利用极差规范化对网络的加权和以及最大属性值进行归一化，最后利用归一化的参数进行加权求和，依据这个值，选择最合适的网络。

D. 数据库为什么要分库分表

1 基本思想之什么是分库分表？
从字面上简单理解，就是把原本存储于一个库的数据分块存储到多个库上，把原本存储于一个表的数据分块存储到多个表上。
2 基本思想之为什么要分库分表？

数
据库中的数据量不一定是可控的，在未进行分库分表的情况下，随着时间和业务的发展，库中的表会越来越多，表中的数据量也会越来越大，相应地，数据操作，增
删改查的开销也会越来越大；另外，由于无法进行分布式式部署，而一台服务器的资源（CPU、磁盘、内存、IO等）是有限的，最终数据库所能承载的数据量、
数据处理能力都将遭遇瓶颈。
3 分库分表的实施策略。

分库分表有垂直切分和水平切分两种。
3.1
何谓垂直切分，即将表按照功能模块、关系密切程度划分出来，部署到不同的库上。例如，我们会建立定义数据库workDB、商品数据库payDB、用户数据
库userDB、日志数据库logDB等，分别用于存储项目数据定义表、商品定义表、用户数据表、日志数据表等。
3.2
何谓水平切分，当一个表中的数据量过大时，我们可以把该表的数据按照某种规则，例如userID散列，进行划分，然后存储到多个结构相同的表，和不同的库
上。例如，我们的userDB中的用户数据表中，每一个表的数据量都很大，就可以把userDB切分为结构相同的多个userDB：part0DB、
part1DB等，再将userDB上的用户数据表userTable，切分为很多userTable：userTable0、userTable1等，
然后将这些表按照一定的规则存储到多个userDB上。
3.3 应该使用哪一种方式来实施数据库分库分表，这要看数据库中数据量的瓶颈所在，并综合项目的业务类型进行考虑。
如果数据库是因为表太多而造成海量数据，并且项目的各项业务逻辑划分清晰、低耦合，那么规则简单明了、容易实施的垂直切分必是首选。
而
如果数据库中的表并不多，但单表的数据量很大、或数据热度很高，这种情况之下就应该选择水平切分，水平切分比垂直切分要复杂一些，它将原本逻辑上属于一体
的数据进行了物理分割，除了在分割时要对分割的粒度做好评估，考虑数据平均和负载平均，后期也将对项目人员及应用程序产生额外的数据管理负担。
在现实项目中，往往是这两种情况兼而有之，这就需要做出权衡，甚至既需要垂直切分，又需要水平切分。我们的游戏项目便综合使用了垂直与水平切分，我们首先对数据库进行垂直切分，然后，再针对一部分表，通常是用户数据表，进行水平切分。
4 分库分表存在的问题。

4.1 事务问题。
在执行分库分表之后，由于数据存储到了不同的库上，数据库事务管理出现了困难。如果依赖数据库本身的分布式事务管理功能去执行事务，将付出高昂的性能代价；如果由应用程序去协助控制，形成程序逻辑上的事务，又会造成编程方面的负担。
4.2 跨库跨表的join问题。
在执行了分库分表之后，难以避免会将原本逻辑关联性很强的数据划分到不同的表、不同的库上，这时，表的关联操作将受到限制，我们无法join位于不同分库的表，也无法join分表粒度不同的表，结果原本一次查询能够完成的业务，可能需要多次查询才能完成。
4.3 额外的数据管理负担和数据运算压力。
额
外的数据管理负担，最显而易见的就是数据的定位问题和数据的增删改查的重复执行问题，这些都可以通过应用程序解决，但必然引起额外的逻辑运算，例如，对于
一个记录用户成绩的用户数据表userTable，业务要求查出成绩最好的100位，在进行分表之前，只需一个order
by语句就可以搞定，但是在进行分表之后，将需要n个order
by语句，分别查出每一个分表的前100名用户数据，然后再对这些数据进行合并计算，才能得出结果。