Tinder如何仅推送未浏览新档案？数据库设计方案探讨

针对你遇到的问题——已浏览10000+档案后，快速获取未浏览的新档案，以下是几个实用的数据库设计方案，避开你提到的低效思路：

一、独立用户浏览关联表（最可靠的方案） #

表结构设计 #

创建一张专门记录用户浏览行为的表，字段极简：

CREATE TABLE user_browsed_profiles (
    user_id UUID NOT NULL,
    browsed_profile_id UUID NOT NULL,
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP,
    PRIMARY KEY (user_id, browsed_profile_id) -- 联合主键，同时作为索引
);

查询逻辑 #

不用NOT IN，改用NOT EXISTS配合索引快速排除已浏览档案，同时优化随机采样：

-- 先圈定符合条件的目标档案池
WITH eligible_profiles AS (
    SELECT profile_id FROM profiles
    WHERE location = 'Los Angeles' AND gender = 'Female'
)
SELECT ep.profile_id
FROM eligible_profiles ep
WHERE NOT EXISTS (
    SELECT 1 FROM user_browsed_profiles ubp
    WHERE ubp.user_id = '当前用户UUID' AND ubp.browsed_profile_id = ep.profile_id
)
-- 用缓存的档案总数计算随机偏移，替代低效的ORDER BY RAND()
OFFSET FLOOR(RAND() * (
    (SELECT COUNT(*) FROM eligible_profiles) - 
    (SELECT COUNT(*) FROM user_browsed_profiles WHERE user_id = '当前用户UUID')
))
LIMIT 10;

优势 #

• 存储高效：10000条浏览记录仅占几十KB空间，完全无压力；
• 查询高效：联合主键索引让NOT EXISTS子查询的匹配速度极快，数据库会自动优化为嵌套循环或哈希连接；
• 无冗余：每个浏览行为仅存一条记录，不会出现大数组或大元数据问题。

二、布隆过滤器+批量采样（极致性能方案） #

核心思路 #

把用户已浏览的档案ID存入布隆过滤器（内存级数据结构，占用空间极小），每次查询时：

1. 从缓存（如Redis）加载当前用户的布隆过滤器；
2. 从目标档案池批量查询（如一次查20个）；
3. 在应用层用布隆过滤器快速过滤已浏览档案，返回未命中的；
4. 若数量不足，重复步骤2-3直到凑够10个。

注意点 #

• 布隆过滤器存在极低的误判率（可通过调整参数降到0.1%以下），偶尔会把未浏览档案当成已浏览的，可配合浏览记录表做二次校验；
• 布隆过滤器无法删除元素，若用户需要“取消浏览”记录，可定期重建过滤器或结合浏览记录表做补偿。

三、随机采样+应用层过滤（轻量实现方案） #

适用场景 #

目标档案池较大但已浏览占比低（如10000/1000000=1%）的情况。

实现逻辑 #

1. 从目标档案池随机采样一批档案（如20个）：

SELECT profile_id FROM profiles
WHERE location = 'Los Angeles' AND gender = 'Female'
ORDER BY RAND() LIMIT 20;

2. 在应用层用本地缓存的已浏览ID列表（或布隆过滤器）过滤掉已浏览的；
3. 返回剩下的档案，若数量不足则重复采样。

优势 #

• 实现简单，无需复杂的数据库优化；
• 采样量足够时，大概率能直接凑够10个未浏览档案，查询延迟低。

关键优化技巧 #

• 给profiles表的location和gender建联合索引，快速缩小目标档案池范围；
• 避免直接用ORDER BY RAND()（大数据量下慢），优先用缓存的档案总数计算随机偏移量；
• 超大规模场景下，可按location或gender对profiles表做分片，进一步减少单表数据量。

内容的提问来源于stack exchange，提问作者scugn1zz0