如何计算Laravel中Server（等价Post）的评分并生成Top10榜单

1. 修正模型关联错误 #

你的ServerUserLike模型里的server()关联写法有误，一条点赞记录属于单个Server，应该用belongsTo而非hasMany：

public function server()
{
    return $this->belongsTo(Server::class);
}

2. 批量统计单Server点赞数 #

无需单独查询单Server和总点赞数，直接用分组查询一次性统计所有Server的点赞数据，效率更高：

// 统计每个Server的点赞数
$serverLikeStats = DB::table('server_user_likes')
    ->select('server_id', DB::raw('count(*) as like_count'))
    ->groupBy('server_id')
    ->get();

3. 选择适合动态场景的评分算法 #

由于数据动态增长，普通的点赞数排序会导致新Server因少量点赞就占据高位，推荐两种适合的算法：

算法一：贝叶斯平均评分 #

平衡全局平均点赞数与单Server点赞数，避免极端情况，公式为：
$score = \frac{C \times m + n}{C + n}$

• $C$：调整系数（建议取全局平均点赞数或Server点赞数的中位数）
• $m$：所有Server的平均点赞数
• $n$：当前Server的点赞数

Laravel实现（直接在数据库层面计算）：

// 计算全局基础数据
$totalServers = Server::count();
$totalLikes = DB::table('server_user_likes')->count();
$averageLikes = $totalServers > 0 ? $totalLikes / $totalServers : 0;
// 取全局平均作为调整系数C
$C = $averageLikes;

// 计算Top10 Server
$topServers = Server::leftJoin('server_user_likes', 'servers.id', '=', 'server_user_likes.server_id')
    ->select([
        'servers.*',
        DB::raw('COUNT(server_user_likes.id) AS like_count'),
        DB::raw('(' . $C . ' * ' . $averageLikes . ' + COUNT(server_user_likes.id)) / (' . $C . ' + COUNT(server_user_likes.id)) AS score')
    ])
    ->groupBy('servers.id')
    ->orderBy('score', 'DESC')
    ->limit(10)
    ->get();

算法二：威尔逊得分 #

更严谨的统计模型，基于置信区间计算得分，适合点赞/无点赞的二项分布场景，能有效过滤样本量小的Server：

// 定义威尔逊得分计算函数
function calculateWilsonScore(int $likeCount): float
{
    $z = 1.96; // 95%置信区间对应的Z值
    $n = $likeCount;
    
    if ($n === 0) return 0;
    
    $p = 1; // 仅统计点赞，点赞率为1
    $numerator = $p + ($z**2)/(2*$n) - $z*sqrt(($p*(1-$p))/$n + ($z**2)/(4*$n**2));
    $denominator = 1 + ($z**2)/$n;
    
    return $numerator / $denominator;
}

// 获取所有Server的点赞数并计算得分，再取Top10
$serverLikes = DB::table('server_user_likes')
    ->select('server_id', DB::raw('count(*) as like_count'))
    ->groupBy('server_id')
    ->get()
    ->map(function ($item) {
        $item->score = calculateWilsonScore($item->like_count);
        return $item;
    })
    ->sortByDesc('score')
    ->take(10)
    // 关联Server详情（可选）
    ->each(function ($item) {
        $item->server = Server::find($item->server_id);
    });

4. 性能优化建议 #

针对动态增长的海量数据，建议：

• 缓存榜单：用Redis缓存Top10结果，每隔固定时间（如10分钟）刷新一次，避免频繁计算
• 数据库索引：确保server_user_likes表的server_id索引生效（你已添加，无需改动）
• 异步计算：如果数据量极大，可将评分计算逻辑放入队列异步执行，不阻塞请求

内容的提问来源于stack exchange，提问作者CARSAR