推荐系统的曝光去重怎么快速实现

https://ex.noerr.eu.org/t/450968

这是一个相关的链接地址

https://blog.51cto.com/u_14291117/5176554

vivo 短视频推荐去重服务的设计实践 原创

redis zset 就够了,5000 万日活的方案不会让你来做的

bitmap 应该是数据量计算量都比较少的了吧，如果视频量比较多用户看的少，那么把 bitmap 分区就是了呗，整区都没看过就不需要保存，redis 就有 bitmap 支持，或者保存在数据库也行啊，分区后用视频 ID 直接就可以计算分区号，然后用区块号读取整个区块很快就判断完了，如果是信息流这种用户看过的和即将看的都是最近的，那么读取数据量还是很小的

推荐系统(2):详解曝光去重实践
https://zhuanlan.zhihu.com/p/438660053


又找到一篇文章

https://ex.noerr.eu.org/t/783253
相关资料

每个用户维护一个 bloom 过滤器，100000 条去重，误判率 0.01%，每个用户的过滤器 bitmap 差不多 10k ，每天推荐 1000 条，过滤器就是能用 100 天，其实每次推荐的时候，从 db 里取最新 3 天的数据推荐就行，过滤器每隔一个月重置一次；

问题就是重置的时候，可能会有重复推荐 3 天内的数据的情况出现；🤔

反正不建议使用 db 进行推荐，每个用户频繁刷新接口，对 db 的压力还是很大，搞 redis 就挺好；