各位同学，大家下午好！
请把手机静音，把电脑打开。今天我们不聊怎么用Laravel写个CRUD，也不聊怎么用PHP接个微信支付回调。今天我们要聊点硬核的，聊聊如何在PHP里构建一个类似于知乎的推荐系统。
我知道，你们中有些新来的实习生可能觉得PHP就是个“写网页的后端脚本”，甚至还有人觉得它跑不了大计算。嘿，年轻真好。我当年写PHP的时候，连服务器还在用拨号上网呢。PHP这门语言，就像咱们中国的老干妈，看着不起眼，但在配菜这块儿，它是真的能镇得住场子。只要你能把它的性能榨干，它就是宇宙第一。
今天，我们要用PHP模拟一个微型知乎。核心功能有三个：点赞热度计算、收藏构建用户画像、以及基于标签的协同过滤推荐算法。
废话不多说，咱们直接开整。
第一模块：点赞与热度算法 —— 不仅仅是数字的堆叠
大家点开知乎，看到首页那个红心，点一下，文章热度就变了。很多初级开发者想当然地想：“热度就是点赞数 + 收藏数 + 评论数嘛，存个计数器，每来一个请求 UPDATE likes SET count = count + 1。”
错了！大错特错！如果这么做，你的服务器会在双十一当天因为数据库死锁而当场去世。而且，这根本不是知乎的算法。
知乎的热度算法核心在于时间衰减。就像一碗刚出锅的馄饨很烫，但放久了就凉了。热门内容也是，新的内容权重高，老的内容如果不持续产出新的互动，热度就会慢慢掉下去。
我们需要一个数学模型。常用的类似“微博热度”或“知乎热度”的公式大致是这样的：
$$Score = (A times Likes + B times Comments + C times Favorites) times Decay$$
其中 Decay 是一个基于时间的衰减因子，通常是对数函数或者指数衰减。
PHP实现思路
咱们用PHP来写一个热度计算器。为了演示，我们假设每篇博文有一个 create_time。
<?php
class ArticleHeatCalculator
{
/**
* 计算文章热度分数
* @param int $likes 点赞数
* @param int $comments 评论数
* @param int $favorites 收藏数
* @param int $createTime 文章发布时间戳
* @return float
*/
public static function calculateHeat($likes, $comments, $favorites, $createTime)
{
// 权重系数：根据经验调整
// 点赞权重较高，评论次之，收藏最低（因为收藏可能只是顺手点，不代表当下共鸣）
$weights = [
'like' => 1.0,
'comment' => 0.5,
'fav' => 0.3
];
// 计算原始热度分
$baseScore = ($likes * $weights['like']) +
($comments * $weights['comment']) +
($favorites * $weights['fav']);
// 计算时间衰减因子
// 这里用了一个简单的逻辑：距离现在越久，分数除以的数越大
// 这是一个对数衰减模拟
$hoursPassed = (time() - $createTime) / 3600;
$decayFactor = max(0.2, 1 / (log($hoursPassed + 2, 10)));
return $baseScore * $decayFactor;
}
// 测试一下
public static function demo()
{
$now = time();
// 场景1：一篇刚刚发布的老文章
$oldArticle = [
'likes' => 1000,
'comments' => 50,
'favorites' => 200,
'createTime' => $now - 86400 * 30 // 30天前
];
// 场景2：一篇刚刚发布的爆款
$newArticle = [
'likes' => 1000,
'comments' => 50,
'favorites' => 200,
'createTime' => $now
];
echo "30天前的老爆款热度: " . self::calculateHeat(...array_values($oldArticle)) . "n";
echo "刚刚发布的爆款热度: " . self::calculateHeat(...array_values($newArticle)) . "n";
}
}
ArticleHeatCalculator::demo();你看，运行这个脚本，你会发现“刚刚发布”的文章虽然互动数据一样，但热度分数可能比那个30天前的还要高，因为它的“时效性”还没过。这就是算法的魅力。
但是，各位，别高兴得太早。上述代码只是前端展示用的分数。如果每一页都要执行这个复杂的数学公式，数据库得哭死。
专家级优化：
在实际生产环境中，我们不会在每次查询文章详情时都算一遍。我们会维护一个Redis的ZSet（有序集合）。
- Key是文章ID。
- Value是这个计算好的热度分数。
- 当用户点赞时，不是去数据库改数字，而是去Redis执行
ZADD hot_article_list $score $article_id。 - 推荐列表直接从Redis里
ZRANGE出来就行了。这才是PHP高并发的正确打开方式。我们代码里就不写Redis了，免得大家觉得太复杂，但脑子里得有这根弦。
第二模块：收藏与用户画像 —— 给用户贴标签
知乎最核心的价值是什么？是“收藏夹”。大家收藏文章，往往是因为“以后有用”或者“观点认同”。收藏，是一个强意向的行为。
当用户收藏了一篇关于“PHP高性能编程”的文章，系统就要意识到：这个用户对“PHP”感兴趣。
这就是用户画像的雏形。我们需要把非结构化的文本（文章标题+正文）转化为结构化的标签（vector）。
PHP实现思路
假设我们有一个简单的文章库，用户做了一个收藏动作。我们需要把文章的标签加到用户的标签库里。
- 文章有
tags字段（用逗号分隔的字符串，例如 “PHP,编程,架构”）。 - 用户有
tag_vector字段（存储用户感兴趣的标签列表）。 - 收藏时，提取文章标签，更新用户画像。
<?php
class UserProfile
{
/**
* 更新用户画像（收藏文章后触发）
* @param int $userId 用户ID
* @param array $articleTags 文章标签数组 ['PHP', '架构', 'Swoole']
*/
public static function updateOnCollect($userId, $articleTags)
{
// 1. 获取当前用户的标签偏好（这里简化处理，实际应从Redis或数据库读取）
// 假设当前用户标签是 ['Web开发', '后端']
$currentTags = ['Web开发', '后端'];
// 2. 合并新标签，并计算权重（收藏次数越多，权重越高）
$newTags = [];
foreach ($articleTags as $tag) {
if (in_array($tag, $currentTags)) {
$newTags[$tag] = isset($newTags[$tag]) ? $newTags[$tag] + 1 : 1;
} else {
$newTags[$tag] = 1;
}
}
// 3. 执行更新（实际操作中，这会是一个异步任务，避免阻塞用户）
// echo "用户 {$userId} 的标签库更新了，新增热度: " . json_encode($newTags);
return $newTags;
}
/**
* 生成向量（为了后面做相似度计算）
* 我们把标签映射为数字，方便做数学运算
*/
public static function tagsToVector($tags, $allTags)
{
$vector = [];
foreach ($allTags as $index => $tag) {
$vector[$index] = in_array($tag, $tags) ? 1 : 0;
}
return $vector;
}
}
// 模拟场景
$myTags = ['Web开发', '后端'];
$newArticleTags = ['PHP', '架构', 'Swoole', 'Web开发']; // 用户收藏了一篇关于PHP架构的文章
$updated = UserProfile::updateOnCollect(1001, $newArticleTags);
print_r($updated);这里有个关键点：所有用户的全量标签。我们需要一个全局的标签列表 ['PHP', '架构', 'Swoole', 'Web开发', '后端']。
当用户收藏文章时，系统实际上是在做一件事：向量更新。如果用户收藏了，向量中对应的位置就置为1（或者加1），代表这个维度被激活了。
专家级思考：
如果文章有500个标签，用户收藏了，这500个标签都要存吗？那用户画像得有几百万个维度的数组，内存爆炸！
所以，TF-IDF（词频-逆文档频率）在这里就派上用场了。系统应该自动识别文章中哪些是核心关键词（比如“PHP”权重高，“的”、“了”权重低），只提取核心词作为用户画像的标签。这才是正经算法。
第三模块：推荐算法 —— 基于内容的协同过滤
好了，画像做好了，热度也有了。现在用户打开APP，首页应该推什么？
如果你直接推“PHP高性能编程”，万一用户刚才收藏了“前端Vue”，你推PHP他可能就卸载了。
所以，我们需要一个推荐引擎。在知乎这种模式下，最实用的算法是基于内容的过滤。
原理很简单：“人以群分，物以类聚”。
如果你收藏了A文章，说明你喜欢的属性和B文章很像，那么B文章很可能也喜欢你。
PHP实现思路
我们需要计算两个向量之间的相似度。最常用的指标是余弦相似度。
$$ Cosine(Similarity) = frac{A cdot B}{||A|| times ||B||} $$
其中 $A cdot B$ 是点积，$||A||$ 是向量的模（长度）。
咱们用PHP来实现这个核心逻辑。别看公式高大上，代码其实很简洁。
<?php
class RecommendationEngine
{
/**
* 计算两个向量的余弦相似度
* @param array $vectorA 用户A的标签向量
* @param array $vectorB 文章B的标签向量
* @return float 0到1之间的数，1表示完全一样
*/
public static function cosineSimilarity($vectorA, $vectorB)
{
$dotProduct = 0.0;
$magnitudeA = 0.0;
$magnitudeB = 0.0;
$n = count($vectorA);
if ($n != count($vectorB)) {
return 0.0; // 维度不一致，无法计算
}
for ($i = 0; $i < $n; $i++) {
$dotProduct += $vectorA[$i] * $vectorB[$i];
$magnitudeA += pow($vectorA[$i], 2);
$magnitudeB += pow($vectorB[$i], 2);
}
if ($magnitudeA == 0 || $magnitudeB == 0) {
return 0.0;
}
return $dotProduct / ($magnitudeA * $magnitudeB);
}
/**
* 为用户生成推荐列表
* @param int $userId 用户ID
* @param array $allArticles 所有文章数据（包含文章标签向量）
*/
public static function recommendForUser($userId, $allArticles)
{
// 1. 获取用户画像向量
// 假设我们从数据库或者缓存里读出来，这里为了演示，手动构造一个
// 比如这个用户喜欢 PHP, Web开发, 后端
$userVector = [1, 1, 0, 0, 0]; // 对应标签: PHP, Web, Java, Python, Go
$recommendations = [];
// 2. 遍历所有文章，计算与用户的相似度
foreach ($allArticles as $article) {
// 文章向量
$articleVector = $article['tags_vector'];
// 计算相似度
$score = self::cosineSimilarity($userVector, $articleVector);
// 如果分数大于0.5，就算推荐
if ($score > 0.5) {
$recommendations[] = [
'article_id' => $article['id'],
'title' => $article['title'],
'score' => $score
];
}
}
// 3. 按分数排序
usort($recommendations, function($a, $b) {
return $b['score'] <=> $a['score'];
});
return array_slice($recommendations, 0, 5); // 只返回前5条
}
}
// 模拟数据
$articles = [
[
'id' => 101,
'title' => 'PHP从入门到放弃',
'tags_vector' => [1, 0, 0, 0, 0] // 只有PHP
],
[
'id' => 102,
'title' => 'Java高并发实战',
'tags_vector' => [0, 0, 1, 0, 0] // 只有Java
],
[
'id' => 103,
'title' => 'Web全栈开发指南',
'tags_vector' => [1, 1, 0, 0, 0] // PHP + Web
]
];
// 假设用户收藏了103号文章，所以向量变成了 [1, 1, 0, 0, 0]
$result = RecommendationEngine::recommendForUser(1001, $articles);
echo "推荐结果：n";
print_r($result);运行这段代码，你会看到：
- 103号文章（Web全栈）相似度最高，排在第一。
- 101号文章（PHP入门）因为只包含一个共同标签，相似度较低，排在后面。
- 102号文章（Java高并发）完全不相关，被过滤掉了。
这就是“基于内容”的推荐。它很精准，不需要像“基于协同过滤”那样去分析“喜欢这篇文章的人还喜欢那篇文章”（这会导致推荐过于同质化，比如大家都看美食，系统就一直推美食，你容易吃到吐）。
进阶：混合推荐
知乎实际上是把这两种结合起来用的。
- 热榜（热度算法）：解决“发现热点”的需求。
- 推荐（协同过滤）：解决“发现感兴趣内容”的需求。
- 个性化信息流（Feed流）：把两者混合，既有热点又有兴趣。
第四模块：架构与性能 —— 别让PHP变成面条代码
聊完了算法，咱们得聊聊架构。因为算法再好，如果架构烂，那就是一坨屎。
很多人质疑PHP性能差，是因为他们把PHP当成了同步阻塞的脚本。在现代架构中，PHP早就不是那个样子了。
1. 异步IO与高并发
知乎这种体量的系统，绝对不能用同步阻塞的代码去处理点赞和推荐。
我们需要用到PHP的协程和异步IO。
<?php
// 这是一个基于 Swoole 协程的伪代码示例
use SwooleCoroutine as Co;
$articles = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10];
// 启动10个协程，并发处理推荐逻辑
Cocreate(function() use ($articles) {
foreach ($articles as $id) {
Cogo(function() use ($id) {
// 这里模拟去数据库查推荐列表
$recommendations = Database::getRecommendations($id);
// 这里模拟推送到客户端
Client::push($id, json_encode($recommendations));
echo "用户 {$id} 的推荐列表已推送n";
});
}
});
// 即使处理10万用户，这行代码也会瞬间完成，等待后台异步执行就像刚才那段代码，虽然只有几行，但它利用Swoole，可以轻松撑起每秒几万甚至几十万的并发连接。这就是PHP的杀手锏。
2. 缓存为王
再牛逼的算法，没有缓存也是白搭。
- 用户画像缓存：用户收藏了文章，我们更新用户画像。但不要马上把全量标签存数据库。把最新的标签存Redis，过期时间设为1小时。读的时候，直接读Redis。
- 热点文章缓存：首页的热榜文章，永远不要去查数据库。Redis的ZSet存了，直接拿。
- 推荐列表缓存：每个用户的推荐列表，缓存5分钟。5分钟一更新，这样既保证了新鲜度，又减轻了数据库压力。
3. 队列削峰填谷
当某个爆款文章火了，几万人同时点赞，你的数据库瞬间就堵死了。这时候你需要一个消息队列。
用户点赞 -> 发送消息到RabbitMQ/Kafka -> PHP Worker异步消费 -> 更新Redis计数 -> 后台异步计算热度 -> 写入数据库（低频）。
这种“解耦”思想，是所有高并发架构的核心。PHP配合RabbitMQ，简直是天作之合。
第五模块：实战整合 —— 一个简易的PHP知乎后端原型
最后，咱们把上面的东西串起来。别光看不练，哪怕是个简易模型，也要跑起来看看。
我们要实现一个 ZhihuLite 类，包含热度计算、收藏处理和推荐生成。
<?php
// 模拟数据库类
class MockDB {
private static $articles = [
1 => ['title' => 'PHP是世界上最好的语言', 'tags' => ['PHP', '编程', '争论'], 'likes' => 100, 'comments' => 10, 'favorites' => 5, 'time' => time() - 3600],
2 => ['title' => '前端框架的衰落', 'tags' => ['前端', '技术趋势', '就业'], 'likes' => 50, 'comments' => 2, 'favorites' => 1, 'time' => time() - 86400],
3 => ['title' => '如何写出优雅的代码', 'tags' => ['编程', '架构', '最佳实践'], 'likes' => 200, 'comments' => 50, 'favorites' => 20, 'time' => time()],
];
// 模拟用户收藏记录
private static $userFavorites = [
'u1' => [1, 3] // 用户u1收藏了1和3
];
// 全局标签库
private static $allTags = ['PHP', '编程', '争论', '前端', '技术趋势', '就业', '架构', '最佳实践'];
public static function getArticle($id) {
return self::$articles[$id] ?? null;
}
public static function getUserFavorites($uid) {
return self::$userFavorites[$uid] ?? [];
}
}
class ZhihuLite {
// 核心算法入口
public function process($uid) {
echo "=== 正在处理用户 {$uid} 的请求 ===n";
// 1. 获取用户收藏
$favoriteIds = MockDB::getUserFavorites($uid);
// 2. 收集用户感兴趣的标签（构建画像）
$userTagSet = [];
foreach ($favoriteIds as $id) {
$article = MockDB::getArticle($id);
if ($article) {
$userTagSet = array_merge($userTagSet, $article['tags']);
}
}
// 去重
$userTags = array_unique($userTagSet);
// 3. 遍历所有文章，计算热度与相似度
$results = [];
foreach (MockDB::$articles as $id => $article) {
// A. 计算热度
$heat = ArticleHeatCalculator::calculateHeat(
$article['likes'],
$article['comments'],
$article['favorites'],
$article['time']
);
// B. 计算推荐分数（基于内容的相似度）
// 这里我们简单把用户标签和文章标签的交集长度作为相似度
$intersection = array_intersect($userTags, $article['tags']);
$similarity = count($intersection) / count(array_unique(array_merge($userTags, $article['tags'])));
// C. 综合评分 = 热度 * 0.7 + 相似度 * 0.3
$finalScore = $heat * 0.7 + ($similarity * 100); // 热度可能是浮点，相似度是0-1，做个比例调整
$results[] = [
'id' => $id,
'title' => $article['title'],
'heat' => round($heat, 2),
'similarity' => round($similarity, 2),
'score' => round($finalScore, 2)
];
}
// 4. 排序并返回
usort($results, function($a, $b) {
return $b['score'] <=> $a['score'];
});
echo "推荐结果（Top 3）：n";
foreach (array_slice($results, 0, 3) as $r) {
echo "- [{$r['id']}] {$r['title']} (综合分: {$r['score']})n";
}
}
}
// 运行演示
$zhihu = new ZhihuLite();
$zhihu->process('u1');结语
你看，其实所谓的“知乎算法”，在代码层面并没有那么神秘。
- 热度：是一碗热粥，得有衰减系数，别让陈年老文占着茅坑。
- 收藏：是给大脑做CT，通过标签提取用户兴趣点。
- 推荐：是相亲媒人，拿着你的画像去挑最般配的文章。
PHP之所以强大，不仅在于它语法简单，更在于它能在这些逻辑层面上提供足够的灵活性。你不用去维护几百G的Hadoop集群，用PHP配合Redis和MQ，你完全可以搭起一个基于现代架构的高性能推荐系统。
当然，真正的知乎系统还要处理黑产刷赞、图片CDN加速、实时弹幕推送等无数细节。但万变不离其宗，核心逻辑依然是这几个模型。
好了，今天的讲座就到这里。下课！记得把代码跑一下，如果报错了，那一定是你数据库没装好，跟我没关系！