.NET 8 热门文章排行实现：PV、UV、停留时长与时间衰减可验证指南

本文提供一套可在生产验证的“热门文章排行”实现方案，核心指标包括 PV（页面浏览）、UV（独立访客）与停留时长（dwell time），并通过时间衰减保持榜单的时效性与公平性。全部参数与命令均可在预演环境复现与校验。

## 版本与环境校验（可验证）

dotnet --info
# 确认 Runtime 为 .NET 8

# Redis 版本建议 >= 6.0（支持 ACL、更佳的持久化与性能特性）
redis-server --version
redis-cli INFO server | grep redis_version

校验要点：确保应用运行时与 CI/CD 构建环境版本一致；Redis 与客户端驱动（如 StackExchange.Redis）版本匹配，网络与持久化策略在预演环境先行验证。

## 指标定义与评分模型（可验证）

• PV：某篇文章被访问的次数，防止机器人与刷流量需结合 UA/IP/令牌策略过滤。
• UV：在一定时间窗口内访问该文章的去重用户数，推荐用 Redis HyperLogLog（`PFADD/PFCOUNT`）。
• 停留时长：用户在文章页停留的秒数，前端通过 Beacon/Fetch 周期上报，后端聚合为均值或分位数。

时间衰减采用半衰期模型：

decay_factor = exp(- ln(2) * age_hours / half_life_hours)
score = (w_pv * pv + w_uv * uv + w_dwell * avg_dwell_seconds) * decay_factor

推荐参数（需压测校准）：`half_life_hours = 24`，`w_pv = 1.0`，`w_uv = 2.0`，`w_dwell = 0.01`。以上权重体现“去重与内容质量（停留）更重要”的原则，具体值请以业务目标与误差容忍度调优。

## Redis 键模型与命名（可验证）

• `article:pv:{id}`：PV 计数（`INCR`）。
• `article:hll:{id}`：UV HyperLogLog（`PFADD {userId}`、`PFCOUNT`）。
• `article:dwell:{id}`：停留秒数聚合（可用 Hash：`HINCRBY {sum|count}` 计算均值）。
• `article:rank`：ZSET 存储分数（`ZINCRBY` 或定时重算 `ZADD`）。

示例：

# PV 增加
redis-cli INCR article:pv:123

# UV 去重（依据用户 ID/会话 ID/设备指纹）
redis-cli PFADD article:hll:123 user_98765
redis-cli PFCOUNT article:hll:123

# 停留时长聚合（总秒数与样本数）
redis-cli HINCRBY article:dwell:123 sum 37
redis-cli HINCRBY article:dwell:123 count 1

# 排名分数更新（示例增量）
redis-cli ZINCRBY article:rank 3.5 123
redis-cli ZREVRANGE article:rank 0 19 WITHSCORES

注意：UV 的唯一标识需要与隐私与风控策略一致；建议在服务侧统一生成/校验并避免前端可控字段直接参与 UV。

## ASP.NET Core 采集与排行 API（可验证）

示例使用 Minimal API 与 StackExchange.Redis（伪代码，接口与参数可直接落地）：

using StackExchange.Redis;
using Microsoft.AspNetCore.Builder;
using Microsoft.AspNetCore.Http;
using Microsoft.Extensions.DependencyInjection;
using System;
using System.Threading.Tasks;

var builder = WebApplication.CreateBuilder(args);
builder.Services.AddSingleton<IConnectionMultiplexer>(_ => ConnectionMultiplexer.Connect("localhost:6379"));

var app = builder.Build();

// 文章访问采集（PV/UV）
app.MapPost("/articles/{id}/view", async (string id, HttpContext ctx, IConnectionMultiplexer mux) =>
{
    var db = mux.GetDatabase();
    var userId = ctx.User?.Identity?.Name ?? ctx.Request.Headers["X-UID"].ToString();
    if (string.IsNullOrWhiteSpace(userId)) userId = ctx.Connection.RemoteIpAddress?.ToString() ?? Guid.NewGuid().ToString();

    // PV
    await db.StringIncrementAsync($"article:pv:{id}");
    // UV（HyperLogLog）
    await db.HyperLogLogAddAsync($"article:hll:{id}", userId);

    // 基于当前事件的轻量增量分数（示例：PV 1、UV 命中 1，则增量约为 1*w_pv + 1*w_uv = 3）
    await db.SortedSetIncrementAsync("article:rank", id, 3.0);

    return Results.Ok(new { ok = true });
});

// 停留时长上报（前端卸载或定时 Beacon 调用）
app.MapPost("/articles/{id}/dwell", async (string id, int seconds, IConnectionMultiplexer mux) =>
{
    var db = mux.GetDatabase();
    await db.HashIncrementAsync($"article:dwell:{id}", "sum", seconds);
    await db.HashIncrementAsync($"article:dwell:{id}", "count", 1);
    // 质量分加权（示例：w_dwell = 0.01）
    await db.SortedSetIncrementAsync("article:rank", id, Math.Max(0, seconds) * 0.01);
    return Results.Ok(new { ok = true });
});

// 热门文章榜单（Top N）
app.MapGet("/articles/hot", async (int top, IConnectionMultiplexer mux) =>
{
    var db = mux.GetDatabase();
    var entries = await db.SortedSetRangeByRankWithScoresAsync("article:rank", 0, top - 1, Order.Descending);
    return Results.Ok(entries);
});

app.Run();

验证：本地或预演环境启动后，调用 `/articles/{id}/view` 与 `/articles/{id}/dwell`，检查 `article:pv:*`、`article:hll:*`、`article:dwell:*` 与 `article:rank` 的值变化，并通过 `/articles/hot?top=20` 获取榜单。

## 定时重算与时间衰减（可验证）

为确保历史高分不会长期占据榜单，建议以固定周期（如每 15 分钟或每小时）重算分数并施加时间衰减：

public async Task RecomputeScoresAsync(IDatabase db, string[] articleIds, DateTimeOffset now)
{
    const double w_pv = 1.0, w_uv = 2.0, w_dwell = 0.01, halfLifeHours = 24.0;
    foreach (var id in articleIds)
    {
        var pv = (int)await db.StringGetAsync($"article:pv:{id}");
        var uv = (int)await db.HyperLogLogLengthAsync($"article:hll:{id}");
        var sum = (int)await db.HashGetAsync($"article:dwell:{id}", "sum");
        var cnt = (int)await db.HashGetAsync($"article:dwell:{id}", "count");
        var avgDwell = cnt > 0 ? (double)sum / cnt : 0.0;

        // 文章上线时间建议从数据库读取，此处示例为 24h 衰减
        var ageHours = 24.0; // 请替换为真实 age（now - publishTime）
        var decay = Math.Exp(-Math.Log(2) * ageHours / halfLifeHours);
        var score = (w_pv * pv + w_uv * uv + w_dwell * avgDwell) * decay;

        await db.SortedSetAddAsync("article:rank", id, score);
    }
}

说明：增量更新适合高并发事件流；周期重算用于收敛误差与统一应用衰减。两者结合可获得稳定且贴近实时的榜单。

## 与数据库元数据集成（可验证）

建议在 EF Core 中维护文章基础信息（标题、作者、发布时间、分类），榜单查询时从 Redis 获取 Top N id，再回表补充元数据：

// 伪代码：获取 Top N 并映射为 DTO
var topIds = await db.SortedSetRangeByRankAsync("article:rank", 0, 19, Order.Descending);
var articles = await _dbContext.Articles
    .Where(a => topIds.Contains(a.Id))
    .Select(a => new { a.Id, a.Title, a.Author, a.PublishedAt, a.Category })
    .ToListAsync();

验证：比对 Redis 返回的 ID 与数据库记录是否一致；在并发更新场景下，确保数据读写隔离与一致性（如读取时采用只读副本或快照）。

## 压测与观测（可验证）

• 用 `bombardier`/`wrk` 对 `/articles/{id}/view` 进行 60–120 秒压测，记录 `RPS`、`p95/p99` 与错误率。
• Redis 侧观测 `instantaneous_ops_per_sec`、`used_memory`、`keyspace_hits/misses` 与慢查询日志（slowlog）。
• 应用侧采集 `GC`、线程池队列长度与请求队列，评估热点文章带来的峰值行为与回退策略。

## 注意事项

• 过滤机器人与异常流量：结合 UA/Referer/IP 黑名单与速率限制（Rate Limiting 中间件）。
• UV 标识稳定性：优先采用服务端生成的会话或用户标识，避免前端可控参数直接参与 UV。
• 前端上报可靠性：停留时长建议采用 `navigator.sendBeacon` 或在页面卸载时兜底，减少丢报。
• 数据留存与窗口：UV 通常按天/周窗口滚动；如需长期画像，另存聚合至数据库，Redis 用作近实时榜单。
• 权重与半衰期需压测与 A/B：避免过度放大 PV 或停留时长导致榜单失真。

## 结语

通过 .NET 8 与 Redis 的组合，基于 PV、UV 与停留时长并引入时间衰减的评分模型，可以实现高并发、可复现且贴近内容质量的热门文章排行。在预演环境完成参数与链路验证后，可平滑进入生产并持续监控与调优。