随机匹配
为了帮大家更快地发现和自己兴趣相同的朋友
匹配 1 个还是匹配多个？
答：匹配多个，并且按照匹配的相似度从高到低排序
怎么匹配？（根据什么匹配）
答：标签 tags
还可以根据 user_team 匹配加入相同队伍的用户
本质：找到有相似标签的用户
举例：
用户 A：[Java, 大一, 男]
用户 B：[Java, 大二, 男]
用户 C：[Python, 大二, 女]
用户 D：[Java, 大一, 女]
1. 怎么匹配
- 找到有共同标签最多的用户（TopN）
- 共同标签越多，分数越高，越排在前面
- 如果没有匹配的用户，随机推荐几个（降级方案）
编辑距离算法：https://blog.csdn.net/DBC_121/article/details/104198838
最小编辑距离：字符串 1 通过最少多少次增删改字符的操作可以变成字符串 2
余弦相似度算法：https://blog.csdn.net/m0_55613022/article/details/125683937（如果需要带权重计算，比如学什么方向最重要，性别相对次要）
2. 怎么对所有用户匹配，取 TOP（下一期的内容）
直接取出所有用户，依次和当前用户计算分数，取 TOP N（54 秒）
优化方法：
-
切忌不要在数据量大的时候循环输出日志（取消掉日志后 20 秒）
-
Map 存了所有的分数信息，占用内存解决：维护一个固定长度的有序集合（sortedSet），只保留分数最高的几个用户（时间换空间）e.g.【3, 4, 5, 6, 7】取 TOP 5，id 为 1 的用户就不用放进去了
-
细节：剔除自己 √
-
尽量只查需要的数据：
-
过滤掉标签为空的用户 √
-
根据部分标签取用户（前提是能区分出来哪个标签比较重要）
-
只查需要的数据（比如 id 和 tags） √（7.0s）
-
提前查？（定时任务）
-
提前把所有用户给缓存（不适用于经常更新的数据）
-
提前运算出来结果，缓存（针对一些重点用户，提前缓存）
大数据推荐，比如说有几亿个商品，难道要查出来所有的商品？
难道要对所有的数据计算一遍相似度？
匹配通用
检索 => 召回 => 粗排 => 精排 => 重排序等等
检索：尽可能多地查符合要求的数据（比如按记录查）
召回：查询可能要用到的数据（不做运算）
粗排：粗略排序，简单地运算（运算相对轻量）
精排：精细排序，确定固定排位
匹配算法
最短距离算法
* 编辑距离算法（用于计算最相似的两组标签）
* 原理：https://blog.csdn.net/DBC_121/article/details/104198838
TreeMap内部排序
-
SortedMap（java.util.SortedMap）接口是Map的子接口，SortedMap中增加了元素的排序，这意味着可以给SortedMap中的元素排序。
-
SortedMap的实现TreeMap
SortedMap接口的实现TreeMap (java.util.TreeMap). -
创建TreeMap
可以通过TreeMap的构造函数创建TreeMap 实例：
SortedMap sortedMap = new TreeMap();
- 创建TreeMap使用Comparator
可以使用Comparator的实现作为TreeMap 构造函数的参数 ，这个Comparator将用于对存储在SortedMap中的键、值对的键进行排序：
Comparator comparator = new MyComparatorImpl();
SortedMap sortedMap = new TreeMap(comparator);
- 排序
SortedMap中的排序顺序要么是元素的自然排序顺序（如果它们实现了java.lang.Comparable)，或由Comparator确定的顺序。
