跳到主要内容

评论系统设计

问题​

如何设计一个支持多级回复的评论系统？

答案​

数据模型​

评论表（二级评论方案）
CREATE TABLE comment (
    id BIGINT PRIMARY KEY,
    content TEXT,
    user_id BIGINT,
    target_id BIGINT,          -- 评论目标（文章ID/视频ID）
    target_type TINYINT,       -- 目标类型
    parent_id BIGINT DEFAULT 0, -- 0=根评论，非0=回复哪条评论
    root_id BIGINT DEFAULT 0,   -- 根评论ID（方便查同一楼的所有回复）
    reply_to_uid BIGINT,        -- 回复给谁
    like_count INT DEFAULT 0,
    status TINYINT DEFAULT 1,
    created_at DATETIME,
    INDEX idx_target (target_id, target_type, created_at),
    INDEX idx_root (root_id, created_at)
);
二级评论方案

大多数平台（微博、B 站）采用二级评论：根评论 + 回复列表。不做无限嵌套，展示更清晰，查询更高效。

查询逻辑​

分页获取评论（根评论 + 热门回复）
public CommentPageVO getComments(long targetId, int type, int page, int size) {
    // 1. 查询根评论（按热度/时间排序）
    List<Comment> rootComments = commentMapper.findRootComments(
        targetId, type, (page - 1) * size, size
    );
    
    // 2. 批量查询每条根评论的前 3 条回复
    List<Long> rootIds = rootComments.stream().map(Comment::getId).toList();
    Map<Long, List<Comment>> repliesMap = commentMapper.findRepliesByRootIds(rootIds, 3)
        .stream().collect(Collectors.groupingBy(Comment::getRootId));
    
    // 3. 组装
    List<CommentVO> list = rootComments.stream().map(root -> {
        CommentVO vo = convert(root);
        vo.setReplies(repliesMap.getOrDefault(root.getId(), List.of()));
        return vo;
    }).toList();
    
    return new CommentPageVO(list, commentMapper.countRootComments(targetId, type));
}

点赞（Redis + 异步落库）​

Redis Set 记录点赞关系
public boolean likeComment(long userId, long commentId) {
    String key = "comment:likes:" + commentId;
    Boolean added = redisTemplate.opsForSet().add(key, String.valueOf(userId)) > 0;
    if (Boolean.TRUE.equals(added)) {
        // 异步更新数据库计数
        rocketMQTemplate.convertAndSend("COMMENT_LIKE", 
            new LikeEvent(userId, commentId, true));
    }
    return added;
}

常见面试问题​

Q1: 为什么不用无限层级嵌套？​

答案：

  • 查询复杂，需要递归
  • 深层嵌套展示困难，用户体验差
  • 二级评论（根评论 + 回复列表）覆盖 99% 场景，微博、抖音都是这样

Q2: 评论排序怎么设计？​

答案：

  • 按时间：最新/最早
  • 按热度：点赞数 × 权重 + 回复数 × 权重 - 时间衰减
  • 按综合：先按热度排前几条，再按时间

Q3: 高并发点赞怎么处理？​

答案：

  • Redis Set 记录点赞关系，天然去重
  • 异步通过 MQ 批量更新数据库计数
  • 定时将 Redis 点赞数同步到 DB

相关链接​