U-linker_Beta阶段冲刺博客5

Beta阶段冲刺博客5

Part 1: SCRUM部分

1.1 成员工作进展

1.2 代码签入记录

GitHub链接

功能模块：个性化推荐算法

• 提交说明：实现基于用户-物品协同过滤的推荐算法，支持新用户冷启动处理。

# services/recommendation.pyimportnumpyasnpfromcollectionsimportdefaultdictclassRecommendationService:defget_recommendations(self,user_id,limit=10):""" 基于协同过滤的推荐算法 1. 获取用户历史行为（浏览、收藏、点赞） 2. 计算用户相似度矩阵 3. 推荐相似用户喜欢的帖子 """# 获取用户行为数据user_behaviors=self._get_user_behaviors(user_id)# 冷启动处理：新用户返回热门帖子ifnotuser_behaviors:returnself._get_hot_posts(limit)# 计算相似用户similar_users=self._find_similar_users(user_id,top_k=20)# 聚合推荐结果并去重recommendations=self._aggregate_recommendations(user_id,similar_users,limit)returnrecommendations

功能模块：Docker 一键部署脚本

• 提交说明：完成前后端容器编排，支持一键启动所有服务。

# deploy_update.sh 核心逻辑deploy_all(){echo"===== 开始全量部署 ====="# 1. 创建 Docker 网络（如不存在）dockernetwork create u-linker-network2>/dev/null||true# 2. 部署后端服务cd/opt/u-linker-backenddockercompose-fdocker-compose.backend.yml downdockercompose-fdocker-compose.backend.yml build --no-cachedockercompose-fdocker-compose.backend.yml up-d# 3. 部署前端服务cd/opt/u-linker-frontenddockercompose-fdocker-compose.frontend-simple.yml downdockercompose-fdocker-compose.frontend-simple.yml build --no-cachedockercompose-fdocker-compose.frontend-simple.yml up-d# 4. 健康检查sleep10curl-fhttp://localhost/health&&echo"前端健康检查通过"curl-fhttp://localhost/api/health&&echo"后端健康检查通过"echo"===== 部署完成 ====="}

功能模块：推荐帖子 API 接口

• 提交说明：提供个性化推荐帖子列表接口，支持分页查询。

# routes/posts.py@posts_bp.route('/recommendations',methods=['GET'])@login_requireddefget_recommendations():"""获取个性化推荐帖子列表"""page=request.args.get('page',1,type=int)per_page=request.args.get('per_page',10,type=int)# 调用推荐服务recommendation_service=RecommendationService()post_ids=recommendation_service.get_recommendations(current_user.id,limit=per_page*3# 多获取一些用于过滤)# 分页处理start=(page-1)*per_page end=start+per_page paginated_ids=post_ids[start:end]# 查询帖子详情posts=Post.query.filter(Post.id.in_(paginated_ids)).all()returnsuccess(data={'posts':[post.to_dict()forpostinposts],'has_more':len(post_ids)>end})

1.3 测试工作成果

• 测试内容：推荐算法与线上部署验收
• 测试状态：全部通过
• 测试报告：

本次测试针对系统的"个性化推荐"和"生产环境部署"进行了全面验证，确保核心功能稳定可用。

1. 推荐算法准确性测试
   测试场景：验证推荐结果与用户兴趣的相关性。
   测试过程：

• 创建 5 个测试账号，分别模拟不同兴趣偏好（学习资料、二手交易、活动组队等）。
• 每个账号进行 20+ 次浏览、收藏、点赞操作，建立行为画像。
• 调用推荐接口，检查返回帖子与用户历史行为的匹配度。
  测试结果：推荐准确率达到 78%，Top-10 推荐列表中平均有 7-8 条与用户兴趣相关。

2. 冷启动处理测试
   测试场景：验证新用户的推荐体验。
   测试过程：

• 注册全新账号，无任何历史行为数据。
• 访问首页推荐模块，检查是否返回热门帖子。
  测试结果：新用户可正常获取热门推荐，无空白或报错情况。

3. Docker 部署稳定性测试
   测试场景：验证一键部署脚本的可靠性。
   测试过程：

• 在全新服务器环境执行部署脚本。
• 检查前端、后端、数据库容器是否正常启动。
• 进行 100 次并发请求压力测试。
  测试结果：部署脚本执行成功率 100%，系统在 100 并发下响应时间 < 500ms，无服务中断。

总结：推荐算法初步达到预期效果，Docker 部署流程稳定可靠，系统已具备上线条件。

1.4 SCRUM会议照片

• 会议时间：2025年1月4日
  
  

Part 2: PM报告

2.1 项目整体进度

2.2 燃尽图

说明：截止 Day 10，项目进度已全部完成（100%）。这两天我们集中攻克了推荐算法和 Docker 部署两大核心任务，成功实现了生产环境的完整部署。Day 9 完成 94%，Day 10 完成剩余所有任务，项目按时交付。

2.3 任务总量变化记录

反思：本次冲刺的 Docker 部署过程中，我们发现 Nginx 反向代理配置和前后端跨域问题比预期复杂。通过编写详细的部署手册（参见 U-Linker 部署手册），我们将踩过的坑记录下来，方便后续维护和团队知识传承。

2.4 项目最新运行截图

功能演示 1：个性化推荐列表

首页根据用户历史行为展示个性化推荐帖子，新用户显示热门内容。

功能演示 2：Docker 一键部署

使用 deploy_update.sh 脚本实现前后端服务的一键部署与更新。

功能演示 3：系统健康检查

部署完成后自动执行健康检查，确保服务正常运行。

$curlhttp://121.89.81.18/health{"status":"ok","service":"frontend"}$curlhttp://121.89.81.18/api/health{"status":"ok","service":"backend","database":"connected"}

功能演示 4：推荐效果对比

左图为新用户（热门推荐），右图为活跃用户（个性化推荐）。

Part 3: 技术亮点

3.1 推荐算法设计

本次实现的推荐系统采用基于用户的协同过滤算法，核心思路如下：

1. 行为采集：记录用户的浏览、收藏、点赞行为
2. 相似度计算：使用余弦相似度计算用户间的兴趣相似性
3. 推荐生成：聚合相似用户喜欢的帖子，过滤用户已交互内容
4. 冷启动处理：新用户返回基于热度排序的帖子列表

3.2 部署架构

┌─────────────────────────────────────────────────────────┐ │ Nginx (端口 80) │ │ u-linker-frontend │ ├─────────────────────────────────────────────────────────┤ │ / → 静态文件 (Vue 构建产物) │ │ /api/* → 反向代理到后端容器 │ └─────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────┐ │ Flask Backend (端口 5000) │ │ u-linker-web │ └─────────────────────────────────────────────────────────┘ │ ▼ ┌─────────────────────────────────────────────────────────┐ │ MySQL (端口 3306) │ │ u-linker-mysql │ └─────────────────────────────────────────────────────────┘