新增批量

2026-01-06 11:23:52 +08:00
parent e41dd33d23
commit cb7ad9a4b7
15 changed files with 1371 additions and 75 deletions
--- a/doc/快速匹配实现原理.md
+++ b/doc/快速匹配实现原理.md
@@ -0,0 +1,243 @@
+# 快速匹配实现原理分析
+
+## 为什么其他机构能"秒级"返回匹配结果？
+
+### 核心原理：数据库层面快速过滤 + 只计算符合条件的岗位
+
+## 实现方式对比
+
+### ❌ 当前方案（慢的原因）
+
+```
+1. 接收1万个岗位的完整数据（JSON数组）
+2. 在内存中遍历所有岗位
+3. 对每个岗位进行完整匹配计算
+4. 排序返回
+```
+
+**问题**：
+- 需要传输1万个岗位的完整数据（几十MB）
+- 需要计算所有岗位（即使明显不符合）
+- 无法利用数据库索引优化
+
+### ✅ 优化方案（快速实现）
+
+```
+1. 岗位数据存储在数据库中
+2. 使用SQL WHERE条件快速过滤
+3. 只对通过初步筛选的岗位进行详细计算
+4. 排序返回
+```
+
+**优势**：
+- 利用数据库索引，查询速度极快（毫秒级）
+- 大幅减少需要计算的岗位数量（从1万降到几百）
+- 只传输少量数据
+
+## 具体实现步骤
+
+### 第一步：数据库表结构设计
+
+```sql
+-- 岗位表
+CREATE TABLE positions (
+    id INT PRIMARY KEY,
+    -- 基础信息
+    position_name VARCHAR(255),
+    company_name VARCHAR(255),
+    
+    -- 硬性条件（建立索引）
+    education_require VARCHAR(50),      -- 学历要求：本科、硕士等
+    degree_require VARCHAR(50),         -- 学位要求：学士、硕士等
+    age_min INT,                        -- 最小年龄
+    age_max INT,                        -- 最大年龄
+    gender_require VARCHAR(10),         -- 性别要求：男、女、不限制
+    major_require TEXT,                 -- 专业要求
+    
+    -- 其他信息
+    position_require JSON,              -- 完整要求（JSON格式）
+    created_at TIMESTAMP
+);
+
+-- 建立索引
+CREATE INDEX idx_education ON positions(education_require);
+CREATE INDEX idx_age ON positions(age_min, age_max);
+CREATE INDEX idx_gender ON positions(gender_require);
+```
+
+### 第二步：快速过滤SQL查询
+
+```php
+// 根据简历信息，快速过滤岗位
+$resume = [
+    'birth_date' => '1995-03-01',  // 计算年龄：30岁
+    'gender' => '男',
+    'education_level' => '硕士研究生',
+    'degree' => '硕士',
+    'major' => '计算机科学与技术'
+];
+
+// 计算年龄
+$age = calculateAge($resume['birth_date']); // 30岁
+
+// SQL快速过滤（利用索引，毫秒级响应）
+$positions = DB::table('positions')
+    ->where(function($query) use ($resume, $age) {
+        // 学历要求：简历学历 >= 岗位要求
+        $query->whereIn('education_require', [
+            '本科', '本科及以上', '硕士', '硕士及以上'
+        ]);
+        
+        // 年龄要求：在范围内
+        $query->where('age_min', '<=', $age)
+              ->where('age_max', '>=', $age);
+        
+        // 性别要求：不限制 或 匹配
+        $query->where(function($q) use ($resume) {
+            $q->where('gender_require', '不限制')
+              ->orWhere('gender_require', $resume['gender']);
+        });
+        
+        // 专业要求：模糊匹配（或使用专业分类表）
+        $query->where('major_require', 'like', '%计算机%')
+              ->orWhere('major_require', 'like', '%软件%');
+    })
+    ->get();  // 可能从1万个筛选到200个
+
+// 只对这200个岗位进行详细匹配计算
+foreach ($positions as $position) {
+    $score = calculateMatchScore($position, $resume);
+}
+```
+
+### 第三步：性能对比
+
+| 方案 | 需要计算的岗位数 | 计算时间 | 数据库查询时间 |
+|------|----------------|---------|---------------|
+| **当前方案** | 10,000个 | 10-50秒 | 0秒（无数据库） |
+| **优化方案** | 200个（过滤后） | 0.2-1秒 | 0.01-0.1秒 |
+
+**总时间对比**：
+- 当前方案：10-50秒
+- 优化方案：0.21-1.1秒（**快50-200倍**）
+
+## 关键技术点
+
+### 1. 数据库索引优化
+
+```sql
+-- 对常用查询字段建立索引
+CREATE INDEX idx_education_age ON positions(education_require, age_min, age_max);
+CREATE INDEX idx_gender ON positions(gender_require);
+```
+
+### 2. 数据预处理
+
+```php
+// 岗位入库时，解析并存储结构化数据
+$position = [
+    'position_require' => [
+        '学历要求' => '本科及以上',
+        '年龄要求' => '18周岁以上、35周岁以下',
+        // ...
+    ]
+];
+
+// 解析并存储到独立字段
+$position['education_require'] = '本科';  // 标准化
+$position['age_min'] = 18;
+$position['age_max'] = 35;
+```
+
+### 3. 专业匹配优化
+
+```sql
+-- 方案A：使用专业分类表
+CREATE TABLE major_categories (
+    major_name VARCHAR(100),
+    category VARCHAR(100),
+    INDEX idx_category(category)
+);
+
+-- 方案B：使用全文索引
+ALTER TABLE positions ADD FULLTEXT INDEX idx_major(major_require);
+```
+
+### 4. 缓存机制
+
+```php
+// 缓存常见简历的匹配结果
+$cacheKey = "match:resume:{$resumeId}";
+$result = Redis::get($cacheKey);
+
+if (!$result) {
+    // 计算并缓存
+    $result = calculateMatch($positions, $resume);
+    Redis::setex($cacheKey, 3600, $result); // 缓存1小时
+}
+```
+
+## 完整实现流程
+
+```php
+public function fastBatchMatch($resume, $page = 1, $pageSize = 20) {
+    // 1. 解析简历信息
+    $age = calculateAge($resume['birth_date']);
+    $education = parseEducation($resume['education']);
+    
+    // 2. 数据库快速过滤（毫秒级）
+    $filteredPositions = DB::table('positions')
+        ->where('education_require', '<=', $education['level'])
+        ->where('age_min', '<=', $age)
+        ->where('age_max', '>=', $age)
+        ->where(function($q) use ($resume) {
+            $q->where('gender_require', '不限制')
+              ->orWhere('gender_require', $resume['gender']);
+        })
+        ->get();  // 从1万筛选到几百个
+    
+    // 3. 只计算通过初步筛选的岗位（秒级）
+    $results = [];
+    foreach ($filteredPositions as $position) {
+        $score = $this->calculateMatchScore($position, $resume);
+        $results[] = [
+            'position_id' => $position->id,
+            'match_score' => $score,
+            'position' => $position
+        ];
+    }
+    
+    // 4. 排序+分页
+    usort($results, fn($a, $b) => $b['match_score'] - $a['match_score']);
+    $paginated = array_slice($results, ($page - 1) * $pageSize, $pageSize);
+    
+    return [
+        'list' => $paginated,
+        'total' => count($results),
+        'page' => $page,
+        'page_size' => $pageSize
+    ];
+}
+```
+
+## 总结
+
+**其他机构能快速返回的关键**：
+1. ✅ **岗位存储在数据库**（不是JSON数组）
+2. ✅ **使用SQL WHERE快速过滤**（利用索引，毫秒级）
+3. ✅ **只计算通过初步筛选的岗位**（从1万降到几百）
+4. ✅ **数据预处理**（结构化存储硬性条件）
+5. ✅ **索引优化**（对常用查询字段建索引）
+
+**性能提升**：
+- 数据库过滤：1万个 → 200个（减少98%）
+- 计算时间：50秒 → 1秒（快50倍）
+- **总响应时间：从50秒降到1秒以内**
+
+## 实施建议
+
+1. **如果岗位数据在数据库**：直接使用SQL过滤
+2. **如果岗位数据是JSON**：考虑导入数据库或建立索引
+3. **如果无法改数据库**：使用内存索引（如Elasticsearch）或预计算
+
+