创新实训（33）——有关前后端交互的优化以及后端错误的处理

前言

今天下午克隆了一个前端项目，然后在本地运行了一下，与本地的后端接口进行了一系列的测试，发现了一些体验不好的问题，有的地方还有一些报错，所以集中来处理一下，提高一下用户的体验。

使用协同过滤算法，进行文章推荐的问题

（1）在为用户进行基于协同过滤的推荐时，由于要获取用户的数据，才能进行个性化推荐，而对于没有登陆的游客来说，或者一个没有进行浏览的用户来说，这个部分的显示却是空的。
如下图，猜你喜欢部分，显示为空：

对应后端报错：显示获取不到用户的登陆信息，有关token的获取出错，由于用户没有登陆，所以没有token，而这个接口是需要有token的用户才能获取的。

解决方案：
所以对于未登陆的用户，由于没有token，

由于@RequestAttribute注解的参数，默认是不能为空的，否则系统会抛出异常，它也有一个required配置项，只需要设置它为false，参数就可以为空了：

这样就可以在未登陆得时候随即返回参数了。
（2）协同过滤的推荐算法，速度太慢，获取一个列表，20条博客，往往需要5s左右，体验太差。
查看后端源代码，由于我对协同过滤算法使用到的数据已经进行了定时的物化，每20分钟就会物化一次用户的浏览记录到本地的csv中

但是发现，在进行协同过滤时，每个用户获取列表，都需要读取这两个csv文件，并且调用相应的相似度计算方法，计算皮尔逊相似度。

这里面存在着大量的重复性的工作。所以想着使用缓存机制，在定时抽取到csv文件后，都将模型加载到内存中，并且计算出相似度矩阵，等到协同过滤推荐的使用

这里我试用了以下的方法

参考与：https://www.jianshu.com/p/08973c447c55

这个注解会在项目初始化时，执行下面的方法。
实现：

    //定时的初始化
    @PostConstruct
    public void postConstruct() throws IOException, TasteException {
        userCategoryDataModel = new FileDataModel(new File(USER_CATEGORY_MODEL_FILE_NAME));
        userTagDataModel = new FileDataModel(new File(USER_TAG_MODEL_FILE_NAME));
        userCategoryUserSimilarity = new PearsonCorrelationSimilarity(userCategoryDataModel);
        userCategoryItemSimilarity = new PearsonCorrelationSimilarity(userCategoryDataModel);
        userTagUserSimilarity =new PearsonCorrelationSimilarity(userTagDataModel);
        userTagItemSimilarity = new PearsonCorrelationSimilarity(userTagDataModel);
        System.out.println("模型初始化完成");
    }

这样处理以后，推荐的效率快了许多。

访问时下流行界面的问题

热榜出现问题


未解决，不知道哪里的问题

协同过滤推荐模块Mahout，回因为新注册用户，没有用户的浏览记录而出错

解决方案：
在后端加入try catch ，捕获这个错误，如果有这个错误就随机返回文章

获取订阅列表时，服务器出错

应该是sql出错了，检查一下

发现是，传入的tagIdList如果为空，则sql会执行报错，所以加一层判断，如果tagIdList为空，则返回空