这是我参与「第三届青训营 -后端场」笔记创作活动的的第5篇笔记。
在做青训营的结营项目时，需要实现一个推流的功能，最简单的算法当然是从视频库里随机抽几个视频出来推送，但实际上怎么从视频数据库里随机抽取视频也是值得细究的。
接口描述
下面简要介绍一下这个接口。根据接口描述，该接口不限制登录状态，返回按投稿时间倒序的视频列表，视频数由服务端控制，单次最多30个。
那么在选取视频时，我们首先采用了随机推流的策略。
随机推流
一般来说，视频流的推送应由推荐算法来决定。在本项目中，由于项目设计较为简洁，加上视频、用户量不足，不足以收集足够的特征来训练一个推荐算法。因此，本项目采用随机推流的方式。即便如此，随机推流也有一定的难点。
难点具体表现在如何在数据库中随机选取特定数量的视频记录。一般来说，我们可以通过以下语句来随机查询五条记录：
SELECT *
FROM video
ORDER BY RAND()
LIMIT 5
然而ORDER BY 语句需要对全表排序，因此当视频数据量达到万、十万、百万等级别时，这个语句执行时间会很长（几秒）。这显然会带来不好的用户体验，因此需要优化一下随机查询的思路。
由于本项目没有模拟这么大的数据量，这里假设每天/周都有许多新视频投稿，那么我们可以建立一个基于投稿时间戳的索引（每天/周更新），根据该索引在最近一天/周的所有视频的id ，再用返回go中执行随机取样（比如取10条），再根据这10个id来取数据。这样一来，数据读取都是基于索引来操作，速度会快很多，同时能够保证给用户推送最新的视频，在用户体验上也会好很多。
展望
想象一下，我们是否可以将推荐算法也写进这个后台中，这样就能使得视频的推送更精准。然而，这需要在App端收集相关数据，形成一定量的特征，用推荐算法形成用户画像，再通过召回、排序等粗排序、精排序策略等完成最后的视频流推送。
