推模式在用户发布内容时立即推送给所有关注者，读取速度快但写入压力大；拉模式在用户访问时实时拉取内容，存储成本低但读取延迟高。大型社交平台通常采用推拉结合的方式。
社交媒体平台需要处理海量并发访问，多级缓存策略可以在不同层次拦截请求，大大减少对后端数据库的压力，提高系统整体性能。
协同过滤算法面临冷启动问题（新用户或新物品缺乏历史数据）和数据稀疏性问题（用户-物品交互矩阵稀疏），这是其主要局限性。
WebSocket提供全双工通信能力，延迟更低，且不需要像长轮询那样持续发送HTTP请求，资源消耗更少，更适合实时性要求高的场景。
读写分离通过将读操作分配到从库，写操作在主库执行，可以有效分散数据库压力，提高系统的并发处理能力，特别适合读多写少的社交媒体场景。
接口响应时间和页面加载时间直接影响用户的使用体验，是最能反映用户感受的指标。其他指标虽然重要，但更多是技术层面的监控。
多样性指标和新颖性指标专门用于衡量推荐结果的多样性，避免推荐结果过于单一。精确率、召回率、AUC主要衡量推荐的准确性。
突发热点事件需要综合策略应对：限流防止系统过载，降级保证核心功能，熔断防止故障扩散，自动扩容增加处理能力。单一策略无法有效应对复杂场景。