检查队列中的用户：管理优先级的算法？

Question

假设我在队列中有大量用户，我定期根据速率受限的API 查询每个用户。 查询完所有用户后，将重新启动该过程。 应用了速率限制，因此我无法在合理的时间内检查所有用户（> 1 天检查每个人）。

每次我检查用户时，我都可以检查他们上次活动的时间。 如果用户最近一直活跃（比方说最近几天），那么他们应该优先于根本不活跃（> 一年）的用户。 但是，不活跃用户被查询的概率应该仍然大于 0。是否有关于如何有效管理此队列的现有研究/方法？

目前我在想的是做一个简单的优先级队列，并让用户的初始值是他们上次活动的时间。 任何时候查询用户时，他们在队列中的位置都会被替换为他们上次活跃的日期+从分布中生成的一些随机数，以便最终可以检查所有用户。

Answer 1

经过一番思考，我决定使用贝叶斯模型来推断每个用户在事件之间的时间。 我假设每个用户在一个时间段内的活动量遵循泊松分布。 因此，每个事件之间的时间遵循指数分布。 对于速率参数，我假设它是伽马分布的。 因此，后验分布是 lomax 分布。 对于我添加到队列中的每个用户，我从后验采样作为他们的新优先级#。 当用户有最近的活动时，我更新他们特定于用户的超参数，然后重新采样一个新的优先级值。 这使我可以根据数据灵活地调整每个用户的优先级，并为我没有任何信息的新用户设置优先级。