在汽车用户社区的海量信息中,存在着较多具有识别难度的营销广告以及水军信息,过去的传统做法为运营人员肉眼进行监测,对于明显存在灌水意图,以及为经销商和品牌打广告的帖子,进行删帖禁言封号等处理。此种方法的成本大,收益低。因而需要开发一款发文实时监控系统来对社区的多种文章体裁进行检测,加强对经销商、水军等异常群体的识别与处理,尽可能将对社区内容生态的负面影响降到最低,同时以CNN模型对文本进行类别预测,提升运营人员的工作效率。发文实时监控系统在充分考虑低延时、高可用的基础之上,实现了一个分体裁的监控系统,可以支持运营人员对用户发文及时处理以及可视化配置监控规则,并且支持以卷积神经网络对新增的用户论坛发文进行分类操作,给运营人员提供辅助建议。监控系统主要包含三个部分,第一是最基础的监控部分,实现了用户和车友圈维度的计数,并支持基于Canal框架读取数据库binlog的毫秒级别的分体裁监控,且与业务代码解耦,即使后续新增体裁或者进行监控功能的拓展,以最小改动的代码即可实现;第二是配置平台,该平台实现了高可用性,即使部分节点宕机依然可以对外提供服务,且支持网页可视化操作,接入了公司统一的SSO,可以应对研发人员以及运营人员频繁的监控规则变动,而无需更改代码;第三,借助深度学习的CNN模型以及Tensor Flow框架,以历史存量数据进行分类模型训练,最终实现了对新增发文文本内容的实时识别,可以区分出水军、经销商与正常用户文本,减轻运营人员人工识别的工作量。发文实时监控系统使用binlog技术、Canal框架以及CNN文本分类算法等关键技术,实现了对于汽车论坛内用户发文的实时监控,可以分体裁来监控用户的发文,同时做到了低延时、高可用、监控规则解耦以及用户数据的安全加密存储。