当前,以知乎为代表的知识分享类信息流产品成为了一种消遣碎片化时间的新生活方式。同时随着信息越来越透明,热点事件频发,知识分享APP会频繁迎来突发流量,因此针对热点事件高并发场景的处理能力决定了APP的稳定性及可用性。且随着APP中内容越来越多,从海量数据中为用户提供感兴趣的内容也变的越来越重要。针对这些问题,论文基于OpenResty进行了高并发架构设计,设计了Deep FM的改进推荐算法,实现了可应对热点事件高并发场景,并能为用户提供个性化内容推荐的知识分享APP。首先根据热点事件高并发场景特点进行了高并发架构设计。在接入层中,基于OpenResty在Nginx处理HTTP请求的ACCESS阶段以及CONTENT阶段分别嵌入自定义模块。其中ACCESS阶段通过Token校验、令牌桶限流对大部分无效请求进行了筛选,然后在CONTENT阶段通过读取Redis预热的热点缓存,以及基于服务器节点剩余性能的动态负载均衡算法,对高并发的热点请求进行了高效处理。在业务层中,对于热点事件场景下读多写少的特点,采用消息队列异步写,缓存延迟加载等方式对业务层进行了高并发读写架构设计,使得业务层对大量读请求具有了较强处理能力。在数据层中,根据读多写少,接入层请求量大的特点,采用了Mysql读写分离,Redis集群分割等措施进行了数据层方案设计,提高数据层性能及可靠性。在基于OpenResty设计和实现知识分享APP的过程中,重点选取了文章、推荐、热榜、关注推送、搜索功能模块进行描述。并结合业务场景特点,设计了Deep FM的改进推荐算法,可对用户进行个性化内容推荐。利用Spring Boot后端框架,Flutter移动端框架完成了知识分享APP开发,经过功能测试及性能测试,APP具备较强并发处理能力,能够满足热点事件场景下的高并发性能要求,也能为用户提供效果不错的个性化推荐服务。能够满足工程需求。