推荐整体架构
2016-11-07 15:32:07 0 举报
推荐的整体架构是一个基于云计算和大数据技术的智能化系统。该系统采用分布式架构,包括前端、后端和数据库三个层次。前端使用响应式设计,支持多平台访问;后端采用微服务架构,实现模块解耦和高可用性;数据库采用分布式存储和缓存技术,提高数据处理效率。此外,系统还引入了人工智能和机器学习算法,对用户行为进行分析和预测,提供个性化推荐服务。通过该架构,可以实现高效稳定的系统运行和优质的用户体验。
作者其他创作
大纲/内容
过滤
人口属性
模型迭代
i2i召回链计算等
内容入库流
kafka流
预测相关
分享数
打标
faiss检索
下发历史
推荐物料库
item行为(redis)
展示历史(播放时长,播放时间等)
指标计算
点击数
kafka
标签偏好
基于连续向量召回
内容库(正排索引,kv等)
用户行为(redis)
倒排索引(elasticsearch)
召回key提取
基础特征
规则打散/运营逻辑
下发行为表
请求(userid,context)
点赞数
特征服务(函数库)
特定人群
点击行为表
推荐下发宽表
用户向量
基于离散key召回
用户画像(redis)
tag
数据应用
点赞行为表
1.大数据(1)kafka:P0(2)Flink:P0.5(3)hadoop:P0(4)spark:P0(5)分布式机器学习:P1(6)模型训练资源调度:P1(7)tensorflow部署/分布式训练预测:P0.5(8)redis P0(9)elasticsearch P0(10)faiss P12.系统架构:了解即可(1)缓存(2)rpc框架/http服务(3)限流/降级/nginx3.算法:(1)CTR预估类P0(2)NLP/图像P0(3)用户画像P0(4)用户/item向量化P1需要学习:kafka教程,flink教程,tensorflow部署/分布式预测训练,faiss,elasticsearch
在线推荐引擎
category
分享行为表
反馈数据merge下发数据
基础数据表
输出结果
类目偏好
pv数
其他行为
重排
其他特征倒排
离线数仓
排序
点击/评论/分享历史
其他偏好
数据回流
0 条评论
下一页