个性化架构v3.0
2017-03-06 15:55:02 0 举报
个性化架构v3.0是一种创新的系统设计方法,它能够根据用户的需求和行为进行自我调整和优化。这种架构的核心是数据驱动,通过收集和分析用户的使用数据,来理解用户的行为模式和需求,从而提供更加个性化的服务。此外,个性化架构v3.0还具有高度的可扩展性和灵活性,能够适应不断变化的业务需求和技术环境。它的出现,不仅提高了系统的用户体验,也为企业的数字化转型提供了强大的支持。总的来说,个性化架构v3.0是一种以用户为中心,以数据为驱动,以灵活和可扩展为目标的新型架构设计方法。
作者其他创作
大纲/内容
拉取用户行为计算特征写入Hbase
跨机房
完整数据拉取
HDFS
写入用户行为信息
用户特征拉取
拉取推荐列表
cms新发布文章特征写入hbase
特征写入
Hbase
拉取新发布文章
服务:用户分类
Redis1、用户多个文章列表2、针对不同用户进行文章列表的合并3、用户行为信息任务
算法模块(离线计算用户增量列表)1、每5分钟针对新发布文章对100天内使用过app的用户计算匹配排序特征向量与为文章匹配排序计算兴趣标签对应文章列表计算2、扩展其他用户特征和文章匹配针对用户app内订阅、搜索、收藏等关键词,社交信息、app扫描信息计算用户标签,每5分钟计算用户标签对应的文章列表3、整体计算耗时:10文章*100w用户*(100乘法+100比较) 30s能够完成数据存储耗时:(待评估)10文章*100w用户*(50维*2特征+500*3的排序列表)懒加载--命中率
写入用户多个维度特征对应的文章列表 空间占用
原始数据1、手机安装app信息,客户端获得,打点传输日志,读取kafka获得2、社交数据(抓取)3、阅读文章数据(读kafka实时写hbase)4、新发布文章数据(同步hbase,标记新文章)
API
特征计算模块(只跑每天数据)用户阅读记录、文章信息——特征向量用户订阅、搜索、收藏信息——兴趣标签用户社交信息、手机app安装信息、用户基础信息——兴趣标签
1、用户特征--流水2、文章特征3、用户文章列表
0 条评论
下一页