1. 首頁 > 生活百科 > >

推薦引擎基本概念及內容 如何搭建個性化推薦引擎系統？( 二 )

小知識


1. 離線流程
一般情況下 ， 離線流程的輸入和輸出都是MaxCompute（原ODPS）表 ， 所以離線數據規范其實上是一組MaxCompute表的格式規范 ， 包括接入數據、中間數據和輸出數據三類數據的格式規范 。 接入數據指客戶離線提供的用戶、物品、日志等數據 ， 中間數據是在離線算法流程中產生的各種中間性質的結果數據表 ， 輸出數據是指推薦結果數據表 ， 該結果最終將會被導入到在線存儲中 ， 供在線計算模塊使用 。
2. 近線流程
推薦引擎的的近線流程主要處理用戶行為發生變化、推薦物品發生更新時 ， 對離線推薦結果進行更新 。 不像離線算法 ， 天然以MaxCompute（原ODPS）表作為輸入和輸出 ， 近線程序的輸入數據可以來自多個數據源 ， 如在線的表格存儲（原OTS） ， 以及用戶的API請求 ， 又或者是程序中的變量；輸出可以是程序變量 ， 或者寫回在線存儲 ， 或者返回給用戶 。 出于安全性考慮 ， 推薦引擎提供了一組SDK供客戶自定義在線代碼讀寫在線存儲（Table Store） ， 不允許直接訪問 ， 所以需要定義每類在線存儲的別名和格式 。 對于需要頻繁使用的在線數據 ， 無論其來自在線存儲還是用戶的API請求 ， RecEng會預先讀好 ， 保存在在線程序的變量中 ， 客戶自定義代碼可以直接讀寫這些變量中的數據 。
3. 在線流程
推薦引擎的的在線流程負責的任務是推薦API接收到API請求時 ， 實時對離線和近線修正產生的推薦結果進行過濾、排重、補足等處理；后者主要處理用戶行為發生變化、推薦物品發生更新時 ， 對離線推薦結果進行更新
一個場景只包含一個離線流程和一個近線流程 ， 可以包含多個在線流程 ， 用于支持A/BTest 。

  • 算法策略（Algorithm Strategy）
算法策略定義了一套離線/近線流程 。 并且透出相關的算法參數 ， 幫助客戶構建自己的算法流程 。 一個場景可以配置多個算法策略 ， 最終會合并執行 ， 產出一系列推薦候選集和過濾集 ， 在線流程通過引用這些候選集來完成個性化推薦 。
  • 作業/任務（task）
【推薦引擎基本概念及內容 如何搭建個性化推薦引擎系統？】作業指運行中的離線流程實例 ， 作業和離線流程的關系完全等同于進程和程序的關系 。 每個作業都是不可重入的 ， 即對每個離線流程 ， 同一時間只允許運行一份實例 。 作業直接存在上下游關系 ， 如果上游作業失敗 ， 下游任務也會被取消 。 阿里云開發者社區全面升級 ， 一站式體驗 ， 用得更爽

推薦閱讀