知识卡片
实时协同过滤
推荐系统的准实时部分:Flume 从 Web 服务器实时收集用户行为和埋点数据写入 Kafka,Flink、Storm 或 Spark Streaming 消费这些数据,做秒级别的协同过滤,让推荐结果随用户最近的行为偏好实时更新,提高新鲜感;计算结果实时写入线上 Redis,在线服务直接读取。离线算法则一般每天训练一次。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
原书出处
参考来源
- 位置:《分布式机器学习实战》第2章《大数据算法系统架构》(源文件:_epub-src/OEBPS/Text/chapter2.xhtml)
- 结论依据:原文说明Flume实时收集用户行为和埋点数据打到Kafka,由Flink/Storm/Spark Streaming消费做准实时计算,如实时协同过滤;可以做秒级别协同过滤,让推荐结果根据用户最近行为偏好变化实时更新,提高新鲜感;结果实时更新线上Redis缓存供在线服务读取。
- 原始内容:可以用来做秒级别的协同过滤算法,可以让推荐结果根据用户最近的行为偏好变化而实时更新模型,提高用户的新鲜感。……(2)准实时计算的推荐结果可以实时更新线上Redis缓存,在线Web服务可以实时从Redis获取推荐结果数据。