知识卡片

结构图卡

社会化推荐引擎五层架构

理解等级:未标注

社会化推荐引擎不能按”好友推荐”“内容推荐”这类孤立需求分别搭一套系统,而要用一个统一 的五层架构承载所有推荐场景。最底层是数据中心,只负责存原始数据,不做任何加工;往上 是社交图谱层,把原始数据抽取、沉淀成两类中间数据——基于内容的关系(谁和什么内容发生 过交互)和基于用户关系的数据(谁和谁是好友/关注关系),这一层是”原始数据”和”可被算法 消费的结构化关系”之间的转换枢纽;再往上是算法层(算法库),存放好友推荐、内容推荐等 各类具体算法实现;第四层是推荐架构层,是处理线上实时推荐请求的核心逻辑模块;最上层是 业务逻辑层,负责把不同的推荐能力整合进具体业务场景(好友推荐位、新鲜事排序等)。这个 五层划分的关键价值在于把”社交图谱的构建与维护”(下三层,偏线下/准实时)和”具体业务 如何用这些图谱”(上两层,偏线上实时)显式分开,使同一份社交图谱数据可以被好友推荐、 内容推荐、广告等完全不同的业务复用,而不需要每个业务各自重新抽取一遍图谱。

结构图:

flowchart TD
    A[数据中心: 存储原始数据] --> B[社交图谱层: 抽取内容关系与用户关系]
    B --> C[算法层: 好友推荐/内容推荐等算法库]
    C --> D[推荐架构层: 处理线上实时推荐请求]
    D --> E[业务逻辑层: 整合到好友推荐位/新鲜事排序等具体业务]
这张卡片看不懂?

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:《大数据时代的IT架构设计》第2篇《社交网络大数据挖掘与社会化推荐引擎的构建》 "社会化推荐系统架构"(源文件:_epub-src/OEBPS/text00011.html) - 结论依据:原文明确指出设计社会化推荐引擎不能简单看成满足几个孤立的推荐需求,并 逐层列出数据中心、社交图谱层、算法层、推荐架构层、业务逻辑层五层各自的职责,直接 支撑本卡片的分层结构梳理。 - 原始内容:设计社会化推荐引擎的时候不能简单地看成是满足几个孤立的推荐需求或者解决 几种孤立的数据上的推荐问题……这个引擎分为5个层次,最下边是数据中心,存储原始数据; 之上是社交图谱层……再往上是算法层或者算法库;第四层是推荐架构层……第五层是业务 逻辑层,负责整合不同的推荐业务。