原书出处
深度学习推荐系统
06 第6章 深度学习推荐系统的工程实现
。 6.1.2 流计算大数据架构 流计算大数据架构在数据流产生及传递的过程中流式地消费并处理数据(如图 6-2 所示)。
流计算架构中“滑动窗口”的概念非常重要,在每个“窗口”内部,数据被短暂缓存并消费,在完成一个窗口的数据处理后,流计算平台滑动到下一时间窗口进行新一轮的数据处理。因此理论上,流计算平台的延迟仅与滑动窗口的大小有关。
在实际应用中,滑动窗口的大小基本以分钟级别居多,这大大提升了原“批处理”架构下动辄几小时的数据延迟。 图6-2 流计算大
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/深度学习推荐系统/_epub-src/text/part0010_split_001.html
EPUB SHA-256:2cd732704a51828ea5c0ec7decb8861b35f44e5e16d9af11fbc68f7084f63382