离线推荐架构:
通过消息队里额采集实时用户行为,这个消息队列里面的实时用户行为会被导入到一个离线存储来存储用户行为,然后每天做静态特征计算,最后放到特征存储里给线上提供推理服务用;
同时,系统也会做离线的样本拼接,拼接出来的样本会被存到样本存储里,给离线的模型训练用。离线的模型训练每天会产生新的模型去验证,然后给到推理服务使用。 总结,离线的推荐架构的更新周期是T+1。
如果要把离线推荐架构做到实时推荐系统里,主要做以下几个事情:
特征计算:静态T+1特征计算到实时特征计算;
样本生成:离线T+1样本生成到实时样本生成;
训练模型:离线训练模型T+1更新到增量训练实时更新。
资料来源:《实时数仓“王炸组合”-实时计算 Flink 版+Hologre》链接:https://developer.aliyun.com/topic/download?id=7944
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
实时计算Flink版是阿里云提供的全托管Serverless Flink云服务,基于 Apache Flink 构建的企业级、高性能实时大数据处理系统。提供全托管版 Flink 集群和引擎,提高作业开发运维效率。