作者: 盧梭

摘要： 本文作者為阿里云技術(shù)專家鄭重(盧梭)，主要分享內(nèi)容是如何在21天內(nèi)快速搭建推薦系統(tǒng)。推薦系統(tǒng)的搭建是個復雜工程，涉及到實時計算、離線計算，以及各種數(shù)據(jù)采集、流轉(zhuǎn)等，對自建推薦系統(tǒng)來說，1人年是跑不掉的。 本文介紹的內(nèi)容還包括如何搭建一個個性化推薦系統(tǒng)所需的環(huán)境準備、基本配置和離線技術(shù)等基本功能的搭建。

本文介紹的內(nèi)容還包括如何搭建一個個性化推薦系統(tǒng)所需的環(huán)境準備、基本配置和離線技術(shù)等基本功能的搭建，也有效果報表、算法優(yōu)化和實時修正等高級功能的剖析。

大數(shù)據(jù)有三個非常經(jīng)典的應用：計算廣告、搜索、推薦。每一種應用最核心的地方都離不開三個字——個性化。廣告不用說了，計算廣告的基本要求就是要精準，為廣告選擇對其感興趣的目標受眾;搜索可以理解為對搜索關(guān)鍵詞的個性化;而推薦，則需要在用戶和物品之間建立興趣關(guān)系。推薦的業(yè)態(tài)比較復雜，有類似淘寶天貓這樣的真正意義上大數(shù)據(jù)場景，也有很多中小網(wǎng)站、應用，數(shù)據(jù)量其實并不是很大。阿里云推薦引擎(https://data.aliyun.com/product/re)的初衷，是為了幫助阿里云的客戶、創(chuàng)業(yè)者、中小網(wǎng)站，讓他們能夠更好的運營自己的產(chǎn)品或網(wǎng)站。

推薦系統(tǒng)一般包括展現(xiàn)子系統(tǒng)、日志子系統(tǒng)和算法子系統(tǒng)三個部分，三者互為一體。

阿里云推薦引擎(RecEng)是推薦系統(tǒng)的一部分，主要實現(xiàn)的是算法子系統(tǒng)，需要和其他子系統(tǒng)配合工作。使用阿里云推薦引擎分為兩大階段

第一階段：基本功能的搭建

Day1. 環(huán)境準備

Day2-3. 數(shù)據(jù)準備

DT時代的基本要求是數(shù)據(jù)要能夠“存、通、用”。采集日志，并將其上傳到公共云實現(xiàn)了數(shù)據(jù)“存”的過程;推薦引擎負責解決數(shù)據(jù)的“通”和“用”。“用”比較好理解，“通”則指的是所有進入推薦引擎的數(shù)據(jù)必須滿足推薦引擎所定義的格式規(guī)范。推薦有三類數(shù)據(jù)：用戶數(shù)據(jù)、物品數(shù)據(jù)和行為數(shù)據(jù)，我們定義了這三種表的格式規(guī)范，比較簡單，具體細節(jié)可以參考：鏈接

那么，如何把數(shù)據(jù)傳到公共云上來呢?目前主要有兩種方法，一是利用集成在MaxComputeconsole中的Tunnel命令，該命令的缺點只能上傳文本格式數(shù)據(jù);另一種方法是定制DataX上傳，DataX作為連接各種數(shù)據(jù)庫中間的節(jié)點，它除了可以作為文本上傳，還可以把各種數(shù)據(jù)庫打通。DataX的缺點是目前只能在Linux環(huán)境下運行。

當然，未必每一個業(yè)務的數(shù)據(jù)都滿足規(guī)范的要求，所以還需要做一些格式轉(zhuǎn)換。DataIDE提供了比較友好的格式轉(zhuǎn)換界面，還可以把配置好的任務設(shè)置為定時任務，每天定時調(diào)度;也可以在MaxComputeconsole下直接執(zhí)行格式轉(zhuǎn)換的SQL腳本，再利用系統(tǒng)的crontab命令實現(xiàn)定時任務。

Day4-5. 基本配置和離線計算

第一個概念是業(yè)務。 在阿里云推薦引擎中，業(yè)務指的是一組可被用來進行推薦算法計算的完備數(shù)據(jù)集，包括物品表、行為表、用戶表這三張表。也可以簡單的認為這三張表就構(gòu)成了一個業(yè)務。

第二個概念是場景， 所謂場景就是推薦的上下文。換句話說，就是在進行推薦時有哪些可用的參數(shù)。比如在進行首頁推薦的時候，可用的參數(shù)只有用戶的ID;在進行詳情頁推薦的時候，可用的參數(shù)除了用戶ID，還可以由詳情頁上展示的物品ID，這樣首頁推薦和詳情頁推薦就是兩個推薦的場景。一個業(yè)務可以包括多個場景。

第三個概念是算法流程， 算法流程指的是數(shù)據(jù)端到端的處理流程，從客戶的輸入數(shù)據(jù)開始，到產(chǎn)出最終結(jié)果為止。推薦算法流程從屬于場景，一個場景可以包含多個算法流程。每個推薦算法流程都包括兩部分，離線計算流程和在線計算流程。離線計算流程負責從原始的業(yè)務數(shù)據(jù)(用戶、物品、行為)開始，計算用戶對物品的興趣，輸出本場景下用戶可能會感興趣的物品集合;在線計算流程實時接受推薦請求，從離線計算流程得到的物品集合中根據(jù)業(yè)務規(guī)則挑選出最合適的若干個物品返回給請求方。一個場景包含多個推薦算法流程這種設(shè)定使得我們在做效果對比變的比較容易，后面會介紹A/BTesting，在A/BTesting中，每個推薦算法流程都是一個可被效果指標度量的最小單元。在做完A/BTesting之后，通常只會在一個場景下保留一個效果最好的推薦算法流程。

Day6-8. 推薦API集成

首先需要把離線數(shù)據(jù)傳上來，可以用前面提到的方法，Tunnel啊，DataX啊，都可以，但是一定要是定時任務，我們總不能每天都去手工執(zhí)行數(shù)據(jù)上傳。上傳完成之后首先調(diào)用數(shù)據(jù)預處理API，對數(shù)據(jù)做一些預處理;然后調(diào)用離線計算API，啟動離線計算。待離線計算完成后，通過推薦API就可以實時獲取用戶的推薦結(jié)果了。在離線計算的過程中，還可以通過查看計算任務狀態(tài)API實時獲取計算任務的狀態(tài)，便于及時發(fā)現(xiàn)異常。

上圖也展示了我們對推薦服務器的一些基本建議。諸如數(shù)據(jù)上傳、啟動離線計算這些功能建議由一個相對獨立的數(shù)據(jù)管理組件來負責;而實時性要求比較高的推薦結(jié)果獲取建議由專門的推薦管理組件來負責。推薦管理組件和數(shù)據(jù)管理組件為什么要有一個交互呢?這是因為從推薦引擎返回的結(jié)果中可能只包括了物品的ID，展示時不能只展示一個ID，還有很多材料，這些東西可以放在推薦服務器中，由數(shù)據(jù)管理模塊負責管理。UI可以提供人工管理數(shù)據(jù)的界面，比如新錄入了一個物品，或者某個物品賣完了要下線，需要做實時修正時就可以用到了。

這些工作都完成之后，一個具備最基本功能的推薦系統(tǒng)就可以運行起來了。

via:博客園

End.