VIP20

本课程属于：030-实时推荐数据平台 数据工程与实时数据平台 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

实时推荐平台架构设计

📚 共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

推荐系统概述

推荐系统的商业价值、核心问题与评价指标，构建业务与技术的桥梁。

商业价值评价指标

实时推荐架构总览

离线批处理 vs 实时流处理，Lambda与Kappa架构对比及技术选型。

LambdaKappa技术选型

数据采集层

用户行为日志埋点、Kafka消息队列选型、Avro/Protobuf序列化方案。

埋点Kafka序列化

实时计算引擎

Apache Flink核心概念、时间语义与Watermark、状态管理与容错机制。

FlinkWatermark状态管理

特征工程（实时部分）

滑动窗口实时特征计算、Redis/Cluster存储、特征拼接与在线服务。

滑动窗口Redis在线服务

召回层（实时）

协同过滤实时化、Faiss向量召回、多路召回策略与融合。

协同过滤Faiss多路召回

排序层（实时）

TF Serving/Triton模型在线服务、实时特征获取、热加载与版本管理。

TF Serving热加载版本管理

重排与策略层

MMR多样性控制、业务规则硬性过滤、A/B测试平台对接。

MMR硬性过滤A/B测试

近线计算与异步更新、用户画像与物品画像实时更新。

异步更新用户画像物品画像

Redis实时特征存储、Milvus向量数据库、Neo4j图数据库应用场景。

RedisMilvusNeo4j

数据一致性

实时数据延迟、Exactly-Once语义、幂等性设计保证。

数据延迟Exactly-Once幂等性

监控与运维

实时任务延迟/吞吐监控、数据质量与模型效果监控。

任务监控数据质量模型效果

实验分层与流量分割、实时指标计算、实验效果评估。

流量分割实时指标效果评估

案例实战（一）

新闻资讯实时推荐，应对用户兴趣漂移的架构与算法实践。

新闻推荐兴趣漂移

案例实战（二）

电商实时推荐，大促流量洪峰下的系统弹性与降级方案。

电商推荐流量洪峰

案例实战（三）

短视频实时推荐，冷启动与探索利用策略详解。

短视频冷启动探索利用

Flink算子链优化、状态后端选择、序列化性能调优。

算子链状态后端序列化

容错与高可用

Checkpoint/Savepoint、主备切换、多机房部署策略。

Checkpoint主备切换多机房

实时计算资源预估、Spot Instance使用、数据降采样策略。

资源预估Spot Instance降采样

安全与隐私

数据脱敏、差分隐私、GDPR合规用户数据删除。

数据脱敏差分隐私GDPR

从单体到微服务、批处理到流处理、规则到模型的演进路径。

微服务流处理模型驱动

强化学习实时推荐、GNN实时化、大模型与推荐结合。

强化学习GNN大模型

面试指南（一）

实时推荐系统架构设计类常见面试题深度解析。

架构设计面试题

面试指南（二）

算法与模型类高频面试题，涵盖召回、排序、特征工程。

算法模型面试题

面试指南（三）

工程实现类面试题，Flink、Redis、Kafka等实战问题。

工程实现FlinkRedis

开源框架解读：Flink

Apache Flink源码导读，聚焦实时计算核心实现。

Flink源码导读

开源框架解读：Redis

Redis源码导读，实时特征存储数据结构与持久化。

Redis源码特征存储

开源框架解读：Faiss

Faiss源码导读，实时向量检索索引构建与查询优化。

Faiss向量检索源码

项目实战：需求分析

从0到1搭建实时推荐系统，业务需求与架构设计分析。

需求分析架构设计

项目实战：编码实现

完整编码实现实时推荐系统，涵盖数据流、特征、模型服务。

编码实现实时推荐全流程