溢米教育推荐平台的效率与稳定性建设 | SOFAStack 用户说
3 月,跳不动了?>>> 本文来自 SOFAArk 用户—溢米教育投稿,分享其内部使用 SOFAArk 组件后极大提高内部推荐系统的开发效率和稳定性的案例。感谢溢米教育对 SOFAStack 的支持,同时也欢迎更多用户投稿 Join us。 SOFAArk 是一款基于 Java 实现的轻量级类隔离容器,主要提供类隔离和应用(模块)合并部署能力,由蚂蚁金服开源贡献。 写在前面 个性化推荐,相信大家都不陌生,简单来说就是根据每个人的偏好经过模型计算推荐出适合的东西,这些东西可以是视频、商品、文章、电影等。经过互联网这几年的发展,个性化推荐已经无处不在,不管是电商、教育、游戏、金融行业,推荐系统对业务的提升都有着非常重要的帮助。溢米教育作为一家互联网教育平台,近几年推荐业务发展非常迅速,技术团队也在持续的进行能力提升。业务快速增长的同时,亟需一个高效率、高稳定的推荐系统来支持推荐场景。 本文是根据我们内部推荐平台效率与稳定性建设的实际经验整理,介绍了溢米教育推荐系统的改造优化。在整个过程中我们基于公司架构做了分析,确认了技术选型和改造方案,最终选择基于 SOFAStack 社区开源的 SOFAArk 组件开发框架,极大的提升了我们推荐系统的开发效率和稳定性。希望能给有同样困扰的技术团队参考。 背景 一次完整的个性化推荐,通常包括召回、过滤、排序等步骤。虽然步骤不多