大數(shù)據(jù)有三個非常經(jīng)典的應(yīng)用：計算廣告、搜索、推薦。每一種應(yīng)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(zhǔn)，為廣告選擇對其感興趣的目標(biāo)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(fù)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(yīng)用，數(shù)據(jù)量其實并不是很大。阿里云推薦引擎的初衷，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。

推薦系統(tǒng)

“展現(xiàn)”部分不僅要負擔(dān)展現(xiàn)，還是數(shù)據(jù)采集的窗口，用戶在展現(xiàn)系統(tǒng)的所有行為通過日志錄入，采集到的數(shù)據(jù)經(jīng)過算法子系統(tǒng)的計算，可以得到用戶的偏好或者個性化興趣，然后回過頭來指導(dǎo)“展現(xiàn)”部分怎樣做的更聚焦。

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(zhǔn)備

環(huán)境準(zhǔn)備

環(huán)境準(zhǔn)備分為兩部分。圖中左側(cè)為云上資源的準(zhǔn)備，我們需要擁有阿里公有云賬號，然后開通云監(jiān)控服務(wù)(可選)和阿里云數(shù)加服務(wù)(必選);開通數(shù)加賬號后，大數(shù)據(jù)計算服務(wù)(MaxCompute，原名ODPS)和大數(shù)據(jù)開發(fā)Data IDE就默認(rèn)開通了(Data IDE相當(dāng)于MaxCompute的可視化包裝)，最后開通推薦引擎。未來客戶在推薦引擎中用到的數(shù)據(jù)，以及相關(guān)離線計算，都在客戶自己的MaxCompute項目中完成。右側(cè)為客戶側(cè)的準(zhǔn)備，前端的展現(xiàn)，以及日志的采集和管理都需要客戶自己完成，通過推薦引擎提供的API與推薦引擎進行交互。通常情況下，客戶側(cè)的后臺相關(guān)功能會集中在推薦服務(wù)器中實現(xiàn)，這也是阿里云推薦引擎墻裂建議的方案。推薦服務(wù)器可以是客戶自己的物理機，也可以是阿里云的虛擬機ECS，都是可以的。

Day2-3. 數(shù)據(jù)準(zhǔn)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(zé)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

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MaxCompute console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(dāng)然，未必每一個業(yè)務(wù)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。Data IDE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(wù)設(shè)置為定時任務(wù)，每天定時調(diào)度;也可以在MaxCompute console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(wù)。

Day4-5. 基本配置和離線計算

環(huán)境和數(shù)據(jù)都準(zhǔn)備好了之后，接下來需要進入阿里云推薦引擎產(chǎn)品，真正開始使用推薦引擎了。不過在此之前，還需要對產(chǎn)品中的一些關(guān)鍵概念進行必要的說明。

第一個概念是業(yè)務(wù)。在阿里云推薦引擎中，業(yè)務(wù)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(rèn)為這三張表就構(gòu)成了一個業(yè)務(wù)。

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(wù)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(zé)從原始的業(yè)務(wù)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(wù)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/B Testing，在A/B Testing中，每個推薦算法流程都是一個可被效果指標(biāo)度量的最小單元。在做完A/B Testing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。

產(chǎn)品里的配置都比較簡單，配置業(yè)務(wù)基本信息、配置業(yè)務(wù)依賴的云資源、配置業(yè)務(wù)數(shù)據(jù)表，接著配置場景、配置API參數(shù)，最后配置算法流程，阿里云推薦引擎提供了兩個默認(rèn)的推薦算法流程模板，分別針對首頁場景和詳細頁場景，圖為首頁場景的離線計算流程模板，圖中每一個節(jié)點就是一個算法，最終產(chǎn)出離線計算結(jié)果。

Day6-8. 推薦API集成

推薦API集成

到了這一步，云端推薦引擎里的推薦算法邏輯已經(jīng)配置完成，剩下的事情就是把系統(tǒng)串起來，讓推薦引擎和日志、展示兩個子系統(tǒng)結(jié)合起來，成為推薦系統(tǒng)。阿里云推薦引擎提供了一組API，這里要做的就是把這些API集成到推薦服務(wù)器中。

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(wù)，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(yù)處理API，對數(shù)據(jù)做一些預(yù)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(wù)狀態(tài)API實時獲取計算任務(wù)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(wù)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(zé);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(zé)。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(wù)器中，由數(shù)據(jù)管理模塊負責(zé)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。

第二階段：高級功能的搭建

Day9-11. 效果報表

Trace ID的生命周期

推薦系統(tǒng)run起來了之后，也意味著我們從系統(tǒng)搭建階段進入了運營階段。運營階段最關(guān)心的就是效果，度量效果的東西，就是指標(biāo)。用戶在訪問網(wǎng)站或者應(yīng)用時會留下很多行為日志，在度量推薦系統(tǒng)的效果時，我們只關(guān)心和推薦有關(guān)的行為。為了和其他無關(guān)的行為區(qū)分開來，阿里云推薦引擎在每次推薦API的返回結(jié)果中都附帶有一個Trace ID(這次推薦API返回的所有物品共享這一個Trace ID)，客戶需要按照一定的規(guī)范把這些Trace ID埋入日志，這樣才能利用阿里云推薦引擎提供的效果報表功能。

Trace ID的埋點有三個原則：其一是在推薦列表展示時，需要把對應(yīng)的Trace ID埋入推薦列表中所有物品的鏈接里;其二是如果用戶點擊了包含有Trace ID的物品鏈接，需要把這個Trace ID帶入下一個頁面，且要在新頁面中所有該物品的鏈接里都埋入這個Trace ID;其三是如果用戶點擊了不含Trace ID的物品，或點擊了包含有其他Trace ID的物品鏈接，之前的Trace ID失效。

完成了Trace ID的埋點，就可以使用阿里云推薦引擎的效果報表功能了，首先需要按照以下步驟在阿里云推薦引擎中進行配置：

1. 定義/選擇效果算法。系統(tǒng)默認(rèn)提供了一些用于計算效果指標(biāo)的算法，如統(tǒng)計PV，UV，計算不同行為的轉(zhuǎn)化率等，客戶也可以開發(fā)自定義效果算法，開發(fā)完成后注冊到推薦引擎即可

2. 定義效果指標(biāo)。效果算法不針對具體的行為類型，而定義效果指標(biāo)則需要明確行為類型，比如瀏覽的PV，點擊的UV等

3. 選擇效果指標(biāo)，定義效果指標(biāo)計算任務(wù)。有可能不是所有定義出來的效果指標(biāo)都有必要計算出來，阿里云推薦引擎允許客戶做一次篩選，推薦引擎會針對客戶的篩選結(jié)果自動生成指標(biāo)計算任務(wù)。

4. 定制效果報表。就是選擇效果指標(biāo)的展示方式，餅圖折線圖之類的，比較簡單。

最后，按照慣例，需要在推薦服務(wù)器中把啟動效果計算任務(wù)的API集成進來，每天定時啟動，自動生成每日的效果報表。

Day12-15. 優(yōu)化

優(yōu)化的目標(biāo)可以有很多種，對于業(yè)務(wù)來講，最關(guān)心的莫過于提升各種轉(zhuǎn)換率指標(biāo)。前面的效果指標(biāo)為我們提供了轉(zhuǎn)換率的度量方法，以此為基礎(chǔ)，通過A/B Testing來比較不同推薦算法流程的轉(zhuǎn)換效果，從中選擇最優(yōu)的結(jié)果。到了這一步，問題就歸結(jié)為如果去構(gòu)造不同的推薦算法流程，這樣我們才能夠進行比較和選擇。

算法流程

前面已經(jīng)介紹過，推薦算法流程分為離線和在線兩部分，上圖進一步給出了離線、在線算法流程的內(nèi)部細節(jié)，圖中的曲邊矩形表示數(shù)據(jù)(集)，矩形表示算法(集)。具體每個節(jié)點的技術(shù)細節(jié)就不展開了，重點想說明的是阿里云推薦引擎中每個算法，對其輸入和輸出的數(shù)據(jù)，都有明確的格式要求，客戶可以根據(jù)業(yè)務(wù)需求按照規(guī)范要求自行實現(xiàn)。對于任何滿足輸入輸出數(shù)據(jù)格式規(guī)范的算法，在算法流程中都是可以互相替換的，這樣可以構(gòu)造出不同的算法流程，從而進行對比和優(yōu)化。

Day16-20. 實時修正

阿里云推薦引擎支持兩類實時修正，分別通過數(shù)據(jù)修正API和實時的用戶行為日志提交到推薦引擎。數(shù)據(jù)修正API一般用來解決物品的實時變更需求，比如有新物品上線，或者老物品下架，需要及時調(diào)整;利用用戶行為日志的修正一般用來調(diào)整用戶的興趣偏好，根據(jù)用戶實時行為進行更有針對性的推薦。阿里云推薦引擎會提供默認(rèn)的修正算法，客戶也可以根據(jù)業(yè)務(wù)需求自己定義。

按照慣例，如果要使用實時修正功能，需要在推薦系統(tǒng)中接入相應(yīng)的API：數(shù)據(jù)更新API和實時日志API。

Day21. 監(jiān)控和告警

最后是監(jiān)控和報警。開通云監(jiān)控后，我們還需要做一些配置，首先配置自定義監(jiān)控項(按照文檔配置即可)，可得到該監(jiān)控項的云監(jiān)控code，把云監(jiān)控code注冊到推薦引擎。然后添加監(jiān)控人員報警組和設(shè)置報警規(guī)則。監(jiān)控默認(rèn)對于任務(wù)計算失敗或者數(shù)據(jù)異常給出告警。阿里云推薦引擎會對每一張數(shù)據(jù)表上都掛有一個數(shù)據(jù)質(zhì)檢算法，用于檢查表中數(shù)據(jù)是否合格。數(shù)據(jù)是否合格取決于所使用的算法，如果客戶有自定義算法，可以自己編寫相應(yīng)的數(shù)據(jù)質(zhì)檢算法，并掛載到對應(yīng)的數(shù)據(jù)表上。

未來工作和總結(jié)

阿里云推薦引擎還有很多需要完善和優(yōu)化的地方，接下來我們將著重于以下兩點：

簡化基于規(guī)則的推薦：很多客戶數(shù)據(jù)量不是很大，算法起到的作用很有限，一定要能夠適應(yīng)到小客戶的需求，方便客戶發(fā)現(xiàn)數(shù)據(jù)中的規(guī)則，結(jié)合業(yè)務(wù)和運營積累的知識，將其應(yīng)用在推薦系統(tǒng)中。

提供更多的算法：實現(xiàn)更多的推薦算法，針對行業(yè)的算法模板(視頻、音頻、O2O、電商等)。

簡單的總結(jié)一下：阿里云推薦引擎的特點是接入簡單便捷，算法開放。

目標(biāo)：讓客戶專注于推薦業(yè)務(wù)，不再被系統(tǒng)問題困擾。

方法：通用的推薦引擎，集中實現(xiàn)與業(yè)務(wù)無關(guān)的內(nèi)容。

效果：推薦是個系統(tǒng)工程，算法很重要，但不是全部。

來源：云棲社區(qū)