看点信息流每天为亿级用户提供海量实时推荐服务,除了大并发/低延迟/高性能等传统架构挑战以外,还有哪些推荐系统特有的架构挑战难题,我们又是如何解决的?本次分享将为大家揭秘。
于2010年加入腾讯,之前在华为/深信服等公司从事后台研发工作。加入腾讯后,见证了QQ浏览器成为行业第一,有幸参与了页面转码/信息流推荐系统等重大业务的开发。
1.看点信息流发展历史 2.看点信息流推荐系统整体架构 3.后台架构海量挑战 (1)如何提升系统实时性 (2)如何解决海量特征的实时查询问题 (3)100+路召回,有哪些问题需要考虑? 4.推荐系统架构特有挑战 (1)用户曝光历史过滤看起来简单,做起来大有学问 (2)推荐场景的索引只是一个简单的KV吗? (3)推荐系统性能优化有什么不一样的地方?
欢迎大家在评论区留言提问,老师会挑选问题进行解答,提问同学将有机会获得腾讯太空鹅潮玩盲盒一份。
扫描左边二维码回复「加群」,即可加入沙龙技术交流群,直播期间群里每天都有福利抽奖:由当当、异步社区、华章出版社提供的技术图书、腾讯周边公仔等好礼等着你哦~
腾讯云官方开发者技术社区
找房大平台
以数据为中心,加速企业数字化变革
云+社区沙龙online [技术应变力]
云+社区沙龙online [技术应变力]
云+社区沙龙online [技术应变力]
云+社区沙龙online [技术应变力]
云+社区沙龙online [技术应变力]
云+社区沙龙online [技术应变力]
云+社区沙龙online [技术应变力]
我来说两句