函数计算实践——一个应用案例

一 背景 

来自一个用户匹配的需求。用户的不同信息分布于两个系统，且客观上无法直接打通。所以就涉及到两个系统id匹配的问题。

先抽象问题：系统A，系统B；系统A中存在一个用户a（字段：a_id, a_img, a_name）， 系统B中可能有a的补充信息（字段：ab_id, ab_img,ab_name），

目标：如果B中存在用户a的信息，那么希望能找到并进行匹配，并把匹配结果返回系统A，结果格式：a_id, a_img, a_name,ab_id

二 问题详细描述

字段说明：

a_id 用户a在系统A的id；

a_img 用户a在系统A的属性图片链接，注： a_img和ab_img虽然都是用户a的图片链接，但可能链接并不相同。例如a_img: http://sysa/a1.jpg，ab_img：http://sysb/b2.jpg

a_name 用户a在系统A的属性昵称；

ab_id 用户a在系统B中的id。

两个系统中的图片，正常情况下，img内容是相同的（链接可能不同）；或者是缩略图关系； name通常不会修改，但存在多个用户昵称相同的情况。

这两个属性是判定两个系统中的用户是否是同一个的主要依据。

三 匹配策略

注：以下只是项目初期的简化匹配策略。因为数据特性，经过统计和特征分析，验证准确率可以达到预期，所以初期不会为百分之几的优化投入过多资源和精力。所以不必纠结策略的准确率

1、首先通过昵称匹配

    当系统A的用户昵称，与系统B的有且只有一条记录昵称相同时，将这两个记录匹配 【根据真实数据经验，用户进入两个系统记录的时间规律，并允许较低的错误率；支持人工修复】；

2、当系统A的输入记录，与系统B的多条记录昵称相同时，继续判断图片内容。这里的判断步骤设计如下：

2-1 分别拉取a_img 和 ab_img的图片内容（字符串），如果内容相同，那么确定是同一条记录，记录匹配关系；

2-2 如果内容不同，计算两张图片的相似度（汉明距离）。当相似度大于指定阈值时，认为二者匹配，记录匹配关系

四 计算资源管理及优化

可以看到，这里可能会有一个比较耗费资源的动作，就是需要匹配图片内容时。我们要拉取图片内容、字符串直接比对、简化特征、计算汉明距离，而当这个计算逻辑被并发调用的频率很高时，所需的带宽、计算能力都有可能成为瓶颈。自运维就需要解决峰值问题，或强制限制调用频率。所以采用函数计算来做弹性支持。

另外，为了减少重复的图片拉取动作，降低流量消耗，且绑定数据存储在系统B中。那么我们先完成系统B内img的内容拉取，和特征提取工作，对于一个新的匹配请求，我们只需要拉取a_img的内容并特征提取就可以了，减少了近一半的工作。

 

目前，项目已经在开发中，效果已做验证，即将上线。未来再进行深入优化