百分点推荐引擎——需求与架构——案例分析

百分点推荐引擎，实现了多种推荐算法，适应不同商务网站对不同推荐结果的要求。

为了设计大数据下、高可用高可靠、实时、可扩展、便于管理的推荐系统引擎。

百分点设计了如下推荐系统架构。

主要分4大部分：存储层、算法层、业务层、管理层。

存储层：存储用户原始浏览数据、用户数据、网站数据，作为算法层的基础数据。

算法层：核心关键部分，根据业务层不同需求，从存储层获取不同数据，调用不同算法，或者混合各种推荐算法，产生推荐结果。

业务层：与用户和网站进行交互，实时获得用户和网站的请求，将请求传递给算法层，将数据存储在存储层。

管理层：管理推荐引擎的配置、监控存储层、算法层、业务层的运行状态，对异常情况进行自动化处理或者给运维人员发送短信，通知其及时处理。

其中，算法层在线算法有：协同过滤算法；离线算法有：Kmeans聚类、FP-growth关联规则挖掘。