![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
data
加号2047
加油加油!
展开
-
Hystrix & Resilience4j 与差错控制
本文是笔者 2019 年暑期在 HULU 的实习项目,拖了一年之后才把这篇博客整理出来,留作纪念吧。延迟与差错控制问题首先让我们熟悉一下问题的背景。一个现代的后端服务(下文称之为 App)可能会有多个依赖服务(下文简称为依赖),依赖需要通过网络请求,但这些依赖不一定总是能保持稳定。比如,推荐系统后台可能需要从一个依赖中获取读取用户配置,从另一个依赖中读取用户历史。这样就存在一个问题:如果服务有非常多的依赖,那么在任意时刻,都很有可能有某个依赖出问题。依赖出现问题一般表现为对一些请求会抛异常,如果没有兜原创 2020-12-09 15:32:49 · 354 阅读 · 0 评论 -
Flink 流式处理与推荐系统的样本实时生成
Flink 流式处理与推荐系统的样本实时生成本文备份链接 & 永久博客:https://plus2047.github.io/posts/2020-11-14-flink.html继搜索引擎之后,推荐系统已经成为移动互联网时代人们获取信息的主要渠道,比如,流行的新闻 App 都会利用推荐系统进行用户的个性化推荐。新闻推荐场景具有高度的实时性,每时每刻都会有大量的新闻、热点产生。王喆前辈的两篇博客已经对推荐系统的实时性问题进行了深入的探讨:天下武功,唯快不破,论推荐系统的「 实时性」如何原创 2020-12-03 15:03:48 · 676 阅读 · 5 评论