工业界推荐系统整体架构了解

工业推荐系统一般分三部分：在线+近线+离线部分

A、在线部分，一般要经历几个阶段：
召回环节： 将给用户推荐的物品降到千以下规模；
粗排阶段：可选阶段。如果召回阶段返回的物品还是太多，可以加入粗排阶段，该阶段通过一些简单排序模型进一步减少往后续环节传递的物品；
精排阶段： 这里可以使用复杂的模型来对少量物品精准排序；
上业务策略： 对某个用户来说，即使精排推荐结果出来了，一般并不会直接展示给用户，可能还要上一些业务策略，比如：去已读，推荐多样化，加入广告等；
展示给用户：形成最终推荐结果，将结果展示给用户。

B、近线部分， 主要目的是实时收集用户行为反馈，并选择训练实例，实时抽取拼接特征，并近乎实时地更新在线推荐模型。这样做的好处是：用户的最新兴趣能够近乎实时地体现到推荐结果里。

C、离线部分：
历史用户行为log——》离线模型训练
通过对线上用户点击日志的存储和清理，整理离线训练数据，并周期性地更新推荐模型。
对超大规模数据和机器