推荐系统三十六式学习笔记：工程篇.常见架构24|典型的信息流架构是什么样的

从今天起，我们不再单独介绍推荐算法的原理，而是开始进入一个新的模块-工程篇。

在工程实践的部分中，我首先介绍的内容是当今最热门的信息流架构。

信息流是推荐系统应用中的热门，它表现形式有很多：社交网络的动态信息流、新闻阅读的图文信息流、短视频信息流等等。

如果要搭建一个自己的信息流系统，它应该怎么样呢？今天，我就来带你一探信息流架构的究竟。

整体框架

信息流，通常也叫做feed,这个英文也很有意思，就是喂给用户的意思。

传统的信息流产品,知识简单按照时间排序，而被推荐系统接管后的信息流逐渐成为主流，按照兴趣排序，也叫作“兴趣feed” 。

所以我们通常提到信息流，或者兴趣feed,其实都是在说同一个话题。搜索 fedd相关的技术文章，应该用Activity Stream作为关键词去搜。

要实现一个信息流，整体逻辑上是比较清楚的。可以划分为两个子问题。

1.如何实现一个按照时间顺序排序的信息流体系？
2.如何给信息流内容按照兴趣重排序？

我这里先给出一个整体的框架，然后再分别详谈。

这张架构图划分为几个大的模块：日志收集、内容发布、机器学习、信息流服务、监控。这里分别介绍一下：
1.日志收集，是所有排序训练的数据来源，要收集的最核心数据就是用户在信息流上产生的行为，用于机器学习更新排序模型；
2.内容发布，就是用推或拉的模式把信息流的内容从源头发布到受众端；
3.机器学习，从收集到用户行为日志中训练模型，然后为每一个用户即将收到的信息流内容提供打分服务；
4.信息流服务，为信息流的展示前端提供Rest API;
5.监控，这是系统的运维标准，保证系统的安全和稳定等；

数据模型

信息流的基本数据有三个：用户(User)、内容(Activity)和关系(Connection)
用户自不用说，即不同用户的身份ID,我来说一说其他两种。

1.内容即Activity

用于表达Activity的元素有相应的规范，叫作Atom，根据Atom的定义，一条Activity包含的元素有：Time,Actor,Verb,Object,Target,Title,Summary;下面详细解释一下这些元素。

1.Time :即Activity发生的时间
2.Actor:即Activity由谁发