首页
AI Coding
数据标注
NEW
沸点
课程
直播
活动
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
推荐算法相关
订阅
稀缺的辉
更多收藏集
微信扫码分享
微信
新浪微博
QQ
9篇文章 · 0订阅
百度Feed稳定性架构实践
导读:百度Feed信息流推荐系统服务于手百、好看、全民、贴吧等公司绝大多数信息流业务场景,随着业务的高速发展,整个系统承载的流量已经高达数十亿,在庞大的流量规模背后是数百个微服务和数万台机器做支撑。如何保证整套系统对外的高可用性是整个系统能力建设的关键,也是我们团队的一个非常核…
如何打造千万级Feed流系统
摘要:Feed流是一个目前非常常见的功能,在众多产品中都有展现,通过Feed流可以把动态实时的传播给订阅者,是用户获取信息流的一种有效方式。在大数据时代,如何打造一个千万级规模的Feed流系统仍然是一个挑战。 在互联网领域,尤其现在的移动互联网时代,Feed流产品是非常常见的,…
5年迭代5次,抖音推荐系统演进历程
2021 年,字节跳动旗下产品总 MAU 已超过 19 亿。在以抖音、今日头条、西瓜视频等为代表的产品业务背景下,强大的推荐系统显得尤为重要。
学习这篇总结后,你也能做出天天快报一样的推荐系统
推荐系统目前几乎无处不在,主流的app都基本应用到了推荐系统。例如,旅游出行,携程、去哪儿等都会给你推荐机票、酒店等等;点外卖,饿了么、美团等会给你推荐饭店;购物的时候,京东、淘宝、亚马逊等会给你推荐“可能喜欢”的物品;看新闻,今日头条、腾讯新闻等都会给你推送你感兴趣的新闻..…
从小白到架构师(4): Feed 流系统实战
10+ 图解浅显易懂图文并茂的讲述关注 Feed 流架构设计,了解为什么从单纯的读、写扩散升级到推拉结合,如何使用 Redis 实现关注 Feed 流,如何引入二级缓存解决 Redis 内存不足的难题
从小白到架构师(1): 应对高并发
10+ 图解浅显易懂、图文并茂的讲述从小网站到千万并发大型服务端系统的优化思路,生动讲解缓存、数据库、负载均衡等基础设施的原理和应用方法。
从小白到架构师(2): 走向微服务
10+ 图解浅显易懂、图文并茂的讲述微服务架构理念,生动讲述服务发现、限流、熔断、链路追踪、分布式事务等服务治理技术,以及微服务时代的新型基础设施:Kubernetes 和 Service Mesh。
从小白到架构师(3): 揭开分布式数据库的面纱
10+ 图解浅显易懂、图文并茂的讲述从分库分表到高可靠、高性能分布式数据库之路上的技术要点,图文结合、形象生动的讨论分布式事务、Gossip 协议、Raft 协议的思路与逻辑。
流动的推荐系统 - 兴趣 Feed 技术架构与实现
Feed 是一种信息流,就是我们看到的 “动态”、“新鲜事”。当用户与一些内容源建立了连接(如关注、赞、收藏等)之后,这些内容源产生的新动作,就会源源不断地通过连接流向用户,不同内容源产生的动态被聚合后呈现在用户面前,就是 Feed。