admin 管理员组

文章数量: 1184232

【王喆

学习总结

（1）Flink 是最具代表性的批流一体的大数据平台。特点：让批处理和流处理共用一套代码，从而既能批量处理已落盘的数据，又能直接处理实时数据流。
（2）Flink 提高推荐系统实时性：用户数据进入数据流，即进入数据消息队列后，会被分割成一定时长的时间窗口，之后 Flink 会按照顺序来依次处理每个时间窗口内的数据，计算出推荐系统需要的特征。这个处理是直接在实时数据流上进行的，所以相比原来基于 Spark 的批处理过程，实时性有了大幅提高。
（3）Flink的实时性实践：利用 Flink 我们可以实时地获取到用户刚刚评价过的电影，然后通过实时更新用户 Embedding，就可以实现 SparrowRecsys 的实时推荐了。
（4）实时推荐系统的适用场景（快消产品）：

  • 新闻咨询类
  • 短视频
  • 婚恋类、陌生人社交类
  • 直播类
  • 电商类
  • 音乐、电台类

文章目录

  • 学习总结
  • 一、实时性是影响推荐系统效果的关键因素
  • 二、批流一体的数据处理体系
    • 2.1 传统

本文标签： 王喆

版权声明：本文标题：【王喆 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1687568277a116744.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。