基于DAYU如何搭建企业个性化推荐平台

本篇文章为大家展示了基于DAYU如何搭建企业个性化推荐平台，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。

摘要：搭建这个平台最费时耗力的事莫过于对批、流作业的编排，作业组织管理以及任务调度了。但是这一切，用DAYU的数据开发功能几个任务可通通搞定。

大多数电商类企业都会搭建自己的个性化推荐系统，利用自己拥有的用户数据、商品数据、用户行为数据以及各种维度计算得来的标签画像计算用户偏好，推荐最佳商品给用户，最大化地促进交易。

一个典型的推荐系统包括批处理计算、实时处理层、推荐应用3部分，是典型的Lamda架构。

搭建这个平台最费时耗力的事莫过于对批、流作业的编排，作业组织管理以及任务调度了。但是这一切，用DAYU的数据开发功能几个任务可通通搞定。当然，你可能会说，不是有专门的个性化推荐云服务吗，直接用它不香吗？这里我们不比赛举杠铃，如果企业还不具备利用各种推荐算法的能力，那直接花点钱买推荐服务是最佳选择；但是你如果想最大化地、持续地优化推荐算法的效果，框架还是自己搭比较靠谱。这里给一个例子，展示如何利用DAYU快速完成一个简单的推荐系统。除了DAYU的数据开发，还需要搭配华为云的DLI、DIS、MRS-HBase。

首先介绍下DAYU开发的两种作业类型：

• 批作业
  批作业只能被调度触发，任务执行一段时间必须结束，换句话说就是任务不能无限时间持续运行。作业是多个算子（一个也可以）组成的Pipeline，Pipeline作为一个整体被调度。

• 实时作业
  实时作业这个名字其实不准确，实际上它可以是一个流、批混合的作业，也可以是个纯实时流处理作业，也可以是个单纯的批作业。作业是由多个算子组成的Pipeline，相对批作业，实时作业中每个算子可单独被配置调度策略，而且算子启动的任务可以永不下线，这样就可以调度那些always online的Flink、SparkStreaming流处理作业。在实时作业里，带箭头的连线仅代表业务上的关系，而非任务执行流程，更不是数据流。

这个推荐系统的后台就使用实时作业来实现，一个流、批混合的作业，直接给个全景图：

这里涵盖了一个简单推荐系统的主要计算流程。更多算法的任务流程这里没有完全展示出来，例如基于模型的算法、基于深入学习的推荐算法，也不包含各种推荐指标的计算过程，有兴趣的同学可以百度学习。

整个任务中包括9组数据处理流程，6个批作业流程，3个实时作业：

批处理流程

从上到下，依次计算：

1）基于个用户特征、标签计算推荐列表

周期：每天一次

计算：每天通过CDM从RDS抽取用户数据到DLI，基于每个用户的基本信息，年龄、性别、职业、收入、地域等等各种属性信息，以及来自360度画像系统的标签信息，生成推荐列表，保存到HBase中。

2）基于商品的相似性特征，计算推荐列表

周期：每天一次

计算：每天通过CDM从RDS抽取新增商品信息到DLI，然后计算出来的基于商品相似特征的推荐列表，存入HBase中。

3）计算当天用户的偏好，生成日推荐列表

周期：每天一次

计算：通过DIS dump转储任务，把网站实时搜集的用户行为信息转储到OBS中，通过一批Spark算法（批量的用户协同、商品协同、基于内容相似性、LR等算法），基于一天的行为数据计算推荐列表。然后把列表推到HBase中。

4）计算本周用户的偏好，生成周推荐列表

周期：每天一次

计算：计算行为同上，区别是基于一周的行为数据计算推荐列表。

5）计算3个月内的偏好，生成长期偏好推荐列表

周期：每天一次

计算：计算行为同上，区别是基于3个月的行为数据计算推荐列表。

6）计算流行产品的列表

周期：每天或者数小时

计算：通过用户总体商品的点击、搜索、评分等行为，基于OBS上用户的行为数据，按类别计算热门商品Top50。这个列表也可作为补齐列表，当其他推荐列表还不足以填满网站的推荐位，可以用这个列表补齐。

实时流处理流程

1）实时计算用户偏好--Item-Based协同算法

计算：通过Flink任务对DIS用户行为通道的数据进行消费，先把用户行为日志转换为标准行为（Time,userid,ItemID,Score)，再通过流式Item-Based协同算法计算推荐列表，更新到HBase中。

2）实时计算用户偏好--User-Based协同算法

计算：同上，区别是使用流式User-Based协同算法计算推荐列表，更新到HBase中。

3）实时计算用户偏好--Content-Based算法

计算：同上，区别是使用流式Content-Based协同算法计算推荐列表，更新到HBase中。

以上一顿操作，在HBase中会有一堆以UserID、Item为Key的推荐列表，形如：

用户推荐列表结果：

userid_001:item100, item899, item 433, item 666,....

userid_002:item220, item334, item 720 item 666,....

userid_003:item728, item899, item 333, item 632,....

根据用户实时行为、历史行为不同周期，有若干组不同的推荐列表。

基于商品的推荐列表结果：

Item_0001: Item1000,Item333,time5213,...

Item_0002: Item1000,Item333,time5213,...

Item_0003: Item1000,Item333,time5213,...

另外，推荐系统平台还需要一个提供rest接口的服务，供web网站推荐位调用。当用户打开网页时，自动向该服务请求当前用户的推荐列表，服务访问HBase，获取前面作业计算出来的多个推荐列表，并按一定策略组合成一个推荐列表返回给网页，就此，完成了一个端到端的推荐业务流程。

一个完整的推荐系统要更复杂一些，这里并没有讨论推荐系统的专题内容。从例子可以看出DAYU具备强大的编排和调度能力，单单一个任务就可以涵盖非常复杂的场景。实时上，大型的推荐系统平台还是需要针对性的定制，因为涉及到一些管理上的流程需要应对、闭环。不过基于华为云体系下各种平台、应用，有了DAYU这个助手，数据相关的方方面面的事务处理，将变得既简洁又高效。

上述内容就是基于DAYU如何搭建企业个性化推荐平台，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。