文章網址：58同城推荐系统架构设计与实现

58同城的推薦系統主要分為三樣子系統，(1)線下推薦(2)線上推薦(3)效果評估。

線下推薦： 主要是由線下挖掘模組和數據管理模組構成。 線下挖掘模組主要資料來源是由資料庫的數據內容構成，來源像是使用者資料，留言，商家資料等等，透過hadoop， mapreduce做ETL，並將結果存入HDFS。 而數據管理模組則是將線下挖掘模組所產生的結果，上傳到online的DB，如Redis，供下一步資料分析使用。執行時間採用如 週期或即時執行上傳方式。 其主要特點是線下及線上採用統一格式，如JSON，透過統一API，如Restful方式，達到數據轉換遷移。 線上推薦： 主要由展示、分流、推薦核心、策略模組服務構成。 展示服務： 或稱為接入服務，針對上游(來源)服務提供統一的端口，來提供服務，其關鍵為建立好通用格式，並可任意的水平擴展。 分流服務： 將展示服務的數據分流，透過conf和data，將推薦需求轉移到相對應的推薦核心上，其中data來自於線下推薦系統中儲存到Redis DB的結果，或static data(如城市列表)，conf則是指定該請求該留到什麼演算法平台。 推薦核心及策略模組： 推薦系統最重要的部分，其中包含了多種演算法，但每個演算法都包含了幾樣固定程序。 （1）預處理； （2）預分析； （3）去除重複資料； （4）排序； （5）推薦解釋； 每個步驟可能有不同的演算法和模型，並將其模組化，以達到降低所寫的程式碼量特性，上述五樣步驟可以透過Template Method Pattern達成。 以上描述的主要特點為，在同一個推薦架構框架下，讓多個演算法工程師能開發不同的演算法，達到業務需求。 效果評估子系統： 可分為服務調用端，瀏覽器上報端，實施效果分析端: 服務調用端： 也就是業務呼叫推薦系統的端口。 瀏覽器上報端： 透過Browser的JavaScript，將推薦系統所推薦的物件回報給Server，記錄哪些被推薦的物件被點擊。 實施效果分析端： 經過瀏覽器上報的結果，能以視覺化方式觀看哪些推薦演算法或系統被點擊。以增加客戶的購買率及推薦的精準度。 (我會將哪些推薦方法的推薦成功率記錄下來，再下次要推薦給使用者時提高該演算法的被使用率，以提高推薦的精準度。) 所有的推薦系統目的，主要是為了達到業務需求，藉此來提高公司的營業收入，因此推薦系統的好壞有一定程度影響該公司業績，因此推薦系統的推薦成功率應該被記錄下來，觀看其成效如何。