veridih
本站致力于IT相关技术的分享
构建服务于低延迟AI的混合存储特征管道:Redis Streams, MongoDB与ClickHouse的架构权衡 构建服务于低延迟AI的混合存储特征管道:Redis Streams, MongoDB与ClickHouse的架构权衡
问题的起点非常明确:我们需要为一套在线风控与推荐模型提供特征服务。业务需求对这套服务的延迟提出了极为苛刻的要求——P99响应必须在50毫秒以内。同时,模型需要两类截然不同的特征:一类是实时性极高的“在线特征”,例如用户在当前会话中的点击次数
构建基于Packer与Lua的ArangoDB图谱推荐引擎实时事件注入层 构建基于Packer与Lua的ArangoDB图谱推荐引擎实时事件注入层
项目的瓶颈不在于推荐算法本身,而在于数据的时效性。我们原有的协同过滤推荐系统依赖于每日的批处理任务,用户今天产生的行为,最快也要到次日凌晨才能体现在推荐结果中。在电商和内容消费领域,这种延迟是致命的。我们的目标很明确:将数据延迟从小时级压缩