今日頭條創(chuàng)立于2012年3月，到目前僅4年時(shí)間。從十幾個(gè)工程師開始研發(fā)，到上百人，再到200余人。產(chǎn)品線由內(nèi)涵段子，到今日頭條，今日特賣，今日電影等產(chǎn)品線。

一、產(chǎn)品背景

今日頭條是為用戶提供個(gè)性化資訊客戶端。下面就和大家分享一下當(dāng)前今日頭條的數(shù)據(jù)（據(jù)內(nèi)部與公開數(shù)據(jù)綜合）：

5億注冊(cè)用戶

2014年5月1.5億，2015年5月3億，2016年5月份為5億。幾乎為成倍增長(zhǎng)。

日活4800萬用戶

2014年為1000萬日活，2015年為3000萬日活。

日均5億PV

5億文章瀏覽，視頻為1億。頁面請(qǐng)求量超過30億次。

用戶停留時(shí)長(zhǎng)超過65分鐘以上

二、技術(shù)與架構(gòu)演進(jìn)

1、文章抓取與分析

我們?nèi)粘．a(chǎn)生原創(chuàng)新聞在1萬篇左右，包括各大新聞網(wǎng)站和地方站，另外還有一些小說，博客等文章。這些對(duì)于工程師來講，寫個(gè)Crawler并非困難的事。

接下來，今日頭條會(huì)用人工方式對(duì)敏感文章進(jìn)行審核過濾。此外，今日頭條頭條號(hào)目前也有為數(shù)不少的原創(chuàng)文章加入到了內(nèi)容遴選隊(duì)列中。

接下來我們會(huì)對(duì)文章進(jìn)行文本分析，比如分類，標(biāo)簽、主題抽取，按文章或新聞所在地區(qū)，熱度，權(quán)重等計(jì)算。

2、用戶建模

當(dāng)用戶開始使用今日頭條后，對(duì)用戶動(dòng)作的日志進(jìn)行實(shí)時(shí)分析。使用的工具如下：

- Scribe

- Flume

- Kafka

我們對(duì)用戶的興趣進(jìn)行挖掘，會(huì)對(duì)用戶的每個(gè)動(dòng)作進(jìn)行學(xué)習(xí)。主要使用：

- Hadoop

- Storm

產(chǎn)生的用戶模型數(shù)據(jù)和大部分架構(gòu)一樣，保存在MySQL/MongoDB（讀寫分離）以及Memcache/Redis中。

隨著用戶量的不斷擴(kuò)展大，用戶模型處理的機(jī)器集群數(shù)量較大。2015年前為7000臺(tái)左右。其中，用戶推薦模型包括以下維度：

1 用戶訂閱

2 標(biāo)簽

3 部分文章打散推送

此時(shí)，需要每時(shí)每刻做推薦。

3、新用戶的“冷啟動(dòng)”

今日頭條會(huì)通過用戶使用的手機(jī)，操作系統(tǒng)，版本等“識(shí)別”。另外，比如用戶通過社交帳號(hào)登錄，如新浪微博，頭條會(huì)對(duì)其好友，粉絲，微博內(nèi)容及轉(zhuǎn)發(fā)、評(píng)論等維度進(jìn)行對(duì)用戶做初步“畫像”。

分析用戶的主要參數(shù)如下：

- 關(guān)注、粉絲關(guān)系

- 關(guān)系

- 用戶標(biāo)簽

除了手機(jī)硬件，今日頭條還會(huì)對(duì)用戶安裝的APP進(jìn)行分析。例如機(jī)型和APP結(jié)合分析，用小米，用三星的和用蘋果的不同，另外還有用戶瀏覽器的書簽。頭條會(huì)實(shí)時(shí)捕捉用戶對(duì)APP頻道的動(dòng)作。另外還包括用戶訂閱的頻道，比如電影，段子，商品等。

4、推薦系統(tǒng)

推薦系統(tǒng)，也稱推薦引擎。它是今日頭條技術(shù)架構(gòu)的核心部分。包括自動(dòng)推薦與半自動(dòng)推薦系統(tǒng)兩種類型：

1 自動(dòng)推薦系統(tǒng)

- 自動(dòng)候選

- 自動(dòng)匹配用戶，如用戶地址定位，抽取用戶信息

- 自動(dòng)生成推送任務(wù)

這時(shí)需要高效率，大并發(fā)的推送系統(tǒng)，上億的用戶都要收到。

2 半自動(dòng)推薦系統(tǒng)

- 自動(dòng)選擇候選文章

- 根據(jù)用戶站內(nèi)外動(dòng)作

頭條的頻道，在技術(shù)側(cè)劃分的包括分類頻道、興趣標(biāo)簽頻道、關(guān)鍵詞頻道、文本分析等，這些都分成相對(duì)獨(dú)立的開發(fā)團(tuán)隊(duì)。目前已經(jīng)有300+個(gè)分類器，仍在不斷增加新的用戶模型，原來的用戶模型不用撤消，仍然發(fā)揮作用。

在還沒有推出頭條號(hào)時(shí)，內(nèi)容主要是抓取其它平臺(tái)的文章，然后去重，一年幾百萬級(jí)，并不太大。主要是用戶動(dòng)作日志收集，興趣收集，用戶模型收集。

資訊App的技術(shù)指標(biāo)，比如屏幕滑動(dòng)，用戶是不是對(duì)一篇都看完，停留時(shí)間等都需要我們特別關(guān)注。

5、數(shù)據(jù)存儲(chǔ)

今日頭條使用MySQL或Mongo持久化存儲(chǔ)+Memched（Redis），分了很多庫(kù)（一個(gè)大內(nèi)存庫(kù)），亦嘗試使用了SSD的產(chǎn)品。

今日頭條的圖片存儲(chǔ)，直接放在數(shù)據(jù)庫(kù)中，分布式保存文件，讀取的時(shí)候采用CDN。

6、消息推送

消息推送，對(duì)于用戶: 及時(shí)獲取信息。對(duì)運(yùn)營(yíng)來講，能夠 提??用戶活躍度。比如在今日頭條推送后能夠提升20%左右的DAU，如果沒有推送，會(huì)影響10%左右 DAU（2015年數(shù)據(jù)）。

推送后要關(guān)注的ROI：點(diǎn)擊率，點(diǎn)擊量。能夠監(jiān)測(cè)到App卸載和推送禁用數(shù)量。

今日頭條推送的主要內(nèi)容包括突發(fā)與熱點(diǎn)咨訊，有人評(píng)論回復(fù)，站外好友注冊(cè)加入。

在頭條，推送也是個(gè)性化：

- 頻率個(gè)性化

- 內(nèi)容個(gè)性化

- 地域

- 興趣

比如：

按照城市：遼寧朝陽發(fā)生的某個(gè)新聞事件，發(fā)給朝陽本地的用戶。

按照興趣：比如京東收購(gòu)一號(hào)店，發(fā)給互聯(lián)網(wǎng)興趣的用戶。

推送平臺(tái)的工具和選擇，需要具備如下的標(biāo)準(zhǔn)：

- 通道，首先速度要快，但是要可控，可靠，并且節(jié)省資源

- 推送的速度要快，有不同維度的策略支持，可跟蹤，開發(fā)接口要友好

- 推送運(yùn)營(yíng)的后臺(tái)，反饋也要快，包括時(shí)效性，熱度，工具操作方便

- 對(duì)于運(yùn)營(yíng)側(cè)，清晰是否確定推薦，包括推送的文案處理

因此，推送后臺(tái)應(yīng)該提供日?qǐng)?bào)，完整的數(shù)據(jù)后臺(tái)，提供A/B Test方案支持。

推送系統(tǒng)一部分使用自有IDC，在發(fā)送量特別大，消耗帶寬較嚴(yán)重。可以使用類似阿里云的服務(wù)，可有效節(jié)省成本。

7、延展思考

現(xiàn)在很多客戶端都會(huì)需要推薦技術(shù)，比如電商、旅游類的商品推薦，也可以有娛樂頭條、健康頭條、體育頭條等類似的應(yīng)用，這些產(chǎn)品在技術(shù)側(cè)的實(shí)現(xiàn)，包括用戶，模型，數(shù)據(jù)都是相通的。

原文鏈接：http://mp.weixin.qq.com/s?__biz=MjM5NTg2NTU0Ng==&mid=2656593843&idx=1&sn=6a96c9221fd45d0f72c5a4c1c99a02e3&scene=0#wechat_redirect

總結(jié)

以上是生活随笔為你收集整理的今日头条的核心架构解析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。