前言

隨著推薦系統的強勢發展，特征檢索的使用場景越來越廣泛。而作為基礎組件，除了要擁有支持億級索引的基本素養外，在功能特性上也需要不斷迎合業務的發展。

01 背景

在一些推薦系統、圖片檢索、文章去重等場景中，對基于特征數據進行 k 近鄰檢索有著廣泛的需求：

• 支持億級索引的檢索，同時要求非常高的檢索性能；

• 支持索引的批量實時更新；

• 支持多模型、多版本以靈活開展 ABTest 實驗；

• 支持過濾器、過期刪除以排除不符合特定條件的數據。

在經過調研后，發現已有的解決方案存在以下問題：

• 在學術界中，已經存在有成熟并開源的 ANN 搜索庫，然而這些搜索庫僅僅是作為單機引擎存在，而不能作為高性能、可依賴、可拓展的分布式組件為推薦系統提供服務；

• 在業界中，大多數的組件都是基于 ANN 搜索庫做一層簡單的封裝，在可拓展、高可用上的表現達不到在線系統的要求；而對于少數在實現上已經較為成熟的分布式檢索系統，在功能上卻難以做到緊跟業務發展；

• 而在更新機制上，很多組件都是要么只支持離線更新、要么只支持在線接口更新，無法滿足在微信側小至秒級千數量、大至小時級億數量的索引更新需求，因此需要可以兼顧近實時更新及離線大批量更新的分布式系統。

基于上述的這些要求以及業內組件的限制，我們借助 WFS 和 Chubby 設計并實現了 SimSvr，它是一個高性能、功能豐富的特征檢索組件，具有以下特點：

總結

以上是生活随笔為你收集整理的微信黑科技-推荐系统，一文带你看懂为什么微信推荐这么快？的全部內容，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站內容還不錯，歡迎將生活随笔推薦給好友。