推荐系统整体架构

先说点题外话，最近在看的书中讲到了怎么进行自学的方法，分了十个层级。第一个便是要了解所学内容的概况，也就是轮廓，大的东西是什么，方向是什么。所以，专栏的主要内容就是推荐系统，那么首先来看看推荐系统的整体架构是什么。

先来一张图：

推荐系统的核心组成部分

这里把推荐系统分为以下重要的组成部分：

1. 离线
2. 核心节点
3. 服务
4. UI

下面将大致介绍每一部分的重点内容，具体的、详细的内容便是本专栏围绕的主题，将在后续章节一一为大家进行说明。

离线

离线部分主要包括数据采集、ETL、特征工程和离线算法模型的训练。

数据采集就不用多说了，它是推荐中的物料，有了数据，推荐系统才能发挥作用，才能训练各种各样的模型进行推荐，进而将算法的作用发挥到极致。所以，数据收集是比较重要的，要在这个方面多多思考。

ETL就是常说的数据清洗。因为原始的数据并不是能满足你的要求，而是非常杂乱的，那么需要对数据做进一步的处理，方便后续的使用，这个过程往往伴随这数据仓库的产生。

特征工程。原始数据太多了，可能需要挑选若干个进行重点分析。

算法模型。根据现有的数据，训练离线模型。

核心节点

核心节点包括推荐结果存储，推荐引擎配置，AB test 服务。这部分内容是推荐的关键，后续章节详细给出。

服务

服务这块包含推荐服务、实时服务、排序服务和业务服务。这部分是推荐系统的重要工程，它涉及大数据、排序逻辑、业务逻辑和推荐逻辑，是算法和工程结合的产物。

UI

有人可能会说，推荐系统怎么会包含UI，没错，这个还非常重要。推荐系统的推荐效果怎么样，全靠它和真实的用户进行交互，全靠它的数据上报。它上报的曝光和点击数据是对推荐系统很重要的反馈，推荐系统根据实际用户的反馈会做进一步的调整和优化。

总结

本节给出了推荐系统的整体框架，准确地说是一个逻辑架构图。通过它，可以了解推荐系统包含哪些子系统，子系统之间有些什么交互。当然，详细的交互会在后续章节一一给出，请大家持续关注。