国外知名互联网公司的系统设计和推荐算法汇总

AI前线

作者 | theinsaneapp.com

译者 | 张健欣

策划 | 万佳

今天，我们会讨论一些不同的东西，例如 Spotify、YouTube、Signal Messenger、Amazon 等科技巨头的推荐算法，以及像 Uber、Twitter、Netflix、Airbnb、Dropbox、Google Docs、Zoom 之类企业的系统设计。

说明：本文基于我的个人研究。有些东西可能不是 100% 准确，但我已经尽力保证它的准确性、信息和价值。

Uber 系统设计

图片来源：Geeks for Geeks

Uber 的技术可能看起来很简单，但当一个用户从应用程序发起一次乘车请求，一名司机到达将他们送往目的地的场景，这背后其实并不简单。

Uber 的基础设施由成千上万个服务和数兆字节的数据组成，来支持平台上的每次旅行。

这个系统主要是用 Python 编写的，使用 SQLAIchemy 作为数据库的 ORM 层。实际的架构对于少数城市中相对少量的旅行来说是不错的。

这个公司的后端现在不仅仅被设计来处理出租车，它还可以处理食品外卖、货物快递等等。

了解更多：https://medium.com/@narengowda/uber-system-design-8b2bc95e2cfe

YouTube 视频推荐算法

图片来源：KDNuggets

当用户看 YouTube 上的视频时，会在设备下方或右侧抛出一个推荐清单，用户可能会按照一定的顺序喜欢这些视频。

本文所描述的模型着重于两个主要目标。采用的广度 + 深度模型架构，结合了广度模型线性模型（记忆）的功能以及深度神经学习（泛化）的功能。广度 + 深度模型将为每个定义（参与度和满意度）的目标生成预测。

了解更多：https://www.kdnuggets.com/2019/10/youtube-recommending-next-video.html

Twitter 系统设计

图片来源：code karle

通过视频解说来获取更多细节：https://youtu.be/EkudBdvbDhs

Spotify 音乐推荐算法

图片来源：Harvard Business School

Spotify 是如何使用机器学习来推荐音乐的呢？

该公司同时使用了三种推荐模型和其它技术。哈佛商学院描述的这三种模型是：

CF 又名协作过滤（Collaborative Filtering）模型: 分析你的行为并与其它用户的行为进行比较
NLP 又名自然语言处理模型（Natural Language Processing Models）- 扫描互联网并分析有关 Spotify 的目录的文本
音频分析（Audio Analysis）模型: 分析原始音频文件

了解更多：https://digital.hbs.edu/platform-rctom/submission/discover-weekly-how-spotify-is-changing-the-way-we-consume-music/

Netflix 系统设计

图片来源：Medium / Narendra L

Netflix 运行在两种云上：AWS 和 Open Connect。这两种云必须毫无差错地协同工作，从而提供无休止的让用户满意的视频。

三个主要的组件扮演了主要角色：CDN、后端和客户端。

任何不涉及视频服务的事务都在 AWS 中处理。在你点击播放之后发生的任何事都由 Open Connect 处理。Open Connect 是 Netflix 的定制全球化内容交付网络（CDN）。

了解更多：https://medium.com/@narengowda/netflix-system-design-dbec30fede8d

Netflix 针对个性化和推荐的系统架构

图片来源：Netflix Tech Blog

Netflix 使用了论文中提到的各种排名模型，但是没有具体说明每种模型的架构。下面是对它们的总结：

个性化视频排名（Personalised Video Ranking， PVR) — 这个算法是一种通用算法，通常根据特定标准（例如暴力电视节目、美国电视节目、浪漫爱情等）过滤目录，并结合用户特性和流行度等辅助特性。

Top-N 视频排名 — 与 PVR 类似，只是它只查看排名的最前面和整个目录。它用一些指标（即查看目录排名的头部，例如 MAP@K、 NDCG）进行优化。

了解更多：https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Fnetflixtechblog.com%2Fsystem-architectures-for-personalization-and-recommendation-e081aa94b5d8

Flipkart / Amazon System Design

图片来源：code karle

设计类似 Amazon 或 flipkart 这样的平台时的功能要求：

应该提供一个用交货时间（delivery ETA）进行搜索的功能
应该提供一个所有产品的目录
应该提供购物车和愿望清单功能
应该顺畅处理支付流程
应该提供一个显示所有之前订单的页面
还有许多其它功能

非功能性要求：

低延迟
高可用性
高一致性

通过视频解释查看更多细节：https://youtu.be/EpASu_1dUdE

Signal 系统架构

图片来源：scc

Signal 是一个用于 Android 和 iOS 的端到端加密通信应用程序，有点儿像 WhatsApp，但是是开源的。它使用 TCP/IP（互联网）来发送一对一和群组消息，包括文本、文件、语音信息、图片和视频，以及一对一语音和视频通话。使用标准蜂窝移动电话号码进行用户识别。

了解更多：https://sorincocorada.ro/signal-messanger-architecture/

Book My Show 系统设计

图片来源：GFG

在这篇文章中，我们将了解“如何设计一个类似 BookMyShow 的在线订票系统”。

BookMyShow 基于微服务架构构建。我们可以单独查看各个组件。在我们开始设计一个在线订票系统之前，可以先看看 Book My Show 使用的服务和技术。

BookMyShow 使用的技术：

用户界面：ReactJS & BootStrapJS
服务器语言和框架: Java、 Spring Boot、 Swagger、 Hibernate
安全: Spring Security
数据库: MySQL
服务器: Tomcat
缓存: 内存缓存 Hazelcast
通知: RabbitMQ，一个用于推送通知的分布式消息队列
支付 API：流行的支付 API 有 Paypal、Stripe 和 Square
部署: Docker & Ansible
代码仓库: Git
日志: Log4J
日志管理: Logstash、 ELK Stack
负载均衡: Nginx

了解更多：https://www.geeksforgeeks.org/design-bookmyshow-a-system-design-interview-question/

Airbnb 系统设计

图片来源：code karle

像 Airbnb、Booking.com 和 OYO 这样的度假租赁巨头，是如何提供这样顺畅的从信息展示，到预订再到支付的流程的？从头到尾没有一点问题！可以通过视频看看他们的系统设计、技术、工作等方方面面。

通过视频了解更多细节：https://youtu.be/YyOXt2MEkv4

TikTok's 机器学习支持的推荐引擎

图片来源：TDS

TikTok 的推荐系统设计的原型是以用户为中心的设计。简单来说是，TikTok 只会推荐你喜爱的内容，从冷启动调整到对活跃用户的明确推荐。

TikTok 从不向公众或技术社区透露其核心算法。但是，基于该公司发布的零碎信息，以及极客们使用逆向工程技术发现的线索，提出了这个推荐流程。

我们可以将这个工作流拆分成几个步骤

步骤 0: 针对用户生成内容（User Generated Content, UGC）的双重审计系统

步骤 1: 冷启动

步骤 2: 基于权重的指标

步骤 3: 用户画像投射

步骤 4: 时尚潮流池

其它步骤: 延迟点火（Delayed Ignition）

了解更多：https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fwhy-tiktok-made-its-user-so-obsessive-the-ai-algorithm-that-got-you-hooked-7895bb1ab423

Google Maps 系统设计