O mecanismo PAI-Rec é um framework baseado em Go para a criação de serviços de recomendação online. Ele oferece um pipeline completo e configurável — desde a recuperação até a filtragem e classificação — permitindo que você implante um serviço de recomendação pronto para produção sem precisar construir infraestrutura do zero. Além disso, é possível estendê-lo com lógica personalizada sempre que o seu caso de uso exigir.
Arquitetura geral
Arquitetura do sistema e implantação
Como funciona
O mecanismo PAI-Rec processa cada solicitação de recomendação por meio de um pipeline sequencial:
Recebimento da solicitação — O servidor HTTP Go integrado aceita requisições nas rotas registradas, eliminando a necessidade de configurar um servidor REST separado.
Carregamento de features — O mecanismo busca features de usuários e itens em uma ou mais fontes de dados configuradas: FeatureDB, Hologres, Redis, Tablestore ou DataHub/Kafka. O FeatureStore coordena o gerenciamento de features e mantém a consistência dos dados entre as fontes.
Recuperação de candidatos — Políticas de recuperação predefinidas buscam um conjunto de itens candidatos correspondentes ao contexto da solicitação.
Filtragem de candidatos — As políticas de filtragem removem itens inelegíveis do conjunto de candidatos.
Classificação de candidatos — Políticas de ordenação classificam os candidatos filtrados. Para classificação baseada em modelos, o mecanismo chama o EAS para executar inferência online.
Retorno dos resultados — A lista classificada é retornada por meio da resposta da API RESTful.
Todo o fluxo de recomendação é descrito inteiramente via configuração. Ajuste fontes de recuperação, regras de filtragem e estratégias de classificação sem alterar o código. Para lógicas fora das políticas integradas, utilize os pontos de extensão para injetar operações personalizadas em qualquer etapa.
Fluxo geral do serviço de recomendação
Recursos integrados
O mecanismo PAI-Rec inclui nativamente as seguintes capacidades:
|
Capacidade |
Descrição |
|
Servidor HTTP Go |
Gerencia requisições recebidas com registro de rotas integrado. Dispensa frameworks web adicionais. |
|
Pipeline de recomendação |
Pipeline ponta a ponta com políticas predefinidas de recuperação, filtragem e classificação. |
|
Integração com EAS |
Acesso nativo ao EAS para inferência de modelos online durante a etapa de classificação. |
|
Carregamento de dados multifonte |
Carrega features do FeatureDB, Hologres, Redis, Tablestore e DataHub/Kafka em uma única execução do pipeline. |
|
Suporte ao FeatureStore |
Aprimora o gerenciamento de features e garante a consistência dos dados entre diferentes fontes. |
|
Fluxo orientado por configuração |
Defina todo o fluxo de recomendação em arquivos de configuração, sem necessidade de alterações no código para ajustes no pipeline. |
|
Testes A/B leves |
Plataforma integrada para divisão de tráfego e gerenciamento de experimentos. |
|
Pontos de extensão |
Hooks em cada etapa do pipeline para inserção de lógica personalizada de recuperação, filtragem ou classificação. |
Conceitos principais
|
Termo |
Descrição |
|
Pipeline |
Sequência ordenada de etapas (recuperação → filtragem → classificação) que transforma uma solicitação em uma lista de resultados classificados. |
|
Recuperação |
Etapa responsável por buscar um conjunto de itens candidatos nas fontes de dados configuradas, com base no contexto da solicitação. |
|
Filtragem |
Fase que remove candidatos inelegíveis antes da pontuação. |
|
Classificação |
Estágio que ordena os candidatos filtrados, podendo utilizar o EAS para pontuação baseada em modelos. |
|
EAS (Elastic Algorithm Service) |
Serviço da Alibaba Cloud que hospeda e disponibiliza modelos de ML online. O PAI-Rec aciona o EAS durante a classificação para realizar inferência em tempo real. |
|
FeatureStore |
Camada de gerenciamento que coordena a leitura de features em múltiplas fontes de dados e impõe a consistência das informações. |
|
Pontos de extensão |
Hooks nomeados no pipeline onde é possível registrar lógica personalizada sem modificar o framework principal. |
|
Plataforma de testes A/B |
Camada de experimentação integrada que divide o tráfego entre diferentes configurações de pipeline e mede o impacto de cada variante. |