温馨提示:文本由机器自动转译,部分词句存在误差,以视频为准
00:00
好,接下来呢,我们再讲一个啊,2.7推荐系统框架图。这个呢是一个简单版的哈,呃,后面呢,我们会专门的去讲这个推荐系统的一个项目,这里面涉及到大量的这个算法啊。那我们来看一看这个示意图当中。体会一下大数据的技术。比如说送送老师,哎又闪了登场了啊,又去没事去商店上是吧,啊购买了一个排骨日吃粉。那你看一看这个流程怎么走的啊,从网站上一点击购买还有什么。直接啊这个信息。通过负债均衡。把它分。分到这个不同的这个topcad上啊,如果你不用这个复产金额也行,就一台topcad。非常小的时候是OK的。那这个行为呢,就产生了相应的访问日志。那这个访问信息来了,那就相当于这个数据到这了。
01:04
到这之后,那就对应处理它的框架就是flu。他拿到这个日志之后,把这些信息可以存到上。当然也可以,存到一倍上都行。然后上面呢,需要这个雅安对他这个任务呢,进行一个资源的分配,分配CPU,分配内存,分配磁盘。等等一系列事情。那像这个推荐呢,属于这种实时的推荐啊。你等着这个你。一天之后再推荐那抽到黄花菜的量了。肯定是这个事实的。那他就会去走这条线。18 11秒。分析运算,运算完毕之后,哎,你看跟海狗人参丸同类型的商品还有哪些?他还会结合它历史的一个典籍的一个行为。啊,给他推荐出这样的产品过来。过来,这个数据存到哪里呢?有两种形式。
02:02
一种形式呢,存档。一种形式呢,也可以通过文件的形式进行出出。啊,都行啊。还是这个数据库偏多一些。OK。兑现过来之后。左侧这一块还有相应的推荐服务。就专门从这里面去读取数据。读完之后干啥呢?就干这一件事,从他开始点击购买啊,添加到购物车这一刹那,把这个信息。生成相应的日志,那这个日志信息到这。它呢有浮动处理,处理之后存到GDY上啊,不存也行啊,不存也行啊,然后再往上走啊,也调动啊。STEM分析运算。分析出同类型的推荐商品,这里面就涉及到大量的算法公式。
03:00
之后他把算的结果存到这里面。这边呢,有专门的服务,从这读数据。那这个框架当中,左侧这一块。主要谁做呢?加吗?用车这。是吧?一大堆。都是我们大数据。当时。所以那你可能充当在。这个框架当中的某一部分,你可能负责几个框架啊。这是有可能的哈啊。你可能这个部全部都负责。就是负责某一块地方。因为大数据里面需要很多人啊。OK,这是推荐系统的这个项目框架图。
我来说两句