百變應用場景下，優酷基於圖執行引擎的算法服務框架築造之路

在阿裏的業務中，有廣泛的算法應用場景，也沉澱了相關的算法應用平台和工具：基礎的算法引擎部分，有成熟的召回和打分預估引擎、在線實時特征服務；推薦算法應用L域，有算法實驗平台TPP（源於淘寶個性化平台），提供Serverless形式的算法實驗平台，包括資源彈性伸縮，實驗能力(代碼在線發布、AB分流、動態配置)，監控管理（完善的監控報警、流控、降J)等能力，是算法在線應用的基石。

但在實際的算法應用業務中，比如優酷推薦業務，算法應用場景眾多（100+活躍場景），需求靈活多變，如果沒有一套通用業務框架，用於抽象出通用和定製化的部分來提G算法組件的複用度；會嚴重拖慢算法實驗的節奏。基於圖引擎的算法服務框架就是為了封裝一套框架，抽象算法在線服務的通用算子，支持運行時的算法流程的裝配，提升算法服務場景搭建的效率。

設計概覽

算法推薦典型在線處理執行流程：多路粗排召回，合並，預估，打散策略。推薦服務根據用戶的設備ID等其他必要信息進行多路並行召回，在召回引擎中進行粗排後，經過必要的過濾處理，截取一定數量的內容調用Rank引擎進行精排預估，預估結果經過一係列算法策略處理後輸出終結果。

整個過程中召回，合並，預估，打散等業務處理有並行處理，有串行處理，根據業務需要能夠靈活配置。基於圖的推薦業務執行引擎是運行在算法實驗平台上的執行引擎，它的典型處理流程是：在AB實驗分桶上，通過圖形化交互頁麵配置數據源、業務算子的執行依賴關係，並配置每個算子的運行時動態參數。

係統總體結構如下圖所示：分成五個主要的模塊（圖執行算子元件、圖形化配置DAG、圖配置動態解析、DAG圖執行引擎、Debug調試）。