暨 广告推荐搜索 三大顶级复杂业务之 “广告业务系统详叙”

Posted 魏小言

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了暨 广告推荐搜索 三大顶级复杂业务之 “广告业务系统详叙”相关的知识,希望对你有一定的参考价值。

文章目录



抱歉,有段日子没码字了,后面会尽量补出来分享给大家。这段时间整理了关于 “广告业务” 相关的思考,作为 典型的、复杂的、 业务高并发、高可用、高流量的架构系统及其具备学习性、借鉴性,对个人成长和团队提升有重大意义。

广告业务系统 将以一个系列的形式给大家见面,大家记得留意后续或关注微信公众号。

暨 广告、推荐、搜索 三大顶级复杂业务之 “广告业务系统详叙”

在互联网中,广告系统、推荐系统、搜索系统 是公认的典型复杂业务系统。当然,并不是说其他业务不复杂,无深度。只是从系统设计面临的痛点、业务应用场景、生产数据规模、业务演进模式 等多个角度出发对比,使这三个系统从数不胜数的基数里面脱颖而出。
这里简单提一嘴,广告较另两个更特殊的一点是:广告是商业变现的最佳手段之一,在90%的公司里都是核心收益来源,渗透在各个业务之中。

换句话说,它很重要,且不可少!

广告系统的核心功能

广告系统,简称 ADX。主要承接入口流量,并透出与之契合的广告物料。

这里的契合代表了多个含义,涉及 广告业务 三方关系。首先,用户对当前物料不会有抵触情节,且满足其需求为最佳;另外,当前物料需要使平台收益最大化,或可以理解为相同类型物料中,出价最高的那个;最后,当前物料符合广告主的最大预期,可以是点击、观看、或者下载、注册等等。

这个契合也带出了 广告业务模式的核心点:在三方关系中找到平衡点的同时,各自利益最大化。 而这个点,在博弈论中叫做 “纳什平衡“。

注:这里的 ADX ,主体方为 平台,以平台为主视角叙述。

ADX 架构流程概述

上面说了一堆系统很复杂的话,具体的体现点就在,它的核心功能描述上。

下面简单列述几处,大家可以有直观的思考:

  • 入口流量规模:一般于公司主业务流量对齐,甚至超过【接入第三方流量,赋于广告能力】
  • 流量的真伪:反作弊内容相关
  • SLA:通常 P90 在 200ms 左右,上下 50ms 浮动【具体业务具体分析】
  • 流量拆分策略:流量类型辨别区分,及如何分发不同的投放引擎
  • 投放引擎:如何从庞大的物料池中选出候选集合,及如何在有限的内存中处理大数据
  • 人物画像:如何对用户做完整且实时的画像描述
  • 竞价策略:如何在多个候选中筛选出最佳候选
  • 广告结算:广告投放出去后如何结算,及如何进行数据归因
  • 曝光/互动/…等数据上报:c2s、s2s 上报链路
  • 链路监测:如何对整个广告系统做健壮性监测
  • 服务依赖中的层级现象:如何避免微服务故障引发层级响应
  • 降级方案:如何应对特殊情况做的灾备策略
  • 性能压缩:如何在业务迭代中保持性能优势

等等,当然这些问题或许在其他业务中也存在,下面讲带着这些问题,逐一讲解各个环节。

典型 ADX 架构图概述

这是比较经典的 ADX 架构图,涉及 前/后 链路。大家可以点击收藏,我们将从其中的 消息中心 环节开始介绍。

消息中心,是为 投放引擎 做客户信息及素材同步的环节,与 bp 平台、结算侧、投放引擎 进行数据实时交互,是 投放引擎生效的重要环节。


推荐阅读:
三行代码搞定 —— 反转链表…
Kafka 高吞吐、高性能核心技术及最佳应用场景…
HTTPS 如何保证数据传输安全 —— TLS 协议…
五分钟搭建基于 Prometheus + Grafana 实时监控系统…

以上是关于暨 广告推荐搜索 三大顶级复杂业务之 “广告业务系统详叙”的主要内容,如果未能解决你的问题,请参考以下文章

暨 广告推荐搜索 三大顶级复杂业务之 “广告业务系统详叙”

重磅!阿里巴巴首次公开深度学习框架, X-Deep Learning助力提升广告推荐搜索场景效率

vivo 推荐业务 x DeepRec:全链路优化实践

美丽联合业务升级下的机器学习应用

23. 合并K个排序链表

大数据实战之千万量级小说网站项目开发(存储复杂搜索推荐分析)