ค้าปลีกและมาร์เก็ตเพลส
แถว “คุณอาจชอบ” ผสมสินค้าที่คล้ายกันกับสิ่งที่กำลังขายดี และไม่แสดงรายการเดิมสองครั้งในเซสชันเดียว
AI และ LLMการปรับแต่งเฉพาะบุคคลแผน Performance และ Scale
ระบบแนะนำแบบเรียลไทม์
คำแนะนำเฉพาะบุคคลในการอ่านรอบเดียว ฟีเจอร์ของผู้ใช้ รายการที่คล้ายกันตามเวกเตอร์ และสิ่งที่กำลังมาแรง หักด้วยสิ่งที่พวกเขาเคยเห็นแล้ว
- สัญญาณ เซิร์ฟเวอร์เดียว
- 4
- รายการที่เห็นแล้วและถูกแสดงซ้ำ
- 0
- ค่านับของสิ่งที่กำลังมาแรง
- สด
ขั้นที่ 1 จาก 6
นับสิ่งที่กำลังมาแรง
รายการ Top-K ถูกสร้างครั้งเดียวด้วย TOPK.RESERVE ทุกการดูอัปเดตมัน และรายการที่หลุดจากอันดับต้นจะถูกรายงานกลับมา
เซสชันตัวอย่างplaying
# นับสิ่งที่กำลังมาแรง
hotkv> TOPK.ADD trending:shoes sku:88 sku:17 sku:88
1) (nil)
2) (nil)
3) (nil)
ตัวอย่างแบบแอนิเมชันพร้อมคำสั่ง HotKV จริงและคำตอบตัวอย่าง คลิกขั้นตอนใดก็ได้เพื่อข้ามไปยังขั้นนั้น คำสั่งและคำตอบยังคงเป็นภาษาอังกฤษ ตรงตามที่คุณพิมพ์และเห็นใน HotKV
ปัญหา
คำแนะนำที่ดีผสมผสานว่าผู้ใช้เป็นใคร อะไรคล้ายกับสิ่งที่พวกเขาชอบ อะไรกำลังเป็นที่นิยมตอนนี้ และอะไรที่พวกเขาเคยเห็นแล้ว สัญญาณเหล่านั้นมักอยู่ในสี่ระบบ และการเย็บรวมกันตอนมีคำขอเพิ่มเวลาแฝงให้ทุกหน้า
HotKV จัดการอย่างไร
HotKV เก็บทั้งสี่อย่าง Feature store มีโปรไฟล์ของผู้ใช้ ดัชนีเวกเตอร์หารายการที่คล้ายกัน โครงสร้าง Top-K ติดตามสิ่งที่กำลังมาแรงเมื่อเหตุการณ์เข้ามา และ Bloom filter ต่อผู้ใช้ตัดรายการที่พวกเขาเคยเห็นออก ระบบแนะนำอ่านทั้งหมดจากเซิร์ฟเวอร์เดียวในไม่กี่การเรียก
ทีละขั้นตอน
เกิดอะไรขึ้นบ้าง ทีละคำสั่ง
- 01
นับสิ่งที่กำลังมาแรง
รายการ Top-K ถูกสร้างครั้งเดียวด้วย TOPK.RESERVE ทุกการดูอัปเดตมัน และรายการที่หลุดจากอันดับต้นจะถูกรายงานกลับมา
TOPK.ADD trending:shoes sku:88 sku:17 sku:88 - 02
โหลดฟีเจอร์ของผู้ใช้
ฟีเจอร์โปรไฟล์และพฤติกรรมสำหรับโมเดลจัดอันดับ พร้อมอายุของมัน
FEATURE.GET user_features user:42 - 03
หารายการที่คล้ายกัน
เวกเตอร์รสนิยมของผู้ใช้หาสินค้าที่ใกล้ที่สุด
VSIM.SEARCH items 20 0.31 0.12 0.77 ... - 04
ตัดสิ่งที่เคยเห็นแล้ว
Bloom filter ต่อผู้ใช้ตอบว่า “เคยเห็นหรือยัง” สำหรับรายการผู้สมัครทั้งหมดในการเรียกเดียว
BF.MEXISTS seen:user:42 sku:88 sku:5 sku:17 - 05
ผสมสิ่งที่กำลังฮอต
สินค้าขายดีอันดับต้นในปัจจุบันเข้าร่วมกับรายการผู้สมัคร และโมเดลจัดอันดับเรียงรายการสุดท้าย
TOPK.LIST trending:shoes WITHCOUNT - 06
จดจำการแสดงผล
รายการที่แสดงถูกเพิ่มเข้าตัวกรองของผู้ใช้ เพื่อไม่ให้ซ้ำอีกในวันพรุ่งนี้
BF.MADD seen:user:42 sku:5 sku:17
เหมาะกับงานแบบไหน
สถานการณ์จริง
สื่อและสตรีมมิง
หน้าแรกจัดอันดับรายการตามเวกเตอร์รสนิยมและความนิยมสด และข้ามเรื่องที่ผู้ชมดูจบแล้ว
ฟีดข่าวและคอนเทนต์
บทความถูกแนะนำตามความคล้ายของหัวข้อ ขณะที่ข่าวที่กำลังมาแรงเลื่อนขึ้นมาแบบเรียลไทม์
อยู่ในตัว
สิ่งที่คุณได้รับ
Feature store
ฟีเจอร์ที่มีชนิดข้อมูลต่อผู้ใช้หรือรายการ สำหรับการอ่านเวลาแฝงต่ำตอนอนุมาน
FEATURE.GETFEATURE.BATCHรายการที่คล้ายกัน
เพื่อนบ้านใกล้สุดจากดัชนีเวกเตอร์ HNSW
VSIM.SEARCHมาแรงตอนนี้
Top-K เก็บรายการที่พบบ่อยที่สุดในสตรีมเหตุการณ์
TOPK.ADDTOPK.LISTตัวกรองสิ่งที่เห็นแล้ว
Bloom filter ตอบว่า “เคยเห็นหรือยัง” ด้วยหน่วยความจำคงที่ต่อผู้ใช้
BF.MADDBF.MEXISTSคำถามที่พบบ่อย
Bloom filter ผิดพลาดได้ไหม
บางครั้งอาจบอกว่ารายการถูกเห็นแล้วทั้งที่ยังไม่เคย ในอัตราข้อผิดพลาดที่คุณเลือกด้วย BF.RESERVE แต่มันไม่เคยบอกว่ารายการยังไม่ถูกเห็นทั้งที่เห็นแล้ว
โมเดลจัดอันดับรันที่ไหน
ในเซอร์วิสของคุณเอง HotKV เสิร์ฟฟีเจอร์และรายการผู้สมัครด้วยเวลาแฝงต่ำ และโมเดลของคุณเป็นผู้เรียงลำดับสุดท้าย
แผนไหนรวมฟีเจอร์นี้
Feature store อยู่ในแผน Performance และ Scale ส่วน Vector search, Top-K และ Bloom filter ใช้ได้ในทุกแผน
กรณีใช้งานที่เกี่ยวข้อง
ลองกับเวิร์กโหลดของคุณเอง
HotKV ใช้โปรโตคอลของ Redis คุณจึงชี้ไคลเอนต์ที่มีอยู่มาที่ HotKV แล้วรันคำสั่งเดียวกันนี้ได้