业务规模	资源消耗预估中位数（目录价/月）	备注
DAU5万以内	4万	推荐方案的复杂性导致费用相差比较大，例如物品和用户的数量，是否使用向量召回、物品冷启动算法、复杂的排序模型、在线学习等等。同时根据业务需要，使用自动扩缩容的EAS实例，使用预付费的MaxCompute，定期清理Hologres或OSS里不用的数据，使用增量训练代替全量训练都可以节约成本。
DAU5万-10万	8万	ㅤ
DAU10万-20万	14万	ㅤ
DAU20万-50万	25万	ㅤ
DAU50万-200万	60万	ㅤ

链路

从客户埋点的日志开始做数据分析，然后可以根据业务定制出特征工程、召回、排序的算法代码，引擎的配置文件，实验报表指标和统计代码。帮助客户轻松的搭建推荐系统，完善推荐场景，缩短推荐业务的建设和优化的周期。不管客户是从0到1建设推荐系统，还是已有推荐系统遇到效果优化的瓶颈，都可以基于该平台开展工作。

白盒化：提供大量源代码，让用户理解推荐算法细节，可自定义代码灵活满足业务需求

推荐算法定制：只需配置用户表、物品表、行为表，即可生成召回、排序脚本和配置文件

提供完整的引擎管理和实验管理后台，让用户能够轻松管理召回、排序组件、更新引擎参数

提供指标和报表管理后台，用户可自定义指标、按天和按小时了解实验效果

提供离在线特征一致性对比工具，避免因为一致性问题导致实验效果不符合预期

提供数据智能诊断，帮助开发者快速理解数据，根据结果数据选择特征和特征工程的时间窗

提供各种诊断工具，帮助用户可视化观察推荐结果和召回数据

配合特征平台管理工具，能够更好管理特征，提高实验效率

提供各种技术服务，帮助用户用好解决方案，解答使用中的问题

源代码包括：

数据特征工程和样本处理的源代码

调用召回、排序模型的脚本代码

EasyRec召回和排序模型的源代码

PAI-Rec引擎的业务源代码

我们使用PAI-EasyRec来训练召回和排序模型，go语言的PAI-Rec引擎来搭建推荐系统；DataWorks或者PAI-Designer来编辑和调度特征工程、样本和模型训练的代码；用BE/GraphCompute/hologres来存储用户特征、i2i查询、向量查询；用PAI-EAS来提供可弹性扩缩容的打分服务，。以下是这些产品的具体介绍：

机器学习平台PAI机器学习平台PAI（Platform of Artificial Intelligence）是面向开发者和企业的机器学习/深度学习工程平台，提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务。

EasyRec算法框架EasyRec内置了业界先进的深度学习模型，支持多种Tensorflow版本（>=1.12, <=2.4, PAI-TF)，覆盖了推荐全链路的需求，包括召回、粗排、排序、重排、多目标、冷启动等。开发者可基于EasyRec算法框架加速迭代推荐全链路需求。

DataWorks、MaxCompute是基于云原生的两款大数据服务，可搭配使用，针对推荐系统中特征处理、样本生成、画像管理、模型调度、数据更新等环节，提供了易用的开发工具和稳定的数据环境，如您有除DataWorks、MaxCompute之外的大数据服务选型，PAI-REC标准服务暂未支持，建议使用DataWorks、MaxCompute。

如确需使用其他大数据服务选型，可能需要您修改相应的引擎代码，请提前与架构师沟通方案。

Hologres（什么是实时数仓Hologres）是阿里巴巴自主研发的一站式实时数仓引擎（Real-Time Data Warehouse），支持海量数据实时写入、实时更新、实时加工、实时分析，支持标准SQL（兼容PostgreSQL协议和语法，支持大部分PostgreSQL函数），支持PB级数据多维分析（OLAP）与即席分析（Ad Hoc），支持高并发低延迟的在线数据服务（Serving），支持多种负载的细粒度隔离与企业级安全能力，与MaxCompute、Flink、DataWorks深度融合，提供企业级离在线一体化全栈数仓解决方案。我们可以使用hologres存储用户实时行为序列和用户特征、推荐召回数据，使用hologres提供的向量召回功能等。

图计算服务（什么是图计算服务）是阿里云自主研发的高性能分布式图计算产品，为开发者提供万亿级数据规模的一站式图技术服务。Graph Compute支持复杂图关系数据的存储、查询和计算，高效对接图算法与模型，在搜索推荐广告、实时风控、知识图谱、社交网络等场景有着广泛的应用。

Last update: 2024-7-15

AIRec | 智能推荐 ｜ 阿里云

简介

收费项目

链路

AIRec | 智能推荐｜阿里云