在阿里的業(yè)務(wù)中，有廣泛的算法應(yīng)用場(chǎng)景，也沉淀了相關(guān)的算法應(yīng)用平臺(tái)和工具：基礎(chǔ)的算法引擎部分，有成熟的召回和打分預(yù)估引擎、在線(xiàn)實(shí)時(shí)特征服務(wù)；推薦算法應(yīng)用領(lǐng)域，有算法實(shí)驗(yàn)平臺(tái)TPP（源于淘寶個(gè)性化平臺(tái)），提供Serverless形式的算法實(shí)驗(yàn)平臺(tái)，包括資源彈性伸縮，實(shí)驗(yàn)?zāi)芰?代碼在線(xiàn)發(fā)布、AB分流、動(dòng)態(tài)配置)，監(jiān)控管理（完善的監(jiān)控報(bào)警、流控、降級(jí))等能力，是算法在線(xiàn)應(yīng)用的基石。

但在實(shí)際的算法應(yīng)用業(yè)務(wù)中，比如優(yōu)酷推薦業(yè)務(wù)，算法應(yīng)用場(chǎng)景眾多（100+活躍場(chǎng)景），需求靈活多變，如果沒(méi)有一套通用業(yè)務(wù)框架，用于抽象出通用和定制化的部分來(lái)提高算法組件的復(fù)用度；會(huì)嚴(yán)重拖慢算法實(shí)驗(yàn)的節(jié)奏。基于圖引擎的算法服務(wù)框架就是為了封裝一套框架，抽象算法在線(xiàn)服務(wù)的通用算子，支持運(yùn)行時(shí)的算法流程的裝配，提升算法服務(wù)場(chǎng)景搭建的效率。

設(shè)計(jì)概覽

算法推薦典型在線(xiàn)處理執(zhí)行流程：多路粗排召回，合并，預(yù)估，打散策略。推薦服務(wù)根據(jù)用戶(hù)的設(shè)備ID等其他必要信息進(jìn)行多路并行召回，在召回引擎中進(jìn)行粗排后，經(jīng)過(guò)必要的過(guò)濾處理，截取一定數(shù)量的內(nèi)容調(diào)用Rank引擎進(jìn)行精排預(yù)估，預(yù)估結(jié)果經(jīng)過(guò)一系列算法策略處理后輸出最終結(jié)果。

整個(gè)過(guò)程中召回，合并，預(yù)估，打散等業(yè)務(wù)處理有并行處理，有串行處理，根據(jù)業(yè)務(wù)需要能夠靈活配置�；�于圖的推薦業(yè)務(wù)執(zhí)行引擎是運(yùn)行在算法實(shí)驗(yàn)平臺(tái)上的執(zhí)行引擎，它的典型處理流程是：在AB實(shí)驗(yàn)分桶上，通過(guò)圖形化交互頁(yè)面配置數(shù)據(jù)源、業(yè)務(wù)算子的執(zhí)行依賴(lài)關(guān)系，并配置每個(gè)算子的運(yùn)行時(shí)動(dòng)態(tài)參數(shù)。

系統(tǒng)總體結(jié)構(gòu)如下圖所示：分成五個(gè)主要的模塊（圖執(zhí)行算子元件、圖形化配置DAG、圖配置動(dòng)態(tài)解析、DAG圖執(zhí)行引擎、Debug調(diào)試）。