Larkspur Video meminta feed beranda yang dipersonalisasi untuk 8,640,000 pengguna harian dan 40 juta video. Serahkan cakupan, estimasi beban puncak, tabel kandidat, jalur batch, streaming, dan serving, fallback untuk ranking, pendekatan retrieval, dan kebijakan eksplorasi.
Cara pewawancara menilai level desain ini
- Junior: memisahkan pembuatan kandidat secara offline dari ranking online dan menyediakan fallback.
- Mid-level: menghitung ukuran jalur request, menambahkan jalur streaming untuk kesegaran, dan menjelaskan retrieval dua tahap.
- Senior: merancang eksplorasi, mengukur feedback loop, dan merencanakan konsistensi feature antara pelatihan dan serving.
Larkspur Video membangun feed beranda yang dipersonalisasi untuk 8.6 juta pengguna harian. Memberi skor ke setiap video di katalog pada setiap kunjungan jauh terlalu lambat, sehingga feed dibangun dalam dua tahap: pembuatan kandidat yang murah mempersempit jutaan video menjadi beberapa ratus, dan model ranking yang lebih berat mengurutkan beberapa ratus itu dalam anggaran waktu request.
Kandidat berasal dari batch job malam hari dan dari streaming job yang menambahkan unggahan baru dalam waktu satu jam. Anda akan memperkirakan lalu lintas feed, menentukan tabel kandidat, menggambar jalur batch, streaming, dan serving, menambahkan fallback untuk saat ranking timeout, memilih pendekatan dua tahap, dan menjaga agar feed tidak hanya menampilkan apa yang sudah populer.
Persempit kandidat dengan murah, urutkan beberapa ratus dalam anggaran waktu, siapkan fallback, dan sisakan ruang untuk eksplorasi.