推荐多阶段漏斗与 50ms SLA

推荐系统多阶段漏斗架构 (Multi-Stage Recommendation Funnel) 是一种面对亿级全量物品库 ($10^7 \sim 10^8$) 与高并发在线请求时，通过“漏斗式级联裁减”在严格 50ms 延迟 SLA 内逐步逼近全局最优排名的经典工业级分层架构；标准流水线分为 4 个核心阶段并严格分配延迟预算：1) 多路召回 (Retrieval: 10ms 预算，从亿级池中快速粗选 $\sim 10,000$ 候选)；2) 粗排 (Pre-Ranking: 5ms 预算，轻量打分筛选至 $\sim 1,000$ 项)；3) 精排 (Heavy Ranking: 30ms 预算，深度复杂模型预测 CTR/CVR 精细打分输出 $\sim 100$ 项)；4) 重排与多样性 (Re-Ranking: 5ms 预算，结合业务规则、类目打散与流控输出最终 Top 10 展示给用户)。

淘宝/Amazon 电商推荐、抖音/TikTok 短视频信息流、小红书双列 Feed 与 Netflix 流媒体个性化主页。

复杂精排大模型（数百特征交叉与数十层网络）前向计算极其昂贵，绝对无法在 50ms 内对千万级物品逐一打分；漏斗架构通过在各阶段精细平衡“计算复杂度”与“候选集规模”，实现了高吞吐量与极佳推荐精度的统一。

详细画出 4 阶段推荐漏斗架构图，并解释为何各阶段的候选数量呈现 $10^8 \to 10^4 \to 10^3 \to 10^2 \to 10^1$ 的指数级收敛？

在 50ms 端到端延迟 SLA 下，网络传输 (Network RTT)、特征拉取 (Feature Fetch)、模型前向推理 (Model Forward) 的耗时分解预算？

为什么在召回层追求的是高召回率 (High Recall@K)，而在精排层追求的是高保真排序指标 (NDCG / GAUC)？

当线上偶发突发流量（如双十一大促高峰）导致精排超时时，系统如何执行动态候选集截断（如 $1000 \to 300$）的降级熔断？

推荐系统中“上游召回天花板决定下游精排上限”的漏斗木桶效应与多路召回交叉覆盖率监控？