← 返回 工业系统设计 思维导图
⚡闪卡盲测➔
🏗️ 工业系统设计ID: recsys-funnel-sla

推荐多阶段漏斗与 50ms SLA

RecSys Multi-Stage Funnel & 50ms SLA
🎯核心定义
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 (107∼10810^7 \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 ∼10,000\sim 10,000 候选);2) 粗排 (Pre-Ranking: 5ms 预算,轻量打分筛选至 ∼1,000\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 ∼100\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)。
💡使用场景
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。
⚡解决的核心痛点
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。
🎯核心面试考点体系 (Exam Points)
基础原理 · 工业场景 · 深入排雷
基础·定义
请阐明【推荐多阶段漏斗与 50ms SLA】的本质定义、底层数学/架构运作机制与关键原理。
基础·场景
在实际工业生产体系中,【推荐多阶段漏斗与 50ms SLA】适用于哪些典型场景?解决了什么核心工程痛点?
🔥 高频进阶实战考点 (Top 5 Deep-Dive Questions)
1
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 108→104→103→102→10110^8 \to 10^4 \to 10^3 \to 10^2 \to 10^1 的指数级收敛?
2
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?
3
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)?
4
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→3001000 \to 300)的降级熔断?
5
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?
更新于 2026-08-14
🎯
检验攻克程度:针对「推荐多阶段漏斗与 50ms SLA」专属刷题排雷
做单选排雷题、推导选项机制,答错自动收录进专属错题本。
🚀 开始本考点专项刷题 ➔
⚡
想检验本题的肌肉记忆?进入 3 阶闪卡主动回忆盲测
隐藏答案遮罩,自测:审题锚点 ➔ 数理公式机理 ➔ 工业标杆代码与连环追问。3 分钟攻破认知盲区!
🎯 立即在闪卡中盲测此题➔
下一个知识点 →DSSM 双塔向量化召回

🔗 更多 工业系统设计 知识点卡片

引用出处: TalentMe 450+ 工业级 AI 架构考点知识库 (Tech Vault) · 遵循 CC-BY-4.0 知识共享协议
URL: https://talentme.airsota.com/zh/resources/tech/roadmap/mindmap/System_Design/card/recsys-funnel-sla