『今日头条』字节跳动的技术架构 |推荐技术|操作系统|技术|

字节跳动创立于2012年3月，到目前仅4年时间。从十几个工程师开始研发，到上百人，再到200余人。产品线由内涵段子，到**** ，今日特卖，今日电影等产品线。
一、产品背景 ****是为用户提供个性化资讯客户端。下面就和大家分享一下当前****的数据（据内部与公开数据综合）：

5亿注册用户
2014年5月1.5亿， 2015年5月3亿， 2016年5月份为5亿。几乎为成倍增长。
日活4800万用户
2014年为1000万日活， 2015年为3000万日活。
日均5亿PV
5亿文章浏览，视频为1亿。页面请求量超过30亿次。
用户停留时长超过65分钟以上

1、文章抓取与分析
??我们日常产生原创新闻在1万篇左右，包括各大新闻网站和地方站，另外还有一些小说，博客等文章。这些对于工程师来讲，写个Crawler并非困难的事。
??接下来， ****会用人工方式对敏感文章进行审核过滤。此外， *******目前也有为数不少的原创文章加入到了内容遴选队列中。
??接下来我们会对文章进行文本分析，比如分类，标签、主题抽取，按文章或新闻所在地区，热度，权重等计算。
2、用户建模
当用户开始使用****后，对用户动作的日志进行实时分析。使用的工具如下：

Scribe
Flume
Kafka

我们对用户的兴趣进行挖掘，会对用户的每个动作进行学习。主要使用：

Hadoop
Storm

??产生的用户模型数据和大部分架构一样，保存在MySQL/MongoDB（读写分离）以及Memcache/Redis中。
??随着用户量的不断扩展大，用户模型处理的机器集群数量较大。 2015年前为7000台左右。其中，用户推荐模型包括以下维度：

用户订阅
标签
部分文章打散推送

此时，需要每时每刻做推荐。
3、新用户的“冷启动”
****会通过用户使用的手机，操作系统，版本等“识别” 。另外，比如用户通过社交帐号登录，如新浪微博，头条会对其好友，粉丝，微博内容及转发、评论等维度进行对用户做初步“画像” 。
分析用户的主要参数如下：

关注、粉丝关系
关系
用户标签

除了手机硬件， ****还会对用户安装的APP进行分析。例如机型和APP结合分析，用小米，用三星的和用苹果的不同，另外还有用户浏览器的书签。头条会实时捕捉用户对APP频道的动作。另外还包括用户订阅的频道，比如电影，段子，商品等。
4、推荐系统
推荐系统，也称推荐引擎。它是****技术架构的核心部分。包括自动推荐与半自动推荐系统两种类型：
1）自动推荐系统

自动候选
自动匹配用户，如用户地址定位，抽取用户信息
自动生成推送任务

这时需要高效率，大并发的推送系统，上亿的用户都要收到。
2）半自动推荐系统

自动选择候选文章
根据用户站内外动作

头条的频道，在技术侧划分的包括分类频道、兴趣标签频道、关键词频道、文本分析等，这些都分成相对独立的开发团队。目前已经有300+个分类器，仍在不断增加新的用户模型，原来的用户模型不用撤消，仍然发挥作用。
在还没有推出***时，内容主要是抓取其它平台的文章，然后去重，一年几百万级，并不太大。主要是用户动作日志收集，兴趣收集，用户模型收集。
资讯App的技术指标，比如屏幕滑动，用户是不是对一篇都看完，停留时间等都需要我们特别关注
5、数据存储