百变应用场景下，优酷基于图执行引擎的算法服务框架筑造之路( 三 )

2）Debug
在开发时会用到本地调试能力，通过开发SDK本地运行代码，同时将并行图改为串行运行方便本地调试。
3）日志信息
在图框架运行时会捕捉算子运行异常等信息，通过日志文件和统计Counter的方式进行输出，在页面进行报表呈现和监控。

本文插图
典型业务应用
1. 典型串行图化改造
以推荐场景的简单业务逻辑举例，通过图化执行提高业务算子并行度，降低延时。

本文插图
图：典型串行图化改造
在图架构之前，模块的封装都以串行逻辑运行，其中会存在一些可并行优化的处理逻辑。比如在播放过滤和内容池过滤部分，内容池的查询和播放内容的查询本身是不相关，没有直接依赖，是可并行执行的操作。在串行编码情况，实际执行逻辑维持串行逻辑。
通过图化改造后，将查询内容池部分和查询播放内容部分提取为算子，在图中并行执行，被过滤算子依赖，这样可以最大程度的并发执行，充分利用CPU ，减少执行延时。
2. 典型业务执行图
以推荐典型业务场景为例，对整个图进行分解。

本文插图
图：典型业务执行图
业务大图：包含多路召回，后续通过模型混排合并、打散、策略执行返回最终结果。
分支子图：单独一路召回子图中，包含了不同类型的召回，通过过滤、排序、策略合并得到单路结果。
DataSet：策略合并算子会基于图中流转的数据集，使用数据集包装的基本API进行数据集的访问操作。
基础数据源：业务算子中通过封装的通用BE、iGraph、Tair等数据源接口查询或写入数据。
通过业务子图、基础数据集、基础数据源等层面的将业务进行分解，基础数据集API和通用数据源算子和业务无关，业务层通过使用基础API进行业务算子实现和依赖组成最后业务逻辑图。最终达到业务层、基础层的复用。

本文插图
总结&展望
基于图引擎的算法服务框架建设，通过抽象算法业务的通用组件，提供图形化流程编排工具和图执行引擎，实现了0代码、配置化支持算法业务需求。为快速的算法应用，不断提升用户的个性化服务打下了坚实基础。对推荐、搜索、广告等算法应用业务有参考价值。
接下来，为了进一步提升引擎性能，我们将在构图优化和引擎执行性能上做优化，在保持业务表达灵活简洁的同时，追求更优的执行性能。

本文插图