今日頭條技術架構千字分析，

點擊“開發(fā)者技術前線”，選擇“星標??”
讓一部分開發(fā)者看到未來

??今日頭條創(chuàng)立于2012年3月，到目前僅4年時間。從十幾個工程師開始研發(fā)，到上百人，再到200余人。產品線由內涵段子，到今日頭條，今日特賣，今日電影等產品線。

一、產品背景

??今日頭條是為用戶提供個性化資訊客戶端。下面就和大家分享一下當前今日頭條的數據（據內部與公開數據綜合）：

• 5億注冊用戶
• 2014年5月1.5億，2015年5月3億，2016年5月份為5億。幾乎為成倍增長。
• 日活4800萬用戶
• 2014年為1000萬日活，2015年為3000萬日活。
• 日均5億PV
• 5億文章瀏覽，視頻為1億。頁面請求量超過30億次。
• 用戶停留時長超過65分鐘以上

1、文章抓取與分析

??我們日常產生原創(chuàng)新聞在1萬篇左右，包括各大新聞網站和地方站，另外還有一些小說，博客等文章。這些對于工程師來講，寫個Crawler并非困難的事。

??接下來，今日頭條會用人工方式對敏感文章進行審核過濾。此外，今日頭條頭條號目前也有為數不少的原創(chuàng)文章加入到了內容遴選隊列中。

??接下來我們會對文章進行文本分析，比如分類，標簽、主題抽取，按文章或新聞所在地區(qū)，熱度，權重等計算。

2、用戶建模

??當用戶開始使用今日頭條后，對用戶動作的日志進行實時分析。使用的工具如下：

• Scribe
• Flume
• Kafka

??

我們對用戶的興趣進行挖掘，會對用戶的每個動作進行學習。主要使用：

•  Hadoop
•  Storm

??產生的用戶模型數據和大部分架構一樣，保存在MySQL/MongoDB（讀寫分離）以及Memcache/Redis中。

??隨著用戶量的不斷擴展大，用戶模型處理的機器集群數量較大。2015年前為7000臺左右。其中，用戶推薦模型包括以下維度：

• 1 用戶訂閱

• 2 標簽

• 3 部分文章打散推送

此時，需要每時每刻做推薦。

3、新用戶的“冷啟動”

??今日頭條會通過用戶使用的手機，操作系統，版本等“識別”。另外，比如用戶通過社交帳號登錄，如新浪微博，頭條會對其好友，粉絲，微博內容及轉發(fā)、評論等維度進行對用戶做初步“畫像”。

??分析用戶的主要參數如下：

•  關注、粉絲關系
• 關系
• 用戶標簽

??除了手機硬件，今日頭條還會對用戶安裝的APP進行分析。例如機型和APP結合分析，用小米，用三星的和用蘋果的不同，另外還有用戶瀏覽器的書簽。頭條會實時捕捉用戶對APP頻道的動作。另外還包括用戶訂閱的頻道，比如電影，段子，商品等。

4、推薦系統

??推薦系統，也稱推薦引擎。它是今日頭條技術架構的核心部分。包括自動推薦與半自動推薦系統兩種類型：

1） 自動推薦系統

• 自動候選
•  自動匹配用戶，如用戶地址定位，抽取用戶信息
•  自動生成推送任務

這時需要高效率，大并發(fā)的推送系統，上億的用戶都要收到。

2）半自動推薦系統

•  自動選擇候選文章
•  根據用戶站內外動作

??頭條的頻道，在技術側劃分的包括分類頻道、興趣標簽頻道、關鍵詞頻道、文本分析等，這些都分成相對獨立的開發(fā)團隊。目前已經有300+個分類器，仍在不斷增加新的用戶模型，原來的用戶模型不用撤消，仍然發(fā)揮作用。

??在還沒有推出頭條號時，內容主要是抓取其它平臺的文章，然后去重，一年幾百萬級，并不太大。主要是用戶動作日志收集，興趣收集，用戶模型收集。

??資訊App的技術指標，比如屏幕滑動，用戶是不是對一篇都看完，停留時間等都需要我們特別關注

5、數據存儲

??今日頭條使用MySQL或Mongo持久化存儲+Memched（Redis），分了很多庫（一個大內存庫），亦嘗試使用了SSD的產品。

??今日頭條的圖片存儲，直接放在數據庫中，分布式保存文件，讀取的時候采用CDN。

6、消息推送

??消息推送，對于用戶: 及時獲取信息。對運營來講，能夠 提??用戶活躍度。比如在今日頭條推送后能夠提升20%左右的DAU，如果沒有推送，會影響10%左右 DAU（2015年數據）。

??推送后要關注的ROI：點擊率，點擊量。能夠監(jiān)測到App卸載和推送禁用數量。

??今日頭條推送的主要內容包括突發(fā)與熱點咨訊，有人評論回復，站外好友注冊加入。

??在頭條，推送也是個性化：

•  頻率個性化
• 內容個性化
•  地域
•  興趣

比如：

??按照城市：遼寧朝陽發(fā)生的某個新聞事件，發(fā)給朝陽本地的用戶。

??按照興趣：比如京東收購一號店，發(fā)給互聯網興趣的用戶。

??推送平臺的工具和選擇，需要具備如下的標準：

• 通道，首先速度要快，但是要可控，可靠，并且節(jié)省資源
• 推送的速度要快，有不同維度的策略支持，可跟蹤，開發(fā)接口要友好
• 推送運營的后臺，反饋也要快，包括時效性，熱度，工具操作方便
• 對于運營側，清晰是否確定推薦，包括推送的文案處理

??因此，推送后臺應該提供日報，完整的數據后臺，提供A/B Test方案支持。

??推送系統一部分使用自有IDC，在發(fā)送量特別大，消耗帶寬較嚴重?？梢允褂妙愃瓢⒗镌频姆?，可有效節(jié)省成本。

二、今日頭條系統架構

三、頭條微服務架構

??今日頭條通過拆分子系統，大的應用拆成小應用，抽象通用層做代碼復用。

系統的分層比較典型。重點在基礎設施，希望通過基礎設施提高快速迭代、容災和一系列的工作，希望各個業(yè)務團隊能更快做業(yè)務上的迭代以及架構上的調整。

四、今日頭條的虛擬化PaaS平臺規(guī)劃

通過三層實現，通過 PaaS 平臺統一管理。提供通用 SaaS 服務，同時提供通用的 App 執(zhí)行引擎。最底層是 IaaS 層。

??IaaS 管理所有的機器，把公有云整合起來，頭條有一些熱點事件會全國推廣推送，對網絡帶寬比較高，我們借助公有云，需要哪一種類型計算資源，統一抽象起來?；A設施結合服務化的思路，比如日志，監(jiān)控等等功能，業(yè)務不需要關注細節(jié)就可以享受到基礎設施提供的能力。

五、總結

今日頭條重要的部分在于：

數據生成與采集

數據傳輸。Kafka做消息總線連接在線和離線系統。

數據入庫。數據倉庫、ETL（抽取轉換加載）

數據計算。數據倉庫中的數據表如何能被高效的查詢很關鍵，因為這會直接關系到數據分析的效率。常見的查詢引擎可以歸到三個模式中，Batch 類、MPP 類、Cube 類，頭條在 3 種模式上都有所應用。

鏈接:

https://blog.csdn.net/mucaoyx/article/details/84498468

版權申明：內容來源網絡，版權歸原創(chuàng)者所有。除非無法確認，我們都會標明作者及出處，如有侵權煩請告知，我們會立即刪除并表示歉意。謝謝。

PS:后臺回復 “666” 領取程序員大禮包哦~

開發(fā)者技術前線 ，匯集技術前線快訊和關注行業(yè)趨勢，大廠干貨，是開發(fā)者經歷和成長的優(yōu)秀指南。

歷史閱讀

為什么螞蟻金服的 ZSearch 比 ElasticSearh 還牛？

餓了么交易系統 5 年演化史

支付寶 App 架構的原理與實戰(zhàn)

費解！為什么那么多人用“ji32k7au4a83”作密碼？

在看點一下