数据人看Feed流-架构实践(16)_背景Feed流：可以理解为信息流

消息分为主体和索引

采用推拉结合模式

采用异步化

引入推荐系统

采用冷热分离降低存储成本

Outbox采用多级缓存提高读取性能

Inbox增加二级索引提升搜索能力

使用云Kafka+云HBase+云Redis

图11 基于推荐的推拉混合架构

总结

Feed信息流是互联网场景中非常普遍的场景，遍布于电商、社交、新媒体等APP ，因此研究Feed流是非常有价值的一件事情。本文总结了Feed流的业务场景和主流架构，分析了不同场景、体量下技术的难点与瓶颈。对Dispatcher、Inbox、Outout几个组件进行了详细的演进介绍，提供了基于云环境的落地方案。本人水平有限，希望可以抛砖引玉，欢迎大家一起探讨。 Feed流的架构演进还在持续，不同业务场景下还有哪些缺陷和痛点？数据产品如何从功能和性能上演进来支撑Feed流的持续发展？在这些问题的驱动下，云HBase未来将会大力投入到Feed流场景的持续优化和赋能！