今天，我们会讨论一些不同的东西，例如 Spotify、YouTube、Signal Messenger、Amazon 等科技巨头的推荐算法，以及像 Uber、Twitter、Netflix、Airbnb、Dropbox、Google Docs、Zoom 之类企业的系统设计。
说明：本文基于我的个人研究。有些东西可能不是 100%准确，但我已经尽力保证它的准确性、信息和价值。
Uber 系统设计
Uber 的技术可能看起来很简单，但当一个用户从应用程序发起一次乘车请求，一名司机到达将他们送往目的地的场景，这背后其实并不简单。
Uber 的基础设施由成千上万个服务和数兆字节的数据组成，来支持平台上的每次旅行。
这个系统主要是用 Python 编写的，使用 SQLAIchemy 作为数据库的 ORM 层。实际的架构对于少数城市中相对少量的旅行来说是不错的。
这个公司的后端现在不仅仅被设计来处理出租车，它还可以处理食品外卖、货物快递等等。
了解更多：https://medium.com/@narengowda/uber-system-design-8b2bc95e2cfe
YouTube 视频推荐算法
当用户看 YouTube 上的视频时，会在设备下方或右侧抛出一个推荐清单，用户可能会按照一定的顺序喜欢这些视频。
本文所描述的模型着重于两个主要目标。采用的广度+深度模型架构，结合了广度模型线性模型（记忆）的功能以及深度神经学习（泛化）的功能。广度+深度模型将为每个定义（参与度和满意度）的目标生成预测。
了解更多：https://www.kdnuggets.com/2019/10/youtube-recommending-next-video.html
Twitter 系统设计
通过视频解说来获取更多细节：https://youtu.be/EkudBdvbDhs
Spotify 音乐推荐算法
Spotify 是如何使用机器学习来推荐音乐的呢？
该公司同时使用了三种推荐模型和其它技术。哈佛商学院描述的这三种模型是：
CF 又名协作过滤（Collaborative Filtering）模型: 分析你的行为并与其它用户的行为进行比较
NLP 又名自然语言处理模型（Natural Language Processing Models）- 扫描互联网并分析有关 Spotify 的目录的文本
音频分析（Audio Analysis）模型: 分析原始音频文件
了解更多：https://digital.hbs.edu/platform-rctom/submission/discover-weekly-how-spotify-is-changing-the-way-we-consume-music/
Netflix 系统设计
Netflix 运行在两种云上：AWS 和 Open Connect。这两种云必须毫无差错地协同工作，从而提供无休止的让用户满意的视频。
三个主要的组件扮演了主要角色：CDN、后端和客户端。
任何不涉及视频服务的事务都在 AWS 中处理。在你点击播放之后发生的任何事都由 Open Connect 处理。Open Connect 是 Netflix 的定制全球化内容交付网络（CDN）。
了解更多：https://medium.com/@narengowda/netflix-system-design-dbec30fede8d
Netflix 针对个性化和推荐的系统架构
Netflix 使用了论文中提到的各种排名模型，但是没有具体说明每种模型的架构。下面是对它们的总结：
个性化视频排名（Personalised Video Ranking， PVR) — 这个算法是一种通用算法，通常根据特定标准（例如暴力电视节目、美国电视节目、浪漫爱情等）过滤目录，并结合用户特性和流行度等辅助特性。
Top-N 视频排名 — 与 PVR 类似，只是它只查看排名的最前面和整个目录。它用一些指标（即查看目录排名的头部，例如 MAP@K、 NDCG）进行优化。
了解更多：https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Fnetflixtechblog.com%2Fsystem-architectures-for-personalization-and-recommendation-e081aa94b5d8
Flipkart / Amazon System Design
设计类似 Amazon 或 flipkart 这样的平台时的功能要求：
应该提供一个用交货时间（delivery ETA）进行搜索的功能
应该提供一个所有产品的目录
应该提供购物车和愿望清单功能
应该顺畅处理支付流程
应该提供一个显示所有之前订单的页面
还有许多其它功能
非功能性要求：
低延迟
高可用性
高一致性
通过视频解释查看更多细节：https://youtu.be/EpASu_1dUdE
Signal 系统架构
Signal 是一个用于 Android 和 iOS 的端到端加密通信应用程序，有点儿像 WhatsApp，但是是开源的。它使用 TCP/IP（互联网）来发送一对一和群组消息，包括文本、文件、语音信息、图片和视频，以及一对一语音和视频通话。使用标准蜂窝移动电话号码进行用户识别。
了解更多：https://sorincocorada.ro/signal-messanger-architecture/)
Book My Show 系统设计
在这篇文章中，我们将了解“如何设计一个类似 BookMyShow 的在线订票系统”。
BookMyShow 基于微服务架构构建。我们可以单独查看各个组件。在我们开始设计一个在线订票系统之前，可以先看看 Book My Show 使用的服务和技术。
BookMyShow 使用的技术：
用户界面：ReactJS & BootStrapJS
服务器语言和框架: Java、 Spring Boot、 Swagger、 Hibernate
安全: Spring Security
数据库: MySQL
服务器: Tomcat
缓存: 内存缓存 Hazelcast
通知: RabbitMQ，一个用于推送通知的分布式消息队列
支付 API：流行的支付 API 有 Paypal、Stripe 和 Square
部署: Docker & Ansible
代码仓库: Git
日志: Log4J
日志管理: Logstash、 ELK Stack
负载均衡: Nginx
了解更多：https://www.geeksforgeeks.org/design-bookmyshow-a-system-design-interview-question/
Airbnb 系统设计
像 Airbnb、Booking.com 和 OYO 这样的度假租赁巨头，是如何提供这样顺畅的从信息展示，到预订再到支付的流程的？从头到尾没有一点问题！可以通过视频看看他们的系统设计、技术、工作等方方面面。
通过视频了解更多细节：https://youtu.be/YyOXt2MEkv4
TikTok's 机器学习支持的推荐引擎
TikTok 的推荐系统设计的原型是以用户为中心的设计。简单来说是，TikTok 只会推荐你喜爱的内容，从冷启动调整到对活跃用户的明确推荐。
TikTok 从不向公众或技术社区透露其核心算法。但是，基于该公司发布的零碎信息，以及极客们使用逆向工程技术发现的线索，提出了这个推荐流程。
我们可以将这个工作流拆分成几个步骤
步骤 0: 针对用户生成内容（User Generated Content, UGC）的双重审计系统步骤 1: 冷启动步骤 2: 基于权重的指标步骤 3: 用户画像投射步骤 4: 时尚潮流池其它步骤: 延迟点火（Delayed Ignition）
了解更多：https://medium.com/m/global-identity?redirectUrl=https%3A%2F%2Ftowardsdatascience.com%2Fwhy-tiktok-made-its-user-so-obsessive-the-ai-algorithm-that-got-you-hooked-7895bb1ab423
Google Maps 系统设计
设计一个类似谷歌地图系统的功能要求：
能够识别道路和路线
在两点之间行驶时得出距离和预计到达时间（ETA）
应该是一个可插拔的模型，以防我们想要建立在那些良好的需求
非功能性需求
高可用性 - 这个系统永远不会宕机。我们不希望我们的用户中途迷失。
良好的准确度 - 我们预估的预计到达时间应该与实际旅行时间之间偏差不会太大。
迅速响应 - 响应应该在几秒内就绪。
可伸缩性 - 像谷歌地图这样的系统每秒会收到巨量请求，因此它的设计方式应该能够处理这些请求，以及请求数量的任何激增。
通过视频查看更多细节：https://youtu.be/jk3yvVfNvds
Amazon 产品推荐算法
这个算法包含 5 个主要概念：
多视图——显示多个组件，所有项目都显示在这里
用户视图——显示会话中当前用户的特定信息
产品视图——显示当前产品的详细信息
推荐视图——显示基于当前产品的推荐产品
数据视图——可视化推荐算法所使用的数据结构
Dropbox 系统设计你有没有想过这些服务是如何在内部提供文件上传、更新、删除和下载功能的？
文件版本管理
文件和目录同步
下面是这些系统如何在底层工作的高级解释：
视频解释：https://youtu.be/U0xTu6E2CT8
Google Docs 系统设计
Google Docs 系统设计分为 2 个视频。在第一个视频中，你将了解操作转换和差别同步。在第二个视频中，你会了解使用微服务架构和 API 网关的系统组件。
视频解释 1：https://youtu.be/2auwirNBvGg
视频解释：https://youtu.be/U2lVmSlDJhg
Zoom 系统设计
到目前为止，谁还没使用过 Zoom、Microsoft teams、WebEx 或某种视频会议平台呢！现在甚至在 Zoom 上上课。如果你正在阅读本文，我确定你会对它是如何工作的感兴趣。因此，通过访问下面给出的视频链接，我确信在视频结束时，你能够成功设计一个视频会议系统。
视频解释：https://youtu.be/G32ThJakeHk
Yelp 系统设计
让我们设计任何基于位置的服务，类似 Yelp 或 Trip Advisor，用户可以搜索附近的旅游景点、餐馆、剧院或超市等，用户还能够登录，添加或浏览评论、图片和景点评论。我们将以 Yelp 为例来了解相关的一切。
视频解释：https://youtu.be/TCP5iPy8xqo
Cricbuzz 系统设计
视频解释：https://youtu.be/exSwQtMxGd4
股票交易系统设计
系统设计的目标：
每种股票每秒数千个订单匹配（作为参考，纳斯达克每秒处理超过 60k 条消息）
高可用性、可伸缩性、可靠性和持久性
SLA/延迟
允许 1 个数据中心故障
为特定地址位置的用户服务将降低延迟
视频解释：https://youtu.be/dUMWMZmMsVE
原文链接：
https://www.theinsaneapp.com/2021/03/system-design-and-recommendation-algorithms.html