2015 年 6 月 28 日下午，百度與 InfoQ 攜手舉辦了手機百度“云和端技術實踐”沙龍活動。這是手機百度首次公開超級 App 背后的技術知識。活動分云端和客戶端技術兩個會場同時舉辦，吸引了眾多技術愛好者前來學習交流。現場人數爆滿，氣氛熱烈。

　　手機百度產品總經理，百度副總監黎科峰出席會議并簡要介紹了手機百度的業務狀況和講師團隊成員。他談到，手機百度作為百度在移動互聯網時代的億級用戶流量入口，不僅支撐著百度內部產品，更希望打造一個開放平臺，支撐眾多第三方行業及應用的發展，從連接人與信息拓展到連接人與服務。比如打開手機百度就可以看到9塊9 上門推拿服務。手機百度的未來應用前景擁有很大的想象空間，在云端和移動客戶端技術業務的實現上也積累了很多寶貴經驗和創新實踐!

　　下面是此次技術沙龍活動云端分會場的主題演講概要總結：

　　主題一：個性化在手機百度中的實踐（蘭田）

　　手機百度是一個超級 app , 不僅為用戶提供搜索服務，而是覆蓋了用戶生活的各個方面。挑戰是非常多的，首先用戶獲取信息成本不斷增高，在時間和流量有限的情況下，如何能夠滿足使用各種垂類信息(小說，視頻)，各種團購，各種app, 各種O2O服務。然后是用戶多種多樣，需要對不同的用戶進行場景化和個性化的運營和推送。主題先介紹了個性化任務在手百上的愿景：希望每個用戶的手機百度都是獨一無二的，用戶可以最快捷，最有效的發現此時此刻最適合自己的信息和服務。主題從移動用戶的畫像(Profile)談起，進而介紹了傳統的推薦算法，然后探討了移動端給推薦帶來的機會，之后以百度生活頻道采用的推薦作為案例講解，最后展望了手百個性化系統的未來。

　　手百個性化在設計的時候就考慮了精準豐富的用戶標簽，包括用戶本身的信息，如性別、年齡、職業、教育與消費等，還有用戶的目的如興趣、關注、需求。豐富的標簽在手百的實際使用中起到很重要的作用，可以進行卡片推薦，幫助個性化解決冷啟動問題，幫助產品更加了解用戶的需求，幫助運營選擇特定興趣用戶并進一步推薦相關運營活動。蘭田給出了對95后用戶行為分析的例子，展現了95后用戶對游戲和動漫更感興趣，而95前用戶則對購物和美食等話題更感興趣。

　　主題接下來介紹了傳統的推薦系統，從用戶行為出發，根據用戶和用戶，item和item之間的各種關聯為用戶做出推薦，主要有兩種形式，一個是相關推薦，另一個是列表推薦，目前在手百上的應用主要是視頻和小說兩個垂直應用。特別地，蘭田講解了相似性這一推薦系統的基石，從亞馬遜2003年提出的協同過濾入手，簡要介紹了空間中相距近的點具有相同性質這一樸素概念，并給出了概率解釋。隨后他介紹了常用的相似度量，分析了優缺點。如基于用戶的計算量大，但可以帶來新穎的推薦，基于item的計算量相對小，是大多數推薦系統采用的度量方式，而基于內容的可解決冷啟動問題，但需要專家知識。目前手百采用的是item+內容相結合的度量方式。

　　主題接下來給出了手百推薦系統的現有架構如下圖：

　　從圖中可以看出整個架構非常靈巧松散，模塊之間都是通過API連接，可以進行比較靈活的配置。底層機器學習和數據挖掘相關方法構建在Hadoop之上，輸入有統計和行為數據，而輸出則通過推薦算法的計算由推薦API給出。

　　手百推薦系統有兩大難點，一是用戶數量極大，離線訓練模型規模大，一周有千萬數量級。二是需要整合多個資源方的內容，需要在數據合并和清洗上做大量工作，保證資源的質量。但與此同時，手百具有相當大的兩個優勢，一是百度內部機器學習資源豐富，有易用的并行框架。處理過億的三元組，可以在10分鐘內搞定。二是百度有大量的用戶搜索數據和用戶畫像數據，可以幫助用戶更好的進行冷啟動。

　　與傳統的pc端相比，移動端對推薦系統的需求更大，比如由于屏幕小，顯示空間有限等原因，就需要更精準的推薦。另外，用戶信息更容易收集，因為無需登錄，且使用頻率很高，各方面數據的反饋都更加及時。以及，移動端固有的特點可以為推薦系統引入更多的緯度，如時間地點和使用場景等。

　　主題隨后介紹了推薦系統的演變，從單純的評分到排序，到頁面優化最后到基于上下文的推薦，越來越多地引入更多的特征，以尋求更加精準的推薦結果。主題還進一步介紹了一些推薦算法，如Point-wise、Pairwise 等排序學習的算法。

　　接下來，主題給出了一個推薦系統在O2O領域的嘗試，試圖通過手百建立人和服務的連接，所采用的資源來自糯米，地圖和直達號等多個第三方服務，給出的實例框架圖如下：

　　針對在推薦系統中使用場景的問題，主題給出了人工匹配規則，修正然后作為特征加入學習算法的技術方案。具體來講，人工配置規則 (專家知識)，由 PM和運營人工配置了近百條規則，由規則引擎根據場景和用戶畫像進行匹配。人工規則作為先驗概率，和熱門推薦點擊率相當，用戶實際點擊和常識并不一樣。然后利用用戶實際點擊情況修正規則。將用戶實際點擊修正先驗概率，效果比人工配置提高 0.5% 左右。最后將場景作為特征，融入到機器學習算法中。機器學習算法還涉及到一個特征選擇問題，目前手百所用的特征包括但不限于用戶、物料和場景等特征，而采用的算法除了常用的邏輯回歸以外，還有最近業界尤其是圖像領域常用的深度學習網絡模型。根據模型輸出的概率值對推薦結果進行重新排序，在融入場景特征后，發現效果提升了 2%。

　　主題接下來探討了從推薦向個性化發展的問題。推薦只是個性化的一種形式，不是所有的個性化都是推薦(買電影票的時候，幫助我選擇我經常訂的位置 )。現有推薦系統大多是幫助用戶發現某種商品/服務，個性化有更廣泛的產品含義，可以具體到背景皮膚的選擇，產品 tag 的位置。這方面手百以個性化卡片為入口做了一些嘗試，產品目的是豐富手機百度首屏的內容，將用戶日常關注的內容用卡片的形式展現出來。通過個性化的推薦引導用戶添加。和傳統的推薦不同，卡片數目少，且興趣點基本上是熱點興趣(傳統推薦是頭部+長尾)。卡片之間關聯關系弱，無法進行協同過濾。會根據PM 和運營需求，隨時添加卡片，需要把這個卡片推送給最合適的用戶。需要不斷的挖掘用戶新的特征。需要挖掘用戶的興趣，最近的意圖，人生階段等各個方面。因此需要通過用戶畫像和產品屬性進行規則匹配。

　　主題最后對手百推薦和個性化的未來做了展望，更完善的推薦系統框架。及時反饋，更迅速的響應用戶的行為。做出最及時的推薦。更好的推薦效果展示和算法控制平臺。進一步研究場景在推薦系統中的作用。引入更多的機器學習 model，研究深度學習在推薦系統中的應用。甚至提到了更遠的類似 Google Now 的個人生活助手產品。

　　主題二：手機百度云端架構設計與實踐（韓超 & 黎博）

　　主題主要介紹了手百云端在實際開發過程中一些工程化的運用，尤其是涉及傳統PHP工程師做web網站和超級APP的技術轉型和深化的過程。

　　主題首先分析了目前手百云端所面對的問題，鑒于手百非純粹客戶端，而是瀏覽器和CS模式混合的產品，所面對的主要可分為三個問題：軟件高并發、大容量，需要高靈活性和可靠性，然后還需要解決由于定制化程度高而帶來的兼容性問題。對此，主題給出了一個多層解決方案，底層包含資源的云端聚合、不同功能的Cache和多種DB。中間層包含動態界面展示、用戶賬戶狀態承載、多協議多平臺支持和信息主動送達。上層則包括配置和運營，H5和NA并存支持以及客戶端的動態更新。傳統的Web網站的構建中，LAMP架構中的PHP+MySql+緩存已經有了成熟理論和實踐。作為超級APP的服務器工程師，需要繼承Web網站的技術底蘊，并針對自身特性做出改進。這種改進主要來自三方面：性能優化、兼容擴展性和云端控制性。

　　主題開始講解了性能優化的部分，性能是任何服務器設計必須考慮的問題，面對超級APP帶來的高QPS、峰值的高并發、不確定的寫請求，系統不可能無限制地擴容，軟件設計要先行。Web網站性能優化的N種武器，要換一種方式用起來。需要考慮兩方面的因素，一是服務器的容量，服務器端有限的CPU、 IO和內存會面對無限的客戶端，壓力會傳遞給數據存儲、緩存、后端服務，云端的每一個環節都有可能被壓垮。二是用戶體驗，從前做Web網站，現在做 Native客戶端。Native并非天然就比Web網站快，因為瀏覽器和服務器的優化手段已經很成熟。性能優化部分本主題講的比較深入，主要涉及了 Page緩存、緩存協商和請求合并等，具體讀者可參考幻燈片。

　　主題接下來分享了兼容和擴展性方面的內容，一個超級APP的服務器，它所面臨開發模型并不是一個點對點的開發，而是一個基于時間軸的矩陣，這就涉及兩方面內容，一個方面客戶端本身在升級，因此服務器在升級的時候，需要兼容歷史所有的客戶端，并且還要向未來進行展望。更復雜的是客戶端本地還有豐富的存儲，升級過程中也需要考慮，里面包含了一些不可控的因素，尤其是這種多版本多平臺的情況下。手百在這方面有幾個策略，首先服務端被動兼容的條件是客戶端的特性可知，通過客戶端自身的信息進行兼容，例如：操作系統、版本號、渠道等。然后是代碼分支方式，把穩定基礎性功能分成不同的模塊，找到邏輯上需要區分的地方，由上層代碼對基礎功能組合調用。再有資源獲取，調整后端請求、持久化存儲、緩存的獲取順序，便于排列組合和再處理。還有特制化邏輯，了解客戶端的現實分布和業務情況，利用參數預處理篩選功能，對結果通過用個性化參數進行調整、過濾和合并。最后是緩存策略，提高Cache的命中率和Cache使用效率;

　　主題最后一部分討論了云端可控性的問題。由于客戶端APP的固有特點，不可強制要求用戶手中的客戶端版本，從超級APP的功能上，要突破此瓶頸，在客戶端不升級的情況下，實現云端可控的特性。主要包括三方面，一是動態展示，根據需要將最新的數據、樣式、界面送達給用戶。二是動態事件和行為，服務端產生的事件可送達客戶端(客戶端拉取或服務端推送)，可控制客戶端的各種行為。三是動態的配置和策略，服務器上具有動態配置和策略，客戶端通過獲得之后，根據自身的情況進行實施。

　　主題給出了手百云端的技術架構如下圖，主要解決了幾個業務特性帶來的挑戰。一個是軟件生命周期較長。二是高并發且流量不均。三是資源鏈接眾多且不穩定。四是需求比較復雜。更多關于云端開發調試的手段和技巧可參見后續視頻與幻燈片資料。

　　主題三：手機百度前端探索之路（夏藝天）

　　主題主要分享了手百的前端探索之路，從開發到工程，再到發布的整個過程。典型的小團隊開發，利用Zepto、OpenJs等類庫，在合理的組織下，撐起了手百的前端開發。

　　第一部分是開發環節。主要介紹了SASS框架，講解了手百如何針對SASS進行改造和定制，并開發了模擬客戶端的環境。在基礎類庫方面，Zepto是用的比較多的構件。基礎部分還包括了基于EMD模塊的實現，以及模塊間、事件和跨域通信等。其他類目包括UI組件、監控、統計和運營等等。在此基礎上，手百前端團隊對一些常見的東西給出了解決方案，一個是前端的模板，二是本地緩存方案，三是SPA(單頁面應用解決方案)。

　　第二部分是工程化。所謂的工程化，一開始前端可能做的功能化是類似于手動的去壓縮代碼，現在有了很多工程化的解決方案，手機百度工程化是用公司統一的FIS集成方案，同時對FIS的插件進行改造，通過這些東西可以完成以上的全部的工作，以及更多的比如依賴分析、代碼檢測，按需加載，代碼檢測代碼的規范，還有緩存、壓縮、合并最后達到整個模板編印的效果。整個構建化流程，有一個線下的系統，線下構建去完成前端代碼的壓縮以及拼接，完成這部分功能后，首先會把其它資源打個包，然后在發布的時候這個靜態資源會發布到CDN服務器上，同時線下的構建工具會去生成一個類似于資源地圖的東西，記載每一個模塊每一個JS文件的依賴，它大概是一個表，編輯整個文件去生成記錄所有模塊與模塊依賴的一個表。然后在訪問的時候，template根據頁面所需要的模塊，在資源地圖，完成拼接過程，交給用戶，這就是整個工程化構建的流程。

　　第三部分是發布。主要是利用Tiny快速搭建平臺，通過上線系統進行配置管理，然后通過模塊化的接口提供API，并利用MDP設備畫像平臺進行監控統計。

　　主題還對前端發展的未來進行了展望，即更加的混合模式的開發。例如，不在利用網絡來請求前端代碼，而是直接預裝到APP，以及React Native模式等。