专题演讲嘉宾：林枫

数据和算法会对推荐系统的效果产生重要的影响，但系统的实时性也是重要的一环。实时可以给用户更精准的推荐，让新发表的好内容更快的成为热点，整个生态形成正循环。实时推荐系统需要全链路都是实时的，不能出现短板。因此，我们分析了推荐的全链路，对其中的“非实时”部分，做了针对性的极致优化，主要包括特征服务、模型上线、检索召回三大部分，最终使得这些流程都达到了毫秒级或秒级的实时性。用户当前的行为为几秒后就会对推荐结果产生影响，助力各业务实现了秒级的实时推荐系统。 

演讲提纲：

1. 推荐系统中实时性的意义和挑战

2. 实时的特征服务

• 高吞吐的批量导入
• 流批一体的支持

3. 实时的模型上线

• 实时的推理模型上线
• 实时的向量检索服务 

听众收益:

• 了解推荐系统中实时性的意义
• 知道实现一个实时的推荐系统，需要解决那些问题