大数据时代的feed流架构

在移动时代，我们无时不刻的通过各种应用及渠道来获取信息。feed流是其中非常简单高效一种方式，从最早的聚合好友应用内的各种动态，逐渐到用户形成在各平台生产内容的习惯，feed流的信息量得以爆发式的发展。到了大数据时代，用户的兴趣及关系非常多元化，每天每个用户会接收到上千条内容，用户在获取信息流时，系统需要实时从海量信息中聚合及筛选大量内容，进行个性化的计算，访问的数据规模及计算量也是逐年呈数量级的上升。本主题通过在微博历年feed流架构的演进的经历来探讨feed在大数据时代的架构设计思路，探讨适合目前用户需要的信息流架构，主要内容提纲如下。

1. 典型的feed流模型，介绍典型feed设计的模型及重点考虑因素；
2. feed扩展性演进，功能、体验及性能的平衡。通过数次大的功能的改变的案例，来介绍如何达到架构的平衡；
3. 大数据时代的feed流架构，主要从如下两个方面展开；
4. 数据规模问题，分级缓存解决存储容量与访问效率；
5. 计算模型与框架：实时计算框架与计算模型设计。