DoorDash推出了徽章服务框架（BSF），通过配置驱动的方式简化了徽章创建与管理流程。BSF标准化了接口，支持跨平台一致展示，提升了开发速度和产品灵活性。框架包含徽章处理器、用例组和类型等抽象模块，支持实验和动态配置，无需代码变更即可上线新徽章。BSF显著提升了徽章发布效率，增强了用户体验和系统可观测性。

DoorDash通过多年努力，构建了统一的内部门户案例管理平台，解决了多工具切换、数据碎片化等问题。平台采用渐进式迁移策略，引入React前端和Kotlin后端，优化了用户体验和数据整合。自动化功能和缓存策略提高了效率，支持复杂场景如欺诈调查和电话/聊天支持。新架构提升了系统互操作性，减少了手动操作，显著改善了案例处理速度和准确性。

DoorDash通过创新的Geo-Grid-Cache系统，优化了配送路由的效率和精度。该系统将服务区域划分为H3地理网格，预先计算并缓存配送时间，大幅降低了实时计算的延迟和成本。结合多分辨率设计，确保了短途与长途配送的准确性。借助Databricks的Spark技术，离线数据处理效率提升了10倍，为用户提供了更快速、更可靠的配送体验。

DoorDash在2023年推出了商品标签功能，但遇到了系统分散、测试框架不统一等挑战。2024年，团队通过平台化改造，将标签数据与UI渲染解耦，并集成到产品知识图谱（PKG）中。PKG通过机器学习处理菜单和商品数据，支持标签的快速创建和应用。存储层基于CockroachDB构建，提供直观的数据建模和高效查询。未来将深入探讨如何将标签转化为UI展示的徽章。

DoorDash 从单体架构转向微服务架构后，面临服务间通信不统一、系统复杂性增加等问题。2021年的一次严重宕机促使团队加速构建基于 Envoy 的服务网格，以标准化通信、提升可靠性。初期通过最小化功能集快速上线，逐步引入负载均衡、熔断器等关键功能。随着服务网格的扩展，团队解决了多种兼容性和性能问题，最终支持了每秒超过8000万请求的峰值流量。

DoorDash正在从microrepos转向monorepo,以简化依赖管理和代码重用。尽管monorepo带来了可扩展性和构建时间的挑战,但DoorDash通过自研的分布式构建服务解决了这些问题,实现了高效的并行构建。该服务使用Gradle,支持Kotlin和protobuf项目,通过动态配置和资源管理优化构建过程,显著提高了构建速度和可靠性,提升了开发者的工作效率。

DoorDash采用大语言模型优化搜索系统,通过知识图谱和混合检索策略提升查询理解。系统灵活处理复杂查询,精准链接用户意图与商品属性,确保搜索结果相关性。结合检索增强生成技术,有效减少模型幻觉,提高检索精度。在线测试显示,新系统显著提升用户体验和转化率,为动态市场环境下的复杂查询处理提供了新思路。

DoorDash通过机器学习与生成式AI融合,提升客户体验,扩展至杂货、酒精等新领域。ML模型优化产品推荐、配送路线等,LLM助力产品知识图谱构建,提升搜索精准度。LLM辅助标注加速数据处理,自动化检测产品目录不一致,确保购物体验流畅。多意图、多实体、地理位置感知的搜索引擎,结合个性化推荐,提供更相关、易用的搜索结果。DoorDash持续探索多模态LLM,提升服务个性化与效率。

DoorDash通过使用大型语言模型(LLMs)和检索增强生成系统(RAG)优化了其Dasher支持系统。新系统能快速解决配送问题,但面临响应准确性、语言一致性等挑战。引入LLM Guardrail和LLM Judge等工具确保响应质量和合规性。尽管自动化提高了效率,复杂问题仍需人工处理。未来,系统将持续改进,以增强处理复杂问题的能力。

DoorDash leverages interleaving designs to boost experimentation sensitivity, enabling faster, more precise insights compared to traditional A/B testing.

Learn how DoorDash built a Kafka self-serve platform to streamline infrastructure management, empower engineers, and enhance scalability and security.

Discover how DoorDash uses metric-aware rollouts to enhance app health and user experience while innovating product development strategies.

Discover how DoorDash implemented a multi-tenancy awareness system for both Kafka producers and consumers.

DoorDash proactively embeds privacy into its products by geomasking user address data while maintaining local analytic capabilities.