浅谈搜索展现层场景化技术-tanGo实践

点击蓝字，关注我们

上面是搜索对单需求，需求簇（相同需求的多个单结果聚合）的满足样式，对于更复杂的场景，如高考、奥运会等大事件场景，搜索需要能进行场景的识别，进而召回不同的需求簇。

下面从搜索概念上，理解下场景化产品需要满足的不同场景：

3.1.1 场景化产品抽象

从展现技术上看，需求簇和需求组均为单结果的集合，纬度粒度不同，整体将检索请求处理过程，抽象为基础的几个阶段，对各阶段实体化抽象。

1、资源：召回摘要的表示单位，这里的资源可能是从各种检索引擎或者数据库检索出的摘要

2、卡片：检索展现的最小单位。完成资源调度召回，组装摘要到前端模板的映射

3、场景：检索需要依据 query 解析识别出要展示的子场景，完成不同的需求组的召回

3.1.2 框架建设技术思路

业务流程处理标准化，处理流程核心考虑点

建立标准化组件共建机制

建立标准化类库共建机制

其他关键点

3.1.3 衡量指标

规模：

效率：

用户满意度：

基于前面对业务场景的抽象和技术抽象，构建了如下框架建设框图。主要核心点：

3.3.1 检索流程设计

设计目标：

一套标准处理流程，抽象检索各阶段

上图是检索请求的处理过程，各阶段以组件形式组织，组件为架构和业务同学共同开发，不同类型组件在检索的各个的阶段会被调度，业务同学可专注领域组件的研发，其他协议的封装转换框架研发统一提供和对接。

3.3.2 配置化设计

设计目标：

关键技术点：

上图是对不同阶段组件配置化的具体化示例，配置化带来的优点：检索过程透明可见；运维成本可控；学习和接受成本低。

3.3.3 资源调度设计

从前面介绍到的场景化处理流程、配置化中可见，在场景计算过程中的卡片调度，卡片处理过程中的资源调度，都用到了串并行拓扑调度，因为需要为框架设计一套简易 DAG 执行引擎。

设计目标：

关键技术点：

1、设计一套简易满足需求的DAG规则语法

• 基础的流程控制：串行、并行、条件控制语法

• 异常控制：程序异常、超时等捕获处理

• 语法简单，上手成本低

2、DAG调度引擎：基于配置的DAG规则执行图谱调度

从图上，可以看到检索请求的处理过程中，会根据用户场景的需求识别，进行着场景、卡片的图化调度，以实现用户对复杂需求的召回响应，组件之间通过上下文串联通信。

3.3.4 共建机制打造

检索流程设计时，考虑框架的可持续性和可扩展性，提取抽象出了组件的概念，上面检索流程处理里面，在不同的阶段调度着各种处理组件响应检索，包含请求级、卡片级、资源级，这些都是可扩展的调度阶段。

整体思路，如图拆分为2类组件，架构和业务共同建设，最大程度的实现可复用、且业务可扩展。

3.3.5 易用性打造

完成了框架的建设后，面临怎么做才能更贴近业务，怎么才能更易用？下面是在易用性方向的建设。

易用性是落地和规模化非常重要的一步，需要站在一线研发视角，端到端看交付全流程问题，然后针对各阶段的问题，配套建设工具链，提高运行效率。

上图是研发不同的阶段，框架团队提供的部分支持，一方面是保障接入、开发效率，同时也积极的例行收集反馈，以更好的改进完善。

一个项目从需求构建到工程落地，再到应用及规模化，各个阶段，细节问题还是比较多的，大家如感兴趣搜索阿拉丁产品或者感兴趣搜索展现技术问题，可以留言交流。