如何在五周内构建TravelTech推荐系统：用Kafka和MongoDB替代特征存储

Christina是Tutu公司的一名MLOps工程师，她解释了团队如何在短短五周内推出推荐系统（RecSys v1），以满足旺季截止日期的要求。他们没有构建一个完整的特征存储（这需要数月时间），而是使用MongoDB作为临时的在线存储，将来自Kafka的实时订单和来自ClickHouse的夜间批量特征写入每个用户的单个文档中。主要的工程挑战是处理特定行程的上下文——目的地城市、日期和客人数量——这些仅靠协同过滤无法捕捉。他们设计了API契约，以接受用户购买历史中的目标订单，将UTC日期转换为到达城市的当地时间，以确保正确的入住/退房日期。服务在推理期间仅从MongoDB读取，当ALS向量缺失时，回退到按订单数排序的热门酒店。后来，他们升级到CatBoost进行排序，在服务启动时从对象存储加载模型。他们还通过快照Kafka主题回填历史订单，以确保热路径用户有历史记录，并通过order_id合并重复订单。这种务实的方法让他们在没有完美架构的情况下，在实时流量上验证了假设。