整體配置概述

為了降低推薦引擎的使用門檻，我們通過全面且細致的配置化來表達推薦召回、過濾、排序和重排的流程。允許用戶在無需編寫一行代碼的前提下，通過配置文件描述整個推薦的流程，包括從什么存儲去讀取要推薦的候選物品，完成曝光過濾，指定用某種模型來排序，最后再重排。在推薦系統中需要為算法工程師、策略工程師完成多種實驗，我們還提供了a/b testing服務，幫助用戶配置AB測試服務。

由于阿里云提供多樣的存儲選項，我們支持將數據存儲于Hologres、BE、OTS和Redis中。具體選擇哪一種存儲方式，后續文檔將進行詳細介紹。

當推薦場景每天有很多新物品的時候，我們還支持冷啟動的配置。

PAI-Rec 引擎支持熱加載，所以我們只需要更改配置，重新發布配置即可。

整個配置主要由以下構成：

{
  "RunMode": "",
  "ListenConf": {},
  "RecallConfs": [],
  "SceneConfs": {},
  "FilterConfs": [],
  "FilterNames": {},
  "BeFilterConfs": {},
  "GeneralRankConfs": {},
  "AlgoConfs": [],
  "RankConf": {},
  "ColdStartGeneralRankConfs": {},
  "ColdStartRankConfs": {},
  "SortConfs": {},
  "DPPConf": {},
  "SortNames": {},
  "FeatureConfs": {},
  "UserFeatureConfs": {},
  "HologresConfs": {},
  "KafkaConfs": {},
  "RedisConfs": {},
  "MysqlConfs": {},        
  "GraphConfs": {},
  "FeatureStoreConfs": {},
  "KafkaConfs": {},
  "SlsConfs": {},
  "DatahubConfs": {},
  "BEConfs": {},
  "TableStoreConfs": {},
  "PrometheusConfig": {},
  "LogConf": {},
  "DebugConfs": {},
  "CallBackConfs": {},
  "PipelineConfs": {},
  "UserDefineConfs": {}
}