在生产环境的PaaS平台中，为了应对流量增长、负载尖峰、硬件升级、大规模局部故障等，通常需要留有一定的资源冗余。百度Feed后端服务在全网提供超过4个9的可用性，为了应对极端情况，各个地域的PaaS集群在设计上都有一定资源冗余。此外，为了控制成本，业务迭代需要取得合理的投入产出比之后，才能正式上线推全。因此，我们结合推荐系统的业务特点，设计并实现了一套介于在线和离线之间的弹性近线计算架构。相比于在线计算，近线计算突破了在线计算的速度限制，为业务计算提升复杂度提供了更大空间；相比于离线批量计算，提供了时效性更强，稳定性更更高的策略计算方式。通过弹性的近线计算架构设计，在速度、成本和业务复杂度之间提供了更大的折中空间，充分利用冗余资源进行计算，为业务提供廉价算力，累计降低了超过10%的在线计算资源成本。

演讲大纲

      1. 背景介绍

• 推荐系统业务特点&百度Feed架构简介
• 在线、近线&离线的基本概念弹性近线计算架构设计与实施

      2. 业务近线计算方案设计

• 从冗余资源到可用的廉价算力的资源超发机制
• 算力反馈、预估和计算参数动态调整
• 计算量触发控制与调度
• 历史计算信号&计算结果复用

     3. 弹性近线计算推广落地案例分享

• 百度Feed推荐队列服务在线&近线混合召回计算
• 搜索服务落地近线计算机制分享

     4. 总结与展望

听众受益

• 利用冗余资源获取额外算力的机制
• 策略&架构联合设计，安全的利用超发资源的设计思路
• 有效利用流量低谷期资源的架构实践