亿级视频内容如何实时更新

优酷视频内容数据天然呈现巨大的网络结构，各类数据实体连接形成了数十亿顶点和百亿条边的数据量，面对巨大的数据量，传统关系型数据库往往难以处理和管理，图数据结构更加贴合优酷的业务场景，图组织使用包括顶点和边及丰富属性图来展现，随着年轻化互动数据和内容数据结合，在更新场景形成单类型顶点达到日更新上亿的消息量。本文将分享阿里文娱开发专家遨翔、玄甫在视频内容实时更新上的实践，从图谱化的全新视角，重新组织内容数据的更新，诠释图谱化在业务更新场景的应用。

搜索推荐系统作为在线服务，为满足在线查询性能要求，需要将预查询的数据构建为索引数据，推送到异构储存介质中提供在线查询。这个阶段主要通过 Offline/Nearline 把实时实体、离线预处理、算法加工数据进行处理更新。这里包含了算法对这些数据离线和在线的处理，不同业务域之间最终数据合并（召回、排序、相关性等）。在平台能力方面采用传统的数仓模式即围绕有共性资源、有共性能力方面建设，形成分层策略，将面向业务上层的数据独立出来，而这种模式在实现业务敏捷迭代、知识化、服务化特征方面已不能很好满足需求。