11月8日，2022 vivo開(kāi)發(fā)者大會(huì )正式開(kāi)幕。此次大會(huì )以“MORE，近你所想”為主題，共設有1個(gè)主會(huì )場(chǎng)及9個(gè)分會(huì )場(chǎng)。其中，在互聯(lián)網(wǎng)技術(shù)-最佳技術(shù)實(shí)踐專(zhuān)場(chǎng)中，來(lái)自vivo的工程師們分享了wepy-chameleon編譯器、后羿低代碼平臺、實(shí)時(shí)計算平臺等6項成果，與開(kāi)發(fā)者們共同探討前沿技術(shù)實(shí)踐。
前端創(chuàng )新實(shí)踐，自研編譯器助力小程序架構升級
在早期的小程序開(kāi)發(fā)中，wepy框架能夠很好的解決模塊化、組件化等工程化問(wèn)題，但是隨著(zhù)時(shí)代的發(fā)展和演進(jìn)，社區逐漸沉淀出以 uniapp 為代表的 Vue 跨端體系和以Taro為代表的React跨端體系，wepy目前的社區活躍度比較低?；诋斍暗臉I(yè)務(wù)訴求，vivo自研推出wepy-chameleon編譯器，可以一鍵將wepy框架轉換為uniapp框架。
vivo互聯(lián)網(wǎng)用戶(hù)運營(yíng)前端專(zhuān)家 萬(wàn)安文
vivo互聯(lián)網(wǎng)用戶(hù)運營(yíng)前端專(zhuān)家萬(wàn)安文分享了wepy-chameleon編譯器思路和實(shí)現，包括單文件組件編譯轉換核心設計、整體編譯系統流水線(xiàn)設計、Parser解析器架構的設計與實(shí)現以及Transform轉換器的架構設計與實(shí)現。在編譯器的實(shí)現過(guò)程中，vivo團隊也遇到過(guò)一些挑戰，比如uniapp中的template string和Scope Style的適配問(wèn)題。
據萬(wàn)安文介紹，后續編譯器將覆蓋更多的wepy項目及場(chǎng)景，團隊也將繼續深挖業(yè)務(wù)中可以通過(guò)編譯提效的空間，用技術(shù)推動(dòng)業(yè)務(wù)的快速升級。
用低代碼平臺提效，解放開(kāi)發(fā)生產(chǎn)力
低代碼是一種可視化的應用開(kāi)發(fā)方法，可以用較少的代碼、以較快的速度來(lái)交付應用程序，隨著(zhù)前端新技術(shù)的出現及云原生時(shí)代的到來(lái)，低代碼的優(yōu)勢愈發(fā)顯現。分會(huì )場(chǎng)上，vivo專(zhuān)家分享了針對后臺toB系統建設以及游戲中心toC端native界面搭建的兩款低代碼平臺。
后羿低代碼平臺是一款在線(xiàn)可視化開(kāi)發(fā)平臺，能夠支撐運營(yíng)后臺業(yè)務(wù)的高效高質(zhì)量落地。該平臺采用了前后端分離的技術(shù)方案，更符合開(kāi)發(fā)思維，在實(shí)現方式上具有靈活性較高、拓展性較好、可集成度較高等優(yōu)點(diǎn)，在架構上也具有分層明確、低碼分離實(shí)現等優(yōu)勢，能夠滿(mǎn)足不同群體更加復雜的業(yè)務(wù)訴求。
vivo互聯(lián)網(wǎng)高級前端工程師 王寧
除技術(shù)方案外，vivo互聯(lián)網(wǎng)高級前端工程師王寧還分享了自研高性能渲染引擎、可視化配置方案以及千億級內容投放等提效秘訣。針對低代碼與傳統開(kāi)發(fā)如何共存的問(wèn)題，王寧表示，低代碼與傳統開(kāi)發(fā)并不沖突。一方面，平臺在不斷豐富場(chǎng)景模型以提高拓展能力和配置效率，另一方面，平臺在架構上兼容傳統的定制化開(kāi)發(fā)，二者優(yōu)勢互補，全面提效。
vivo游戲中心是vivo游戲核心的流量入口，然而在互聯(lián)網(wǎng)流量見(jiàn)頂和頻繁發(fā)版的背景下，游戲中心的首頁(yè)存在一些不足，概括來(lái)說(shuō)有兩點(diǎn)：缺少靈活多樣且能動(dòng)態(tài)調整的組件化能力，缺少可視化快速搭建頁(yè)面的能力。針對這些痛點(diǎn)，vivo互聯(lián)網(wǎng)游戲團隊推出了游戲中心低代碼平臺，通過(guò)組件化設計，滿(mǎn)足不同用戶(hù)的需求。
vivo互聯(lián)網(wǎng)架構師 陳文洋
vivo互聯(lián)網(wǎng)架構師陳文洋從標準組件打造、數據引入和頁(yè)面組裝三個(gè)方面詳細介紹了平臺的搭建過(guò)程。該平臺使得原先的研發(fā)流程發(fā)生了變化，能做到新增或修改組件無(wú)需發(fā)版，大大提升了開(kāi)發(fā)效率，縮短了項目周期。
打造穩定易用、安全高效的實(shí)時(shí)計算平臺，深度挖掘數據價(jià)值
2022年，vivo互聯(lián)網(wǎng)在網(wǎng)用戶(hù)總數達到2.8億，多款互聯(lián)網(wǎng)應用的日活超過(guò)了千萬(wàn)甚至突破了1億，為了向用戶(hù)提供優(yōu)質(zhì)的內容和服務(wù)，需要對海量數據進(jìn)行實(shí)時(shí)處理，同時(shí)，為了向廣告主提供更加優(yōu)質(zhì)的廣告服務(wù)，也需要提升商業(yè)化能力。然而，龐大的業(yè)務(wù)規模和業(yè)務(wù)增速給vivo的實(shí)時(shí)計算團隊帶來(lái)了非常大的挑戰。
對此，據vivo互聯(lián)網(wǎng)大數據平臺計算方向負責人陳濤介紹，vivo在2019年下半年就啟動(dòng)了實(shí)時(shí)計算平臺的建設，2020年關(guān)注在穩定性建設，初步上線(xiàn)了SQL能力，2021年引入了Flink 1.13版本并啟動(dòng)了容器化建設，2022年主要關(guān)注在效率提升，包括流批一體、任務(wù)診斷等，到目前為止，平臺已初步具備了一些能力。
vivo互聯(lián)網(wǎng)大數據平臺計算方向負責人 陳濤
據了解，平臺是vivo基于A(yíng)pache Flink計算引擎自研的覆蓋實(shí)時(shí)流數據接入、開(kāi)發(fā)、部署、運維和運營(yíng)全流程的一站式數據建設與治理平臺，支撐著(zhù)實(shí)時(shí)數倉、實(shí)時(shí)智能推薦、商業(yè)化實(shí)時(shí)廣告、實(shí)時(shí)安全、實(shí)時(shí)監控等五大業(yè)務(wù)中臺。
分支路徑圖調度框架落地，助力項目迭代提速
vivo效果廣告推薦系統是一套實(shí)時(shí)的AI在線(xiàn)預估服務(wù)，每天承載了百億次的廣告投放請求，支持了vivo的效果廣告收入，在可用性、可擴展性、健壯性等方面具有非常高的要求。其中，schedule是系統的核心模塊，負責業(yè)務(wù)邏輯調度，上下游依賴(lài)特別多。schedule在調度其他模塊時(shí)采用異步調度，異步調度管理方法則是有向無(wú)環(huán)圖，然而有向無(wú)環(huán)圖即使是目前使用最廣泛的方法但也并不完美，作為一種全路徑圖調度框架，有向無(wú)環(huán)圖已經(jīng)難以適用系統不斷增長(cháng)的復雜度。
為了安全開(kāi)發(fā)和提升迭代效率，新的調度方法被迫切的創(chuàng )建出來(lái)，那就是支持分支路徑的圖調度框架。它的原理是，在原有的圖調度框架中，添加兩處功能，一是加入了分支節點(diǎn)，二是對于圖中節點(diǎn)的觸發(fā)支持“與激活”和“或激活”。
vivo互聯(lián)網(wǎng)效果廣告AI架構師 周保建
vivo互聯(lián)網(wǎng)效果廣告AI架構師周保建用調度流程圖展示了分支路徑調度框架在vivo效果廣告推薦系統中的落地過(guò)程。使用分支路徑調度框架改造后，圖中添加了判斷節點(diǎn)，具體路徑的走向由判斷邏輯控制，系統可擴展性得到提升，系統熵增減輕。
當圖與實(shí)時(shí)在線(xiàn)系統融合在一起的時(shí)候，也顯現出了更多的是提升了空間，比如，圖的整體超時(shí)、異常管理，節點(diǎn)超時(shí)、異常管理以及復雜圖結構的自動(dòng)化簡(jiǎn)。周保健表示，vivo團隊后續將針對這些問(wèn)題做進(jìn)一步的優(yōu)化升級。
不斷實(shí)踐探索異構混排，為廣告主和用戶(hù)提供更優(yōu)服務(wù)
混排，就是需要在保障用戶(hù)體驗前提下，通過(guò)對不同隊列中的異構內容進(jìn)行合理混合，實(shí)現收益最優(yōu)，更好的服務(wù)廣告主和用戶(hù)?；炫诺暮诵奶魬鹬饕腥c(diǎn)：不同隊列item建模目標不同，難以直接對比;候選隊列常受到大量產(chǎn)品規則約束;由于業(yè)務(wù)限制，混排時(shí)往往不能修改候選隊列的序，需要實(shí)現保序混排。
vivo互聯(lián)網(wǎng)高級算法工程師沈技毅分享了vivo信息流和商店場(chǎng)景中的混排實(shí)踐。對于信息流場(chǎng)景，混排側主要解決的問(wèn)題是內容隊列與廣告隊列的混排問(wèn)題。這一場(chǎng)景下，vivo混排經(jīng)歷了三次迭代，分別是固定位混排、Qlearning混排以及深度位置型混排，整體思路是希望在Qlearning階段通過(guò)簡(jiǎn)單的強化學(xué)習方案累積樣本，快速探索收益，后續升級為深度學(xué)習方案。這帶來(lái)3個(gè)好處：與上游打分解耦，大大提高了混排穩定性;深度網(wǎng)絡(luò )，可容納信息量大;能夠考慮頁(yè)面間item相互作用。
vivo互聯(lián)網(wǎng)高級算法工程師 沈技毅
商店場(chǎng)景中，混排的核心問(wèn)題是實(shí)現廣告隊列與游戲隊列的混排，整體迭代包含了固定位混排、pid保量、帶約束混排、混排精細化分流4個(gè)階段。在當前階段，平臺會(huì )根據分流模塊判斷請求質(zhì)量，并針對性的設置混排模型。具體到重排模型上，采用生成式模型替代數值型模型，在實(shí)驗流量上收益對比原模型更為明顯，且不受上游打分影響，更為穩定。
在之前的探索實(shí)踐中，vivo已經(jīng)取得了一些成果，為技術(shù)人員帶來(lái)了更高效的開(kāi)發(fā)體驗，為用戶(hù)帶來(lái)了更優(yōu)質(zhì)的產(chǎn)品體驗。但業(yè)務(wù)需求和技術(shù)工具是在不斷變化發(fā)展的，未來(lái)，vivo也一定不會(huì )松懈，持續探索技術(shù)，迭代產(chǎn)品工具，不斷為用戶(hù)創(chuàng )造驚喜，為行業(yè)帶來(lái)革新。
