视频推荐流

课程简介

欢迎来到”系统设计 - 视频推荐流”课程。

视频推荐流看起来只是“给用户下一条视频”，但背后同时牵涉内容生产、视频转码、CDN 分发、用户行为采集、召回、排序、去重、冷启动、风控和体验指标。推荐算法只是其中一环，真正的系统设计要把内容、流量、数据和模型串起来。

这门课从一个首页视频流开始，逐步设计一套高并发、个性化、可治理的视频推荐系统。

课程会围绕同一个视频 App 的增长过程推进：第一版只有人工精选列表；创作者涌入后，上传、转码、审核和 CDN 成为内容链路；用户增长后，热门列表无法满足个性化，于是引入召回和排序；当策略持续迭代，系统最终需要行为日志、特征平台、A/B 实验和治理护栏。

学习路线

1. 视频推荐流概述：明确推荐流的业务目标、用户体验和核心指标。
2. Feed 流基础：设计视频卡片、游标分页、曝光去重和基础数据模型。
3. 视频上传：处理上传、转码、封面、审核和内容状态流转。
4. CDN 分发：让视频播放走边缘节点，降低首帧延迟和源站压力。
5. 推荐算法：理解画像、特征、相似度和基础推荐策略。
6. Feed 流召回：从关注、热门、兴趣、协同过滤等通道生成候选集。
7. 排序优化：用多目标排序平衡点击率、完播率、内容多样性和安全。
8. 完整系统：总结最终架构、关键决策、实验体系和上线检查清单。

学完后，你应该能从读者视角理解：视频推荐流不是单个模型，而是一套内容供给、实时分发、数据反馈和策略迭代的系统。

这门课会把算法放回工程系统里讨论：哪些视频有资格进入推荐池，推荐服务如何知道视频能播放，曝光日志为什么比点击日志更基础，模型超时时如何降级，实验结果如何决定下一次策略发布。