组合作业

创建组合作业

通过创建组合作业，用户可以根据配置的策略规则进行离线计算得到不同策略的候选集ID，来进行在线流程计算，得到用户满意的推荐结果。组合作业具体实现请参见图1。

图1 组合作业

基本配置

基本配置主要包括设置组合作业的名称和描述。

1. 登录RES管理控制台，在左侧导航栏的“离线作业”下，单击“组合作业”进入组合作业页面。
2. 在“组合作业”页面上方，单击“创建”，进入“创建组合作业”页面。
3. 填写“名称”、“场景”和“描述”，其中带*标志的参数为必填参数。
   • 组合作业名称请以“Standard-”开始，只能由字母、数字、中划线和下划线组成，并且长度小于64个字符。
   • “场景”信息可选择您在全局配置页面创建的场景。
4. 完成该项配置后，单击“下一步”。

资源选择

您在使用RES时需要选择计算引擎、存储平台和数据源。计算引擎对数据进行计算，存储平台将处理的数据进行存储。其选择的服务资源即为“资源中心”绑定的资源。

1. 在RES管理控制台完成“基本配置”之后，进入“资源选择”页签。
2. 填写组合作业相关配置参数，请参见表1。

   表1 创建组合作业参数说明

   模块	参数名称	说明
   计算引擎	服务名	计算引擎用于推荐系统的离线计算和近线计算。默认DLI。
   	集群名称	选择“资源中心”绑定的DLI集群名称。
   	任务配置地址	在创建作业时， 会自动生成一个JSON格式的配置源文件，该文件存储在指定的OBS路径中，计算引擎可以通过读取配置源文件来进行离线计算。
   	资源名	指定DLI运行作业的资源规格。 可选择“全局配置”添加的计算资源或默认值。
   存储平台	服务名称	CloudTable作为存储平台，用于用户推荐在线数据和推荐候选集的存储。此处选择已经完成资源绑定的CloudTable。
   	集群名称	选择“资源中心”绑定的CloudTable集群名称。
   	表名	存储的表格名称。 您可以单击设置数据版本。RES的数据版本有两种，“V1”版本即数据按照原有格式存储，未做过分区处理。“V2”版本则会依照用户的分区设置做分区处理，当分区合理时，数据将均匀分布在各个节点，有效利用Cloudtable的高并发特性，提升读写效率。其中“预分区数量”和“索引分区数量”可以根据数据量进行设置，如果读写性能达不到要求，可以增加Cloudtable的RS单元数量提升性能。
   数据源	初始格式	选择提前已经存储在OBS上的如下数据源： 用户属性表 物品属性表 用户操作行为表 如上数据表的数据格式规范请参见离线数据源。 OBS上传文件操作详请参见《对象存储服务控制台指南》中的入门章节。 在对应表的“数据源”列中，单击选择数据的OBS存储路径。 在对应表的“数据格式”列中，数据格式可选：csv/json。 当选择数据格式为csv时，在弹框中设置数据参数，具体参数如下： 表头，有或无，根据用户数据格式选取。 分隔符，选择逗号（,）、竖线（|）、制表符（\t）和自定义。 引用字符，单引号（'）、双引号（"）和自定义。 转义字符，反斜杠（\）和自定义。 在对应表的“操作”列中，单击“清除数据”可以删除对应表的数据源。
   	通用格式	通用数据由特征工程“初始用户画像-物品画像-标准宽表生成”算子生成。其路径与“初始用户画像-物品画像-标准宽表生成”结果保存路径一致。 说明： 在使用通用格式数据之前，需要先进行特征工程算子计算。 通用格式数据：从用户属性表、物品属性表和用户操作行为表中提取用户、物品特征和用户行为，并生成JSON数据，即内部通用格式。 通用格式时间：用户行为数据时间范围，可只有起始时间、结束时间或为空。

3. 完成该项配置后，单击“下一步”。

召回策略

您可以根据业务需要，选择合适的召回策略。召回策略用于配置离线计算逻辑，通过启动离线计算任务进行候选推荐结果集的生成。

各个召回策略的详细参数设置和输入输出请单击下方链接查看。

• 基于特定行为热度推荐
• 基于综合行为热度推荐
• 基于物品的协同过滤推荐
• 基于用户的协同过滤推荐
• 基于交替最小二乘的矩阵分解推荐
• 业务规则-基于历史行为记忆生成候选集
• 业务规则-人工导入
• 基于属性匹配的召回策略

配置召回策略操作步骤如下：

1. 在“创建组合作业”页面，配置完资源选择参数之后，进入“召回策略”页签，单击“添加召回策略”，根据业务需要在下拉框中选择一个合适的策略，如图2所示。
   图2 召回策略
   
2. （可选）在目标召回策略右侧，单击“查看输入输出”，可以查看输入数据和输出数据。
3. （可选）在目标召回策略右侧，单击“设置参数”，可以对所选策略进行参数设置。
4. 具体策略的参数说明可单击上方策略名称进行查看，策略设置完成后，单击“下一步”。

过滤规则

过滤规则是用于配置候选集的过滤方式，使相关内容不进入候选集。过滤规则生成的候选集UUID用于最终结果推荐。

配置过滤规则操作步骤如下：

1. 在“创建组合作业”页面，配置完召回策略参数之后，进入“过滤规则”页签。
2. 填写业务相关配置，详请参见过滤规则。
3. 过滤规则设置完成后，单击“下一步”。

排序策略

排序策略是用于对召回策略生成的候选集进行二次排序。如果使用排序策略，需在特征工程中提交排序样本预处理，创建完成后才可以正常使用排序策略。

各个策略的详细参数设置和输入输出请单击下方链接查看。

• 逻辑斯蒂回归-LR
• 因子分解机-FM
• 域感知因子分解机-FFM
• 深度网络因子分解机-DeepFM
• 核函数特征交互神经网络-PIN

1. 在“创建组合作业”页面，配置完过滤规则参数之后，进入“排序策略”页签，如图3所示。用户可以根据业务需要在“添加排序策略”下拉框中选择一个合适的排序策略，请参见排序策略对所选排序策略进行参数设置。
   图3 排序策略
   
2. （可选）在目标排序策略，单击“删除”，可以删除对应排序策略。
3. 具体策略的参数说明可单击上方策略名称进行查看，策略设置完成之后，单击“下一步”进入“预览设置”页面。

预览配置

在“预览设置”页面，展示了创建作业的名称、资源信息、召回策略信息、过滤规则和排序规则详细信息。

预览结束后，单击“完成”，组合作业创建完成。作业一般需要运行一段时间，根据您的数据量和资源不同，训练时间将耗时几分钟到几十分钟不等。

您可以前往组合作业列表，查看作业的基本情况。在组合作业列表中，刚创建的离线作业“状态”为“计算中”，当离线作业的“状态”变为“计算成功”时，表示作业运行结束，生成的候选集ID将使用于在线服务，为用户生成推荐列表。当离线作业的“状态”变为“计算失败”时，您可以单击作业的名称，进入详情页面，通过查看日志等手段处理问题。