回调接口

回调接口也是 pairec 内置的 API 接口。 回调接口主要用来落实时特征日志。单独拿出来介绍。

背景

实时特征是推荐中很重要的一环，尤其是其中的实时序列特征，一般来说能达到较明显的推荐效果提升。然而实时特征对准确性的要求很高，如通过离线卡时间窗口关联的方式，由于很难估计系统各链路间的延时，很容易就出现特征不准确、特征穿越的问题，加上这些不准确的特征达到适得其反的效果。

如何定义准确性？一个训练样本S_i（对应推荐请求R_i）中的实时特征，需要是推荐请求R_i时刻的user和item特征，因此最佳保证实时特征是在推荐请求达到推荐服务的时候，在算法计算推荐结果的同时，把recomid+user的实时特征+item的实时特征落入日志中（如Kafka等），然后再导入到Odps中。

然而往往因为AB实验的原因，一个推荐服务不是接受所有的实验流量的，没有办法给所有的实验流量来落实时特征，训练的时候又往往需要全量的训练样本进行训练，这些样本都需要有实时特征才能发挥实时特征的效果。因此，最佳近似实时的方式是通过callback接口，简单来说，A服务如果想落实时特征（f1,f2,f3...），B服务在下发之前，会异步调用A服务的callback接口，告诉A服务下发列表，让A服务把这些特征给落下来。该方案灵活性也较高，A服务想落的实时特征不会跟B服务想落的产生冲突，且实时性有保障，下发时刻和算法获取特征的时刻是近似同时的，不会出现特征穿越的问题。

接口定义

接口名称

/api/callback

请求参数

请求样例

curl 'http://host/api/callback' -d '{"uid":"84603208","request_id":"d9cb1c8d-4d3f-491b-9ea3-380481dabde3","scene_id":"homepage","features":{}, "item_list":[{"item_id":"113939841"},{"item_id":"113764910"}],"request_info":{"recom_id":"1111111"}}'

返回数据

{
 "code":200,
 "msg":"success",
}