PAI-Rec 兜底功能在主推荐链路超时或结果不足时，自动启用兜底策略，确保服务高可用与推荐结果不为空。
阿里云 PAI-Rec 推荐白盒化产品 —— 兜底功能说明
1. 概述
为保障服务高可用性与用户体验稳定性，PAI-Rec 内置兜底机制（Fallback Mechanism）。
当主推荐链路因超时或结果数量不足无法正常返回有效推荐时，系统将自动启用预设的兜底策略，快速生成替代结果，确保请求始终返回符合预期数量的有效推荐内容，避免空结果或服务中断。
注意：兜底功能与主推荐链路部署在同一服务实例内，不依赖外部降级服务，响应延迟低，适用于对 SLA 要求严格的在线推荐场景。
2. 使用场景
兜底功能主要应对以下两类主链路异常情况：
主链路执行超时
例如在大促、流量高峰或模型复杂度突增时，召回、过滤或排序阶段耗时超过阈值，导致整体响应延迟升高。主链路返回结果数量不足
主链路虽完成执行，但最终产出 item 数量低于业务期望值（如目标返回 50 条，实际仅返回 10 条），影响展示效果。
3. 兜底策略类型
PAI-Rec 支持两种兜底策略，按优先级顺序依次尝试，直至满足目标返回数量：
策略类型 | 说明 |
上下文召回 | 用户可预先上传静态 ID 列表（如运营指定商品），兜底时优先返回该列表内容。 |
全局热门池 | 基于全站行为统计的热门物品（如近7天点击/转化 Top-N），用于补充上下文召回不足的部分。从候选物品池中随机采样，作为最终兜底手段，确保结果数量达标。 |
4. 配置方法
兜底策略通过 PAI-Rec 控制台 的 引擎配置 进行设置，配置格式为 JSON，并支持热加载，无需重启服务即可生效。
4.1 触发条件和数据来源配置
在引擎配置中，通过在场景配置中添加以下字段，设置兜底触发条件和兜底数据来源：
{
"SceneConfs": {
"home_feed": {
"default": {
"FallbackConfig": {
"Timeout": 50,
"FeatureStoreName": "fs_pairec",
"FeatureStoreViewName": "global_hot_v1",
"CacheTime": 7200,
"CompleteItemsIfNeed": false
}
}
}
}
}字段名 | 类型 | 是否必填 | 描述 |
Timeout | int | 是 | 超时时间，单位毫秒 |
FeatureStoreName | string | 是 | FeatureStore 数据源名称 |
FeatureStoreViewName | string | 是 | FeatureStore特征视图名 |
CacheTime | int | 否 | 兜底数据缓存时间,单位秒 |
CompleteItemsIfNeed | bool | 否 | 是否在数量不足时进行补足 |
4.2 兜底数据源
上下文召回列表：用户需在 PAI-Rec 接口中上传物品列表，并在引擎配置中ContextItemRecall 。参考文档：上下文召回（ContextItemRecall）
全局热门数据：
可通过 PAI-Rec “推荐方案定制”功能自动生成；
或由用户自行构建后写入 PAI FeatureStore；
FeatureStore 数据源配置参考：FeatureStore（特征平台）
5. 运行机制
PAI-Rec 采用 并行执行 + 结果替换 的兜底架构：
请求进入后，主推荐链路与兜底监控逻辑同时启动；
系统持续检测是否满足兜底条件（超时或数量不足）；
一旦触发，立即执行兜底策略生成完整推荐结果；
主链路仍继续运行至完成（便于日志分析），但其结果会被丢弃；
最终对外返回 100% 来自兜底链路的结果。
6. 监控与日志
6.1 监控指标
PAI-Rec 支持对接以下监控系统：
Prometheus
阿里云 ARMS
提供核心指标：
兜底触发次数（pairec_fallback_total）
基于触发次数指标和推荐总次数可以计算兜底触发率，PAI-Rec 提供 Grafana 监控大盘配置可以查看兜底触发率，可以参考文档：配置可观测监控Prometheus
建议在 ARMS 中配置告警规则，当触发率突增时及时排查主链路异常。
6.2 服务日志
兜底相关日志包含关键字段，便于追踪：
requestId=abc123 module=fallback useCache=true cost=1requestId：关联主链路与兜底日志module=fallback：标识兜底模块useCache：是否命中缓存（如热门池缓存）cost：兜底逻辑执行耗时（单位：ms）
7. 使用限制与最佳实践
限制说明
兜底返回数量受底层物品池大小限制（如热门池仅含 1000 个 item，则最多返回 1000 条）；
全局热门数据必须存储在 PAI FeatureStore 中，目前不支持其他数据源；
不支持轻量级模型兜底或复杂策略组合。
最佳实践
定期更新 FeatureStore 中的热门数据，确保时效性；
在大促前压测兜底链路，验证其性能与容量；
结合 ARMS 监控兜底触发率，将其作为主链路健康度的重要指标。