全球软件开发大会：美团外卖广告智能算力实践_26页_6mb

美团外卖广告智能算力实践总结

核心内容

美团外卖广告业务通过智能算力实践，实现了在不增加算力资源的前提下，提升广告收益和资源利用率。该实践基于对广告业务场景的深入理解，结合算力与流量价值的建模与优化，构建了一套完整的智能算力决策框架与保障机制。

主要观点

• 广告业务场景：广告检索链路包括召回、预估、排序等环节，其中流量价值与算力消耗密切相关。
• 算力与业务关系：信息获取类广告（如推广搜）更依赖算力，而交易类广告则更注重确定性结果。
• 智能算力目标：在总算力不变的前提下，通过优化算力分配，实现广告收益的最大化。
• 算力分配策略：采用“收益-算力”置换比（λ）模型，结合离线求解与在线决策，实现最优档位选择。
• 系统稳定性保障：引入流量准入、熔断降级、超时控制等常规措施，并结合PID实时调控，确保系统在动态变化中保持稳定。

关键信息

算力情况

• 机器资源：总机器数量超过1万，年增长率达50%。
• 算力与收益关系：算力增加可带来更好的广告结果，但无影响时需优化资源利用。

智能算力核心思想

• 最大化收益：通过优化算力分配，实现单位算力下收益最大化。
• 收益-算力置换比（λ）：用于衡量流量价值与算力消耗之间的关系，是决策的关键参数。

算力分配模型

• 数学建模：在算力约束下，最大化流量价值总和。
• 子问题拆解：
  • λ求解：通过离线仿真求解最优置换比。
  • 价值与算力预估：使用XGB模型预估流量价值（CPM + GMV）与算力（CPU时间）。
  • 最大算力C计算：基于统计模型计算最大算力消耗。

决策框架

• 流量价值预估：
  • 离线阶段：使用XGB模型，结合数据分桶提升泛化能力。
  • 在线阶段：采用原始价值预估与档位价值预估相结合的方式。
• 流量算力预估：
  • 使用CPU时间作为算力评估指标，通过分段线性拟合解决数据稀疏问题。
• 在线决策：
  • 根据λ值，选择使收益最大的档位。
  • 若最大收益小于0，则分配给简单模型。
• 系统稳定性保障：
  • 流量准入：控制不同广告位、城市、时段的流量范围。
  • 熔断降级：实时监控算力异常，自动切换兜底模型。
  • 超时控制：弹性算力决策为异步过程，超时后走兜底模型。
  • PID实时调控：基于系统状态（如tp999时间、超时率）动态调整弹性队列长度，形成闭环调控。

成果展示

• 全天算力持平：广告收入提升1.98%，ROI提升1.48%，CPM提升2.26%。
• 全天收入持平：机器资源节省40%，显著提升资源利用率。
• 收益来源：
  • 流量高峰期：通过资源转移提升收益。
  • 非高峰期：利用空闲资源填平收益。
• 时间资源优化：通过调整午高峰和晚高峰的算力分配，实现收益最大化与资源节省。

总结

智能算力实践通过问题建模、流量价值与算力预估、最优档位决策以及系统稳定性保障，有效提升了美团外卖广告业务的算力利用效率和广告收益。其核心在于通过λ模型实现算力资源的动态分配，并结合实时调控机制确保系统稳定运行。最终实现了在算力不变的情况下提升收益，或在收益不变的情况下节省算力资源，达到了收益与资源利用的最优平衡。