Airbnb Cuts Recommendation Staleness from 2 Days to Seconds with Chronon

Airbnb 使用 Chronon 将推荐系统陈旧度从 2 天缩短至数秒 - InfoQ

InfoQ 首页 News Airbnb 使用 Chronon 将推荐系统陈旧度从 2 天缩短至数秒

架构与设计

QCon 旧金山（11 月 16-20 日）：深度技术会议。改变你思维方式的同行对话。

Airbnb 使用 Chronon 将推荐系统陈旧度从 2 天缩短至数秒

2026 年 10 月 28 日 2 分钟阅读

作者：

• Leela Kumili

#### 关注我们

YouTube

232K 粉丝

LinkedIn

26K 粉丝

Instagram

新

RSS

19K 读者

X

57.1k 粉丝

Facebook

21K 喜欢

Bluesky

收听本文 -

0:00

音频准备就绪

您的浏览器不支持音频元素。

正常

1.25x

1.5x

喜欢

新下拉阅读列表

• 阅读列表

Airbnb 通过向其开源 Chronon 平台新增推送模式（Push Mode）和近实时（NRT）模型转换功能，实现了在用户行为发生后数秒内更新基于序列的推荐嵌入向量。该改进将嵌入向量陈旧度从近两天缩短至不到一分钟，典型更新可在 10 至 30 秒内完成。Airbnb 报告称，离线 NDCG 指标提升了 1.67%，在线 A/B 测试中未取消预订量增加了约 0.33%。

这项工作基于 Airbnb 的 JourneyFormer 序列推荐系统，该系统使用 Transformer 编码器来表示用户的预订、评论和浏览历史。此前，编码器作为每日批量作业运行，生成的嵌入向量存储在低延迟存储中。在搜索过程中，排序系统会检索最新的嵌入向量并与实时查询结合，将 Transformer 保留在对延迟敏感的服务路径之外。然而，每日批量处理之后发生的行为可能在下一次运行前无法及时反映在嵌入向量中，导致有效陈旧度接近两天。

Airbnb 初始架构展示了每日批量序列编码器、嵌入存储和在线排序路径。（来源：Airbnb 博客）

Airbnb 通过为 Chronon 新增两项功能解决了数据新鲜度问题。推送模式会在特征值提交时触发流式作业发布通知，使下游处理能够响应更新的用户行为，而非轮询或等待计划任务。NRT 模型转换允许已部署的模型在流式处理管道中运行。Airbnb 在近实时路径中使用与批量系统相同的 Transformer 序列编码器，避免了为流式工作流单独实现推理逻辑。

新管道能够捕获搜索和房源浏览等事件，将其与用户的短期和长期序列数据结合，并在更新后的特征状态可用时触发模型推理。生成的嵌入向量随后写入与批量系统相同的低延迟存储。因此，在线排序路径基本保持不变，而其检索到的表示却变得更加实时。

Airbnb 基础设施部门高级软件工程师 Pengyu Hou 将平台改进描述为弥合事件驱动数据与模型推理之间差距的突破：

NRT 模型转换使 Chronon 能够直接在流式处理流程中调用已部署的模型。

方法遵循更广泛的特征服务模式，当底层特征发生变化时，预测可以更新，而不是在每次用户请求时重新计算。另一个开源特征平台 Feast 文档中提到了缓存预测架构，在这种架构中，推断由特征更新触发，以额外的写入和流水线复杂性换取更低的服务延迟。Chronon 则将其流式计算和模型转换集成到特征平台中，并强调离线与在线计算之间的一致性。

Airbnb 的准实时 Chronon 架构（来源：Airbnb 博客文章）

Airbnb 向公共 Chronon 仓库贡献了 Push Mode 和 NRT Model Transform。Chronon 支持批处理和流式计算，并提供专为保持训练与生产推断之间一致性设计的在线特征服务。

作者部分主容器

关于作者

章节标题

每个作者的主容器

#### Leela Kumili

显示更多

显示更少

#### 此内容属于流处理主题

##### 相关主题：

• 开发

• 架构与设计

• 人工智能、机器学习与数据工程

• 机器学习

• 平台

• 批处理

• MLOps

• 事件驱动架构

• 流处理

• 实时处理

• Transformer 模型

• 相关编辑内容

• 相关赞助 AI 安全手册：加速 AI 进程，同时不牺牲安全性

• 相关赞助 Equal Experts 帮助组织利用 AI，现代化技术，并通过专家工程、协作和创新交付实践构建更好的软件。了解更多。

InfoQ 新闻通讯

每周内容精选，每周二发送。加入超过 250,000 名高级开发者的社区。查看示例

我们保护您的隐私。