1.技術(shù)架構(gòu)概要

如圖7-22所示，DSP系統(tǒng)從技術(shù)架構(gòu)上涉及：投放平臺、投放設置用戶交互模塊（setupUI）、報表（Report）、算法引擎等等模塊。算法引擎模塊主要是大數(shù)據(jù)及算法的機器學習大量采用分布式技術(shù)（例如hadoop），對用戶日志、人群數(shù)據(jù)進行建模及機器智能處理。算法引擎模塊處理好的人群數(shù)據(jù)、算法模型等等數(shù)據(jù)通過海量內(nèi)存技術(shù)（例如redis）暫存在內(nèi)存中，便于Bid投放引擎快速查詢使用，全部暫存在內(nèi)存中的目的是為了在100ms完成競價過程，確保在DSP方《30ms處理完成，為網(wǎng)絡通訊流出時間。Bid投放引擎是典型的大集群模式用于響應大并發(fā)的請求，且確保每個請求《30ms處理完成。Bid投放引擎的投放規(guī)則（預算、頻次、投放策略設置等等數(shù)據(jù)）也都是存在內(nèi)存中的便于快速查詢。投放策略設置的數(shù)據(jù)內(nèi)容都是用戶通過投放設置用戶交互模塊中的界面完成的。另外還有一些十分重要的輔助模塊，例如：廣告曝光點擊數(shù)據(jù)回收模塊、idmapping模塊、大數(shù)據(jù)報表模塊、內(nèi)置DMP模塊等等。

圖7-22技術(shù)架構(gòu)概要示例

2.DSP內(nèi)部技術(shù)處理流程概要

DSP內(nèi)部技術(shù)處理主要依賴一些關鍵技術(shù)處理設施，主要的包括：原始海量log系統(tǒng)、海量消息并行處理隊列（例如采用spark技術(shù)）、海量內(nèi)存系統(tǒng)（例如采用redis技術(shù)）、業(yè)務系統(tǒng)關系型數(shù)據(jù)數(shù)據(jù)庫等等。如圖7-23所示，一條技術(shù)處理線路是廣告請求處理線：廣告競價Bidder海量的實時廣告請求處理會產(chǎn)生海量的原始log、同時Bidder也頻繁的同海量內(nèi)存系統(tǒng)交互讀寫廣告請求相關的頻次、消耗等等數(shù)據(jù)，然后廣告請求log經(jīng)過過并行處理隊列處理灌入報表數(shù)據(jù)庫及相應的大數(shù)據(jù)人群及模型數(shù)據(jù)庫。另一條技術(shù)處理線路是廣告曝光、點擊等等監(jiān)測數(shù)據(jù)的回收，開始也是產(chǎn)生大量的原始log、同時數(shù)據(jù)回收引擎同海量內(nèi)存系統(tǒng)交互寫如廣告曝光、點擊相關的頻次、消耗等等數(shù)據(jù)。然后廣告曝光、點擊log經(jīng)過過并行處理隊列處理灌入相應報表數(shù)據(jù)庫及相應的大數(shù)據(jù)人群及模型數(shù)據(jù)庫，同時并行處理隊列進行大量的機器智能分析更新部分人群數(shù)據(jù)及模型數(shù)據(jù)，同時同步更新到Bidder數(shù)據(jù)庫及內(nèi)容系統(tǒng)中供Bidder實時競價時使用。

圖7-23DSP內(nèi)部技術(shù)處理流程概要示例

3.DSP競價核心處理流程概要（《30ms）

如圖7-24所示，DSP的Bidder競價模塊設計約束核心處理時間極短，《30ms。為了解決適配不同ADX流量的不同接口。在接受廣告請求，及輸出返回時，會針對不同ADX平臺接口使用適配器設計模式采用不同適配器予以處理。但整體處理流程不變。中間業(yè)務處理部分也使用過濾器的設計模式，增加新業(yè)務時根據(jù)業(yè)務需要增加過濾器實現(xiàn)即可。這樣做的好處是整體的Bidder競價核心模塊處理流程框架相對穩(wěn)定，不會隨這業(yè)務的變化而變化。具備十分強大的業(yè)務靈活性和應對高性能的水平擴充性。

圖7-24DSP競價核心處理流程概要示例

4.競價程序處理過程概要

如圖7-25所示，Bidder競價處理器內(nèi)部也會依據(jù)業(yè)務處理依次分為：索引器快速過濾廣告（采用索引器的好處是檢索效率極高，當然索引器僅能用戶簡單的過濾條件，例如：尺寸索引、平臺及廣告位索引、瀏覽器索引、操作系統(tǒng)索引、地域索引等等）。廣告過濾（投放策略相關規(guī)則需計算的過濾條件是無法使用索引器，例如：預算、曝光、日期、頻次、人群定向、創(chuàng)意類型等等）。上述這兩層過濾都是為了廣告請求過濾可供投放的候選廣告列表，然后通過出價算法的處理給出該廣告列表中各廣告的出價（這里可能會用到動態(tài)出價算法，也可能使用的固定出價策略（采用何種出價策略及是否使用算法都是在投放設置界面中有人工設設置的））。然后會進行低價過濾（根據(jù)廣告請求中的底價過濾掉出價低于底價的那些候選廣告）。最后排序并決策勝出（根據(jù)各候選廣告的出價及算法附帶給出的優(yōu)先級權(quán)重綜合排序，排名第一的勝出，即將以該廣告內(nèi)容準備競價返回）。曝光點擊動態(tài)代碼生成（以上一步勝出的廣告內(nèi)容生成曝光點擊動態(tài)代碼，生成動態(tài)曝光點擊代碼有很多目的，例如防作弊，全程攜帶投放參數(shù)追蹤等等）。Bid/Unbid日志記錄（結(jié)束處理時異步啟動）。

圖7-25競價程序處理過程概要示例

5.分布式集群概要

如圖7-26所示，為了應對海量的廣告競價業(yè)務需要，及大數(shù)據(jù)的分布式計算基礎設施的需要。DSP在系統(tǒng)架構(gòu)設計上需要支持分布式支持水平擴容，架構(gòu)支持大并發(fā)、大數(shù)據(jù)、高可用、高容錯等等特征。

圖7-26分布式集群概要示例