在企业级AI基础设施领域,Booking.com披露了其数据管理与机器学习平台长达20年的演进路径。该公司相关负责人Jabez Eliezer Manuel在技术分享中介绍了这一历程,涵盖从MySQL拓扑扩展、弃用Hadoop转向云架构,到构建高吞吐模型服务与特征存储的完整过程。
据披露,Booking.com的模型服务与特征存储系统目前每天处理约4000亿次预测。这一规模意味着其AI基础设施需在极低延迟下维持稳定吞吐,以支撑平台上的实时个性化推荐、搜索排序与在线实验等核心业务场景。
在架构层面,Booking.com经历了从传统关系型数据库到云原生体系的迁移。早期通过扩展MySQL拓扑应对数据增长,随后逐步弃用Hadoop,将数据处理与分析负载迁移至云架构。这一调整降低了运维复杂度,也为后续机器学习平台的弹性扩展提供了基础。
除基础设施外,该公司还分享了在个性化与交错实验(interleaved experimentation)方面的实践。交错实验方法允许在单次请求中同时比较多个排序或推荐策略,从而以更少的流量获得更可靠的评估结果,这对高频迭代的推荐系统具有实际价值。
值得关注的是,Booking.com正在构建面向智能体(agentic AI)的新一代AI基础。该方向意味着系统将从传统的预测服务向具备自主决策与任务执行能力的智能体架构延伸,对模型编排、工具调用与实时数据供给提出更高要求。
从行业视角看,Booking.com的案例反映了大型在线平台在AI基础设施上的共同路径:先解决数据规模与系统稳定性问题,再通过特征存储与模型服务标准化提升迭代效率,最终向智能体化演进。其日处理4000亿次预测的规模,也为评估企业级AI系统的吞吐能力提供了参考基准。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。