从社区到平台，从0到超2000万注册用户，小红书与成长背后的技术架构如何变迁日前，小红书CTO郄小虎(Tiger)接受《腾讯云会客厅》及CSDN记者专访，介绍小红书在转型发展中遇到的技术挑战，和如何通过云计算来实现系统的扩容、安全，以及基于大数据和机器学习的个性化推荐应用。
小红书技术架构变迁及挑战
郄小虎介绍，小红技术架构的发展经历了三个阶段：
引入了电商业务之后，事务性和一致性需求的解决成为迫在眉睫的问题。这个阶段的主要工作是在现有技术架构的基础上实现事务性、一致性的需求。这也是小红书后台技术经历的最重大的一次变化。
社区电商业务的飞速发展，带来了系统性能的瓶颈。这个阶段，小红书开始从存储层到逻辑层到服务层去对系统进行扩容，从一开始的集中式架构，慢慢地改造成服务化、模块化的分布式架构，整个技术体系能够变得更加独立、灵活，而且易于扩容。
系统可能面临的最大的挑战来自于规模和经验：
业务逻辑的完善。去年的“6.6周年庆”，在流量上并不是特别大的问题，但那是小红书第一次做大规模促销，支持电商业务的功能上有很多不到位的地方，比如秒杀系统最开始的在逻辑上是存在缺陷的。
高并发流量。到去年红五(红色星期五)的时候，小红书在业务逻辑的层面已经积累了相当多的经验，最大的考验转移到流量上。小红书历史上的最高峰值是在红五时候出现的，已经真正挑战到了系统的一些极限。
云计算实践
应对互联网业务挑战的关键，是架构的云化，小红书也选择了云计算服务。
选择云服务的考量
小红书在选择云计算技术时主要从以下三个层面来考量：
硬件资源。云平台作为一个基础的计算和存储的平台，当小红书需要更多的计算能力或者更多的存储容量时，这个平台能够很快地满足扩容的需求。
基础软件。业务系统的实现需要技术团队搭建很多的功能模块，可以在云基础架构平台上自己搭建，也可以去选用平台提供的一些现成服务，如数据库服务、Redis缓存、数据计算系统。
腾讯云的应用
基于上述理念，小红书尝试了不同的云服务组合，目前较为核心的业务系统部署在腾讯云上，硬件基础架构和增值服务依赖于腾讯云。基于支撑腾讯社交业务的技术打造的腾讯云，对满足小红书这两方面的需求没有压力;第二部分则是一个混合的模式——比如，数据库和Spark是自己搭建的。
存储系统
小红书现在采用的数据库技术是NoSQL，是初期打造社区应用时候做出的选择，因为NoSQL更适合大规模、高并发的社区场景，同时社区应用对事务性、数据一致性的要求没有那么强，NoSQL完全可以满足，而如果采用传统关系统数据库，开发成本也会变得比较高。
安全
小红书遇到的攻击，最常见的是简单粗暴的流量攻击，目的就是为了把网络带宽耗尽、阻塞，让其他有正常需求的用户没有办法访问小红书的服务，大型企业一般要投入很大的人力物力，才能把这类攻击化解掉。郄小虎表示，对于成长型公司，需要云服务平台能够在这些流量到达服务之前尽早地把它们过滤掉。这方面，腾讯云提供的大禹系统可以满足小红书的需求。他认为，大禹系统是一个立体的系统，在CDN层面上把攻击流量化解，小红书发现的一些比较执着的攻击也能被挡住。
实战心得
和腾讯云合作的另一个好处，是可以借助腾讯云技术团队共同进步。去年第二次大促销的时候，小红书系统面临很大的流量压力，已经做了数据分片，并且做了封测，对想得到的购物入口做了充分的准备，但开场时候系统仍然卡了一下，后来小红书和腾讯团队一起排查，才发现是出现了大量用户刷心愿单的情况(用户提前把物品加入到心愿单里)，然后很快地扩容。
命脉：基于大数据的个性化推荐
社区的激励机制，就是让优质的笔记得到更多的曝光、更多的用户点赞和收藏，并且是通过技术手段而非人工力量来实现。当用户发了一篇帖子之后，系统会对这篇笔记进行多个维度的分析。
根据历史数据建立的模型所提取出一些特征，来判断一篇笔记的质量。
根据笔记的内容推荐出一些标签，简化用户的操作的复杂度，同时避免UGC信息非常零乱的情况，让UGC的信息更加结构化，能够和后台系统对齐。
郄小虎介绍了小红书上个性化推荐的三重境界：
场景化推荐引导消费。小红书现在有非常多的女性用户，她们来到小红书平台可能只是没有明确目标的“逛”，或者只有一个比较模糊的目标，小红书则可以引导这部分用户在不停的“逛”中发现惊喜，形成细化的消费需求。
除了上述用户行为，图像的理解、文本的分析也是小红书需要解决的问题。郄小虎表示，在小红书的应用上，图像很重要，因为很多时候用户的需求信息很难用文本来描述，这时候通过图像的相似度来找关联是一种更加有效的方式，尤其是在像穿搭，这个品类里面，就找到风格类似的，这样的一些图象，是有更大的，对用户来说有更大的发现价值。
人工智能能够创造新的消费体验
谈到小红书的未来，郄小虎认为，目前小红书给用户提供的主要还是一种浏览的体验，小红书希望成为用户的一个智能助手，理解用户的需求并帮助用户完成他的心愿，整个需求的满足还有很大的提升空间，通过机器学习技术的应用，不断分析和学习用户的行为，可以使系统变得越来越聪明，能够让用户更加有效地找到想要的信息或者想买的商品。