在面向短視頻推薦和社交推薦等的應用場景中，推薦系統(tǒng)需要對海量、快速動態(tài)變化的圖像進行分析與處理，這不僅要求推薦算法能夠在不斷變化的動態(tài)圖上挖掘更深層次的對象聯(lián)系，也對推薦系統(tǒng)的基礎設施，特別是內(nèi)存性能提出了更高的要求。針對推薦業(yè)務數(shù)據(jù)量大、類型跨度廣泛、實時性要求高等特點，北京快手科技有限公司(以下簡稱：快手)開發(fā)了算法平臺 KGNN，能夠在不斷變化的動態(tài)圖上挖掘更深層次的對象聯(lián)系(拓撲/特征關系)。目前 KGNN 平臺結(jié)合快手多個業(yè)務場景實現(xiàn)模型落地， 在發(fā)現(xiàn)頁觸發(fā)，用戶推薦場景，電商推薦等場景為線上業(yè)務帶來了顯著收益，并在繼續(xù)迭代以提供更多的模型/更快速易用的工具等。

為了提升平臺性能，KGNN 使用英特爾® 傲騰™ 持久內(nèi)存來替代傳統(tǒng)的 DRAM 內(nèi)存，實現(xiàn)了單機內(nèi)存的 TB 級擴展，可以支持點規(guī)模 10 億級別、邊規(guī)模百億級別的超級大圖， 從而能夠提供更精準的推薦。

KGNN：支持超大規(guī)模異構實時圖平臺

為了解決傳統(tǒng)推薦算法很難挖掘高階交互歷史信息的問題，圖神經(jīng)網(wǎng)絡(Graph Neural Network，GNN)在近年來受到廣泛關注。GNN 使用節(jié)點特征作為初始嵌入，可以在這里加入用戶特征、物品特征，并引入了高階交互歷史信息。企業(yè)希望通過 GNN 模型， 能夠在動態(tài)圖上挖掘更深層次的對象聯(lián)系，提供更好的推薦效果。

基于 GNN 模型，快手算法平臺 KGNN 應運而生。KGNN 平臺致力于提供一個通用動態(tài)GNN 訓練框架，快速運行各種 GNN 模型。該平臺支持超大規(guī)模圖(點規(guī)模 10 億級別，邊規(guī)模百億級別)的動態(tài)圖神經(jīng)網(wǎng)絡訓練，可以支持快手主 App 發(fā)現(xiàn)頁一類的超大流量場景實時訓練，并提供豐富的圖像操作功能。此外，這一平臺還支持復用，具有簡單易用的算法管道和完善的周邊設施工具及靈活的定制化接口，并可與 Tensorflow生態(tài)深度結(jié)合，從而可幫助用戶大幅節(jié)省在打造模型和訓練系統(tǒng)組件等方面花費的時間。圖 1 為快手 KGNN 平臺整體的執(zhí)行流程圖。

在 KGNN 平臺中，其中基于物理圖存儲層的異構圖存儲層負責提供超大規(guī)模異構屬性圖的存儲和讀寫服務，并能夠按照不同業(yè)務線的不同拓撲結(jié)構，實現(xiàn)更合理的節(jié)點分布，大幅度減少跨節(jié)點通訊造成的性能損失。此外，該存儲層還支持水平擴展以適應不同的訓練數(shù)據(jù)量場景，并提供多種帶權采樣、遍歷、負采樣等算子，以滿足不同模型的交互需求。同時，這一存儲層也針對 GNN 場景做了針對性設計，支持邊表過期等多種機制。

圖 1. KGNN 整體訓練流程

解決方案：英特爾傲騰持久內(nèi)存助力 KGNN 的實現(xiàn)

由于 KGNN 平臺需要對于大量快速變化的超大規(guī)模圖片進行實時訓練，因此對于異構圖存儲層的讀寫采樣能力以及數(shù)據(jù)吞吐能力提出了極高的要求，傳統(tǒng)解決方案是使用高性能的DRAM 內(nèi)存來拓展異構圖存儲，滿足讀寫采樣對于性能的要求。但是，企業(yè)級 DRAM 內(nèi)存的單條容量往往只有 32 GB， 再加上服務器的內(nèi)存擴展插槽的限制，單機服務器可擴展內(nèi)存的最大容量受到極大限制。如果要滿足對超大規(guī)模動態(tài)圖的處理需求，需要對圖進行大量分片，不僅影響訓練性能，也會限制多機擴展性。同時，由于動態(tài)全局帶權負采樣管理、動態(tài)高階負采樣等復雜算法會針對各種實例進行很多低效操作，對性能造成比較大影響，導致這些算法難以實現(xiàn)。

使用英特爾傲騰持久內(nèi)存來替代傳統(tǒng)的 DRAM 內(nèi)存可以解決上述挑戰(zhàn)。英特爾傲騰持久內(nèi)存提供了融合高速、高性價比、大容量、持久數(shù)據(jù)保護、高級加密等優(yōu)勢于一體的內(nèi)存選項。不同于傳統(tǒng)的 DRAM 內(nèi)存，它集大容量、經(jīng)濟性和持久性于一身，讀寫帶寬比 NVMe 設備高數(shù)倍，并大幅降低了延時問題。

英特爾傲騰持久內(nèi)存提供了兩種不同的操作模式： 內(nèi)存模式(Memory Mode)和應用直接訪問模式(App Direct Mode)。在內(nèi)存模式中，它與普通的易失性(非持久性)系統(tǒng)存儲器完全一樣，但成本更低，能在保持系統(tǒng)預算的同時實現(xiàn)更高容量。英特爾傲騰持久內(nèi)存模塊的容量有 128 GB、256 GB 和 512 GB 幾個版本，遠超 DRAM 內(nèi)存，能夠在單臺服務器中提供 TB 級別的內(nèi)存總?cè)萘俊?/p>

快手 KGNN 平臺使用了英特爾傲騰持久內(nèi)存的 App Direct 模式，在這種模式下，應用程序和操作系統(tǒng)會有兩種可用的內(nèi)存。系統(tǒng)將決定是從 DRAM 還是英特爾傲騰持久內(nèi)存中寫入或讀取數(shù)據(jù)。要求最低延遲且不需要永久數(shù)據(jù)存儲的操作可以在 DRAM 上執(zhí)行，必須長期保留的大型數(shù)據(jù)結(jié)構和數(shù)據(jù)將由英特爾傲騰持久內(nèi)存進行存儲。在此模式下，即使系統(tǒng)關閉電源，數(shù)據(jù)仍保留在內(nèi)存中。

快手 KGNN 平臺的異構圖存儲層針對英特爾傲騰持久內(nèi)存進行了針對性優(yōu)化，能夠提供更高性能的讀寫采樣以及利用非易失性特征提供快速恢復等高可用能力，提高了整體流程的吞吐和穩(wěn)定性。

圖 2. 基于英特爾傲騰持久內(nèi)存的 KGNN 平臺架構

英特爾傲騰持久內(nèi)存化解了存儲性能與容量的瓶頸，能夠以 2 臺服務器提供 4TB 的容量，可以實現(xiàn)點規(guī)模 10 億級別、邊規(guī)模百億級別的大規(guī)模實時動態(tài)圖的處理，減少分圖，從而支持處理更復雜的算法，獲取更好的推薦效果。

此外，高階采樣在分布式情況下需要處理各種異常情況，代碼復雜度高，容易出錯，而且如果出現(xiàn)異常，則會對流水線化執(zhí)行造成沖擊。此外，英特爾傲騰持久內(nèi)存下高階采樣的不同階段之間可以并行化，而分布式情況下一般只能等每一跳結(jié)束后才能進入下一輪。在實際業(yè)務圖復雜的情況下，英特爾傲騰持久內(nèi)存預估會有至少 5-10 倍的性能提升。

在穩(wěn)定性與可用性方面，針對大規(guī)模實時動態(tài)圖訓練過程，一旦某些分片因為宕機而自動停止訓練，就必須等待所有分片重啟，從而會損失大量訓練實時精度。盡管可以通過 Check Point(校驗點)機制來挽回部分損失，但是重啟會導致整體多分片必須退回到同一個 Check Point，其終端恢復的時間預計會高達 12 小時。在線學習場景下，一旦出現(xiàn)此類可用性問題，快手還需要讓訓練消費回退，防止出現(xiàn)訓練穿越的問題， 這使得在線學習的效果損失非常大。

英特爾傲騰持久內(nèi)存可以減少分片，同時其具備持久內(nèi)存的特性，在宕機之后數(shù)據(jù)不會消失，從而將恢復時間從 12 小時降低到 2 分鐘，恢復時間減少 99% 以上。

效果：更高性能、更低 TCO、更高可用性

得益于英特爾傲騰持久內(nèi)存的卓越特性，快手 KGNN 平臺的性能實現(xiàn)了顯著提升，能夠更有效地應對算法推薦應用所帶來的挑戰(zhàn)：

提升實時動態(tài)圖處理的性能：英特爾傲騰持久內(nèi)存提供了更大的單機存儲容量，能夠顯著降低超大實時動態(tài)圖分片所帶來的性能影響。測試數(shù)據(jù)顯示，英特爾傲騰持久內(nèi)存可帶來立竿見影的性能提升，同時也能支持更多復雜算法。

降低算法推薦系統(tǒng) TCO：與 DRAM 內(nèi)存相比，同等容量的英特爾傲騰持久內(nèi)存采購價格更低。此外，英特爾傲騰持久內(nèi)存提供有更高的單模塊容量，使得快手可以大幅降低實現(xiàn)TB 級存儲容量所需要的服務器節(jié)點，顯著節(jié)省 TCO。

故障恢復時間更低：基于英特爾傲騰持久內(nèi)存的快手 KGNN 平臺實現(xiàn)了更低的恢復時間，這有利于快手提升 KGNN 平臺的穩(wěn)定性與可用性，降低運維負擔。

展望：生態(tài)助力數(shù)據(jù)價值挖掘

快手 KGNN 的選型與優(yōu)化實踐證明，英特爾傲騰持久內(nèi)存能夠在內(nèi)存容量要求高的場景中扮演重要角色，在單位成本內(nèi)提供更有競爭力的性能。目前，快手 KGNN 還在繼續(xù)迭代中， 進一步推動在英特爾傲騰持久內(nèi)存方面的應用探索，應對推薦場景給算法、算力等帶來的挑戰(zhàn)。

除了英特爾傲騰持久內(nèi)存之外，英特爾還將與快手在技術、產(chǎn)品、應用和生態(tài)建設等多個層面開展合作，共同驗證前沿硬件及軟件技術在用戶推薦等場景中的落地與優(yōu)化。雙方將基于端到端的數(shù)據(jù)分析與人工智能解決方案，挖掘海量數(shù)據(jù)中蘊藏的價值，驅(qū)動大數(shù)據(jù)分析和人工智能創(chuàng)新，為用戶帶來更加個性化、智慧化的應用體驗。

關于快手

快手是面向普通人記錄和分享生活的短視頻社交平臺。以 “擁抱每一種生活”，用有溫度的科技提升每個人獨特的幸福感為核心使命。截至 2020 年 6 月 30 日，快手整體日活用戶 3.02 億，庫存短視頻數(shù)量超過 260 億條，是全球領先的線上生活分享社區(qū)。

關于英特爾

英特爾(NASDAQ：INTC)作為行業(yè)引領者，創(chuàng)造改變世界的技術，推動全球進步并讓生活豐富多彩。在摩爾定律的啟 迪下，我們不斷致力于推進半導體設計與制造，幫助我們的客戶應對最重大的挑戰(zhàn)。通過將智能融入云、網(wǎng)絡、邊緣和各種計算設備，我們釋放數(shù)據(jù)潛能，助力商業(yè)和社會變得更美好。如需了解英特爾創(chuàng)新的更多信息，請訪問英特爾中國新聞中心 newsroom.intel.cn 以及官方網(wǎng)站 intel.cn。