RecSys-MLops

一套代码串起推荐系统训练到推理全链路

RecSys-MLops 是一个面向推荐系统的高可扩展机器学习与数据系统工程实践项目，用 Python 编写，整合了 Flink、Spark、Kafka、DataHub、dbt、Kubeflow Pipelines、Kubernetes、MLflow、PyTorch、Trino 和 Triton Inference Server 等主流组件。它要解决的核心问题是：推荐系统从离线特征计算、模型训练、实验追踪到在线推理的链路长、组件多、难以统一编排和运维，很多团队只能拼凑脚本，缺乏可复用的端到端参考架构。项目把数据接入、批流处理、特征与指标管理、训练流水线、模型注册和推理服务串成一套可部署的 MLOps 方案，帮助团队快速搭建可扩展的推荐系统基础设施，降低重复造轮子的成本。