分享嘉宾：张鸿志博士 美团 算法专家编辑整理：廖媛媛 美的集团导读：美团作为中国最大的在线本地生活服务平台，连接着数亿用户和数千万商户，其背后蕴含着丰富的与日常生活相关的知识。美团知识图谱团队从2018年开始着力于图谱构建和利用知识图谱赋能业务，改善用户体验。具体来说，“美团大脑”是通过对美团业务中千万数量级的商家、十亿级别的商品和菜品、数十亿的用户评论和百万级别的场景进行深入的理解来构建用户、商
转载
2023-12-21 19:58:59
228阅读
一面算法问了4道都比较简单，分别考的二分，递归，双指针以及动态规划。1.二分搜索704. 二分查找力扣原题，注意边界条件，以及是否能取等号即可。2.二分搜索（递归实现）704. 二分查找代码如下：public int search(int[] nums, int left, int right, int target) {
while (left <= right){
转载
2023-09-07 19:39:23
119阅读
本文来说下美团（Leaf）分布式ID算法 文章目录概述Leaf特性Leaf-segment数据库方案双buffer优化Leaf高可用容灾Leaf-snowflake方案弱依赖ZooKeeper解决时钟问题Leaf现状本文小结 概述在复杂分布式系统中，往往需要对大量的数据和消息进行唯一标识。如在美团点评的金融、支付、餐饮、酒店、猫眼电影等产品的系统中，数据日渐增长，对数据分库分表后需要有一个唯一ID
转载
2023-07-06 11:51:19
232阅读
前言推荐系统并不是新鲜的事物，在很久之前就存在，但是推荐系统真正进入人们的视野，并且作为一个重要的模块存在于各个互联网公司，还是近几年的事情。随着互联网的深入发展，越来越多的信息在互联网上传播，产生了严重的信息过载。如果不采用一定的手段，用户很难从如此多的信息流中找到对自己有价值的信息。解决信息过载有几种手段：一种是搜索，当用户有了明确的信息需求意图后，将意图转换为几个简短的词或者短语的组合（即q
转载
2023-08-14 16:26:13
12阅读
# 美团的大数据架构
美团作为中国领先的本地生活服务平台，每天都会产生大量的数据。为了更好地分析和利用这些数据，美团搭建了一套强大的大数据架构。本文将介绍美团的大数据架构，并通过代码示例解释其核心技术。
## 大数据架构概览
美团的大数据架构主要包括数据采集、数据存储、数据处理和数据应用四个主要环节。在这个过程中，主要使用的技术包括Hadoop、Spark、Kafka、HBase等。
下面
原创
2024-04-26 07:48:14
335阅读
美团的技术架构图flume可以采集文件，socket数据包等各种形式源数据，又可以将采集到的数据输出到HDFS、hbase、hive、kafka队列等众多外部存储系统中,一般的采集需求，通过对flume的简单配置即可实现,Flume针对特殊场景也具备良好的自定义扩展能力，因此，flume可以适用于大部分的日常数据采集场景sqoopsqoop是apache旗下一款“Hadoop和关系数据库服务器之间
转载
2023-11-10 21:04:46
286阅读
前言美团最初的数据处理以Hive SQL为主，底层计算引擎为MapReduce，部分相对复杂的业务会由工程师编写MapReduce程序实现。随着业务的发展，单纯的Hive SQL查询或者MapReduce程序已经越来越难以满足数据处理和分析的需求。一方面，MapReduce计算模型对多轮迭代的DAG作业支持不给力，每轮迭代都需要将数据落盘，极大地影响了作业执行效率，另外只提供Map和Reduce这
转载
2023-10-18 16:49:55
301阅读
相信大家点外卖的时候都会注意到“预估到达时间”这一栏，那你是否好奇过这个时间是怎么得出来的呢？简单用距离除以速度？还是结合送餐距离、出餐时间和天气情况等更多动态因素？今天美团官方给了我们正确答案：首次公开外卖配送中“预估到达时间”的算法规则。 （图片来自美团官方）
据美团官方介绍，其算法模型得出的“预估到达时间”并不只有一个，而是四个：即“模型预估时间”和包括【城市特性保护时间】、【分段保
转载
2023-08-14 16:15:10
406阅读
文章目录1、 Leaf-segment号段模式1.1 数据库配置1.2 导入并修改leaf项目1.3 Leaf-segment双buffer模式1.4 Leaf segment监控1.5 优缺点2.Leaf-snowflake2.1 Leaf-snowflake的启动过程2.2 优缺点 目前主流的分布式ID生成方式，大致都是基于数据库号段模式和雪花算法（snowflake），而美团（Leaf）
转载
2023-08-24 17:10:38
344阅读
编者按：在用户意图明确时，我们通常用搜索引擎来解决互联网时代的信息过载问题，但当用户的意图不明确或者很难用清晰的语义表达，搜索引擎就无能为力。此时，借助推荐系统通过用户行为的分析理解其意图，为其推送个性化的结果，便成为一种更好的选择。美团作为国内发展较快的O2O网站，有着大量的用户和丰富的用户行为，这些为推荐系统的应用和优化提供了很好的条件。本文由美团
关注“hadoop技术学习”这个公众号的同学越来越多，增长很快，不是说这个公众号多吸引人，倒是可以看出了国内
转载
2021-07-29 16:28:49
235阅读
9月13日(北京)高性能计算、数据中心端到端互连方案提供商Mellanox今日宣布，国内最大的生活服务电商平台美团点评现已在其人工智能和大数据平台部署 Mellanox 端到端25GbE以太网络。近来随着移动互联网的飞速发展，通过线上完成消费决策及交易，线下实际消费的O2O模式也吸引了越来越多的用户。作为国内最大的生活服务电商平台，美团点评已经为6亿注册用户、超450万合作商户提供各类生活娱乐相关
转载
2024-08-21 11:49:40
91阅读
近日，第三方互联网大数据监测机构Trustdata发布了《2018年Q1中国移动互联网行业发展分析报告》，对第一季度的移动互联网行业发展情况进行了盘点。报告显示，互联网外卖行业格局进一步明晰，美团外卖的领先优势继续扩大。在用户端，美团外卖独立APP日活跃用户数量超过饿了么与百度外卖总和。在商户端，美团外卖商家版DAU近120万，以倍数级优势拉开与竞对的差距。报告显示，2018年第一季度
转载
2023-12-13 15:50:52
163阅读
背景数据，已经成为互联网企业非常依赖的新型重要资产。数据质量的好坏直接关系到信息的精准度，也影响到企业的生存和竞争力。Michael Hammer（《Reengineering the Corporation》一书的作者）曾说过，看起来不起眼的数据质量问题，实际上是拆散业务流程的重要标志。 数据质量管理是测度、提高和验证质量，以及整合组织数据的方法等一套处理准则，而体量大、速度快和多样性的特点，决
转载
2023-05-29 11:00:43
1244阅读
实时数仓以端到端低延迟、SQL标准化、快速响应变化、数据统一为目标。美团外卖数据智能组总结的最佳实践是：一个通用的实时生产平台跟一个通用交互式实时分析引擎相互配合，同时满足实时和准实时业务场景。两者合理分工，互相补充，形成易开发、易维护且效率高的流水线，兼顾开发效率与生产成本，以较好的投入产出比满足业务的多样性需求。01 实时场景实时数据在美团外卖的场景是非常多的，主要有以下几个方面：运营层面：比
# 美团大数据分析流程
## 引言
美团是一家著名的O2O平台，拥有大量的用户数据。对这些数据进行分析可以帮助我们了解用户行为和需求，从而优化产品和服务。本文将介绍美团大数据分析的流程，并提供相应的代码示例。
## 流程概述
下面是美团大数据分析的整体流程：
```mermaid
pie
title 美团大数据分析流程
"数据收集" : 30
"数据清洗" : 20
原创
2023-09-27 03:27:53
193阅读
马云曾经说过，“互联网还没搞清楚的时候，移动互联来了；移动互联还没搞清楚的时候，大数据来了。” 大数据的应用其实早已渗透到人们生活中的方方面面：亚马逊运用大数据为客户推荐商品信息，阿里用大数据成立了小微金融服务集团，而谷歌更是计划用大数据接管世界??当下，很多行业都开始增加对大数据的需求。大数据时代不仅处理着海量的数据，同时也加工、传播、分享它们。不知不觉中，数据可视
转载
精选
2014-12-23 14:38:50
1319阅读
# 美团超市大数据分析实现流程
## 1. 确定数据来源
首先，我们需要确定从哪里获取美团超市的数据。可以从美团接口获取数据，或者直接使用已有的数据文件。
## 2. 数据清洗和预处理
在进行数据分析之前，需要对原始数据进行清洗和预处理，以保证数据的准确性和一致性。可能需要进行以下操作：
- 去除重复数据
- 处理缺失值
- 处理异常值
- 标准化数据格式
## 3. 数据存储
将清洗和预处
原创
2023-11-06 06:23:45
179阅读
# 美团大数据架构平台科普
## 1. 引言
随着技术的快速发展，大数据在各行各业的应用日益深化。美团作为国内领先的生活服务平台，其大数据架构是支撑其业务发展的核心部分。本篇文章将介绍美团大数据架构平台的基本概念，并探讨其在数据处理和分析中的运用，最后将展示一些简要的代码示例。
## 2. 美团大数据架构概述
美团的大数据架构主要由以下几个部分构成：
1. **数据采集**：通过多种方式
原创
2024-09-04 06:32:02
147阅读
I. 知识图谱 应用案例 — 美团概述深度学习（隐性模型）
特点
面向一个具体任务（如下围棋、识别猫、人脸识别、语音识别等）需要海量训练数据需要强大的计算力场景示例
人脸识别目前进展
在一些任务上已经接近或超过人类任务范围
面向具体任务，难以迁移可解释性
较难解释数据量
海量训练数据知识图谱（显性模型）
特点
可广泛
转载
2024-09-02 13:37:45
47阅读
