简介：随着美团外卖业务的迅猛发展，广告系统面临算力瓶颈。本文探讨美团外卖广告如何通过智能算力分配优化系统性能，提升业务收益，为业界提供可借鉴的实践经验。
在数字化时代，外卖行业的竞争日益激烈，美团外卖凭借其强大的业务体系和用户基础，日订单量已突破4000万，成为美团最为重要的业务之一。然而，随着业务量的快速增长，外卖广告系统面临着巨大的性能压力，尤其是在高峰时段，算力成为制约业务发展的关键因素。因此，如何高效利用有限的算力资源，提升广告系统的整体性能，成为美团外卖技术团队亟待解决的问题。
美团外卖广告系统从最初的支撑单一业务线发展到现在的十余条业务线，服务整体承受的流量日益增长，所消耗的机器资源也达到了相当大的规模。在外卖场景下，流量呈现明显的双峰结构，即午餐和晚餐两个时段为流量波峰，其余时段流量较小。这种流量特点导致广告系统在高峰时段面临巨大的性能压力，而在非高峰时段则存在大量算力冗余。因此，如何根据流量价值动态分配算力资源，提高算力利用率，成为美团外卖广告技术团队的重要课题。
智能算力的第一步是量化流量价值和算力消耗。流量价值指流量为平台、广告商家、用户三方带来的收益，而流量算力则指流量在系统内消耗的机器资源。美团外卖广告技术团队通过构建流量价值预估模型和流量算力预估模型，实现了对流量价值和算力消耗的精准量化。这些模型不仅考虑了平台收入和商家收入等直接收益指标，还纳入了用户满意度等间接收益因素。
基于流量价值和算力预估的结果，美团外卖广告技术团队提出了弹性动作的概念，并实现了智能算力分配。弹性动作包括弹性队列、弹性模型、弹性通道和弹性链路四种类型。不同价值的流量可以在不同模块中分配不同长度的候选队列、不同大小的预估模型、不同复杂度的召回通道和链路。这些弹性动作的可选范围被定义为“弹性档位”，通过智能决策系统，系统可以根据实时流量情况和算力资源状态，动态调整各模块的算力分配，实现资源的最优利用。
为了进一步提升算力分配效率，美团外卖广告技术团队提出了基于进化算法的多动作算力决策方法（ES-MACA）。该方法同时考虑弹性通道、弹性队列和弹性模型三个动作的联合决策，通过后置动作决策考虑前置模块决策引起的状态变化，并使用多任务模型联合建模实现系统仿真模拟。在多个模块联合决策时，同一个请求的不同模块动作之间会产生相互影响，因此需要在全链路上进行最优算力分配。进化算法的应用避免了局部最优解的问题，并实现了并行化计算，显著提高了算力分配的效率和准确性。
为了验证智能算力分配方案的有效性，美团外卖广告技术团队进行了多轮实验。实验结果表明，在机器资源持平的情况下，通过智能算力分配，系统的CPM（每千次展示收入）可以提升2.3%；在业务收益持平的情况下，机器资源可以减少40%。这些结果充分证明了智能算力分配方案在提升系统性能和降低算力成本方面的显著效果。
美团外卖广告智能算力的探索与实践为业界提供了宝贵的经验。通过量化流量价值、预估算力消耗、实现弹性动作和智能分配以及应用进化算法等多方面的努力，美团外卖广告技术团队成功解决了算力分配效率低、资源利用率低等问题。未来，随着技术的不断进步和业务的发展，美团外卖广告技术团队将继续深化智能算力的研究与应用，为用户提供更加高效、精准的广告服务。
智能算力作为提升系统性能和业务收益的重要手段，将在未来发挥更加重要的作用。希望本文能够为业界同仁提供一些有益的启示和参考。