【文章內容簡介】 管理、事務管理和任務調度控制。確保多個獨立的任務有序的執(zhí)行完成業(yè)務邏輯。管理層ML邏輯節(jié)點內部的管理，實現與物理主機的資源調用代理。為業(yè)務層構建一個虛擬統(tǒng)一的運行環(huán)境。和管理節(jié)點協(xié)助實現服務進程的動態(tài)調度和均衡。并提供日志、監(jiān)控等支撐管理的輔助功能。傳輸層TL提供分布式消息的透明處理，實現底層通訊的路由投遞、故障切換和負載均衡的功能。管理層ML通過裝了信箱管理，內存管理，信號量管理，內存映射，中斷管理，進/線程管理，時鐘管理，異常處理系統(tǒng)調用為業(yè)務層提供了虛擬的JRE(Job runtime Environment)。 在iStream業(yè)務層的核心實現是在JRE中運行的并發(fā)運行的Application應用。不同Applicaton對應獨立的業(yè)務應用場景，Application之間無邏輯關聯，但多個Applicaton可同時并發(fā)運行。每個Applicaton應用又由多個前后關聯的Job共同完成業(yè)務邏輯。每個Job作業(yè)具體實現時，又可以由一個或多個Task任務來實現。歸屬關系如下圖所示： 具體劃分，可參看下圖： 對應每個Applicaton應用，iStream 運行時需要同時運行多個Job。其中一個Job可負責流數據的導入，然后另外一個或多個Job來消費導出的流數據。不同Job間以松耦合的方式進行組合，這樣上游和下游Job可以獨立部署，并且在負載過大的情況下還可按需部署新的下游Job以及動態(tài)調整 Job間的訂閱屬性，以達到負載均衡處理的效果。三、項目技術路線描述總體技術路線：1）用戶身份識別用戶身份識別是在用戶沒有輸入登錄用戶名和密碼的情況下，獲取到手機用戶的手機號碼，作為用戶的身份標識。 2）自營渠道建設自營渠道用于銷售運營商提供手機、增值業(yè)務等產品銷售。主要包括： 216。 手機及其周邊產品（包括手機配件、充值卡、流量包等）的線上瀏覽、推薦、訂單、支付等線上服務；216。 手機及周邊產品的門店體驗、物流配送、售后支持、軟件服務等線下服務。3）用戶興趣圖譜對移動互聯網用戶的基本特征、行為喜好、生活軌跡等維度進行分析，形成對用戶的興趣刻畫，用于輔助線上渠道的客戶洞察和個性化推薦。4）用戶訪問場景依據用戶當前使用的終端、當前使用的客戶端應用、當前訪問的網站、當前瀏覽的內容歸納總結出用戶當前的訪問場景。用于輔助線上渠道的客戶洞察和個性化推薦。 5）實時推薦系統(tǒng)通過用戶興趣圖譜和用戶當前訪問場景、當前可用的移動商務資源進行數據挖掘，分析出適合當前訪問用戶的移動商務內容列表。6）實時決策依據實時推薦系統(tǒng)提供的匹配當前用戶的移動商務內容列表和線上渠道特定的要求，對推薦內容進行進一步的篩選，給出符合線上渠道預期的結果，并提交給線上渠道刺激用戶的需求。 7）實時導航依據與線上渠道的合作需求，對線上渠道提交的用戶給與主動的接觸，刺激用戶的需求，并引導到線上渠道。用戶興趣圖譜的建設技術路線： 1）用戶基本特征分析包括客戶性別、年齡、入網渠道、品牌、套餐、會員級別、協(xié)議捆綁類型等，通過對這些基本特征進行分析，生成客戶細分矩陣，了解客戶基本構成情況。2）用戶消費行為分析用戶消費行為分析主要基于用戶業(yè)務訂購和使用信息進行分析，數據來源于BSS系統(tǒng)的賬單、VAC系統(tǒng)的用戶增值業(yè)務訂購記錄以及業(yè)務平臺的用戶使用記錄以及通信網的用戶話音、短信、數據業(yè)務信息。3）用戶通話行為分析通過對用戶通話行為進行分析，把客戶按照使用場景進行分類，基于此向客戶推薦恰當的套餐和產品。4）用戶上網行為分析客戶的上網行為主要從訪問時段、訪問終端、訪問日期、訪問頻率高低、訪問流量高低等方面來體現；通過對這些特征指標進行數據建模，建立相對穩(wěn)定的上網行為模型，可以進行基于客戶上網行為的流量營銷。5）用戶渠道偏好分析通過客戶日常對各個渠道的接觸情況，得到用戶對哪種渠道的認可度較高，在策劃增值業(yè)務營銷時，通過合適的渠道為客戶推薦合適的業(yè)務?？蛻羟榔梅治鐾ㄟ^分析客戶訂購、退訂、訪問渠道信息確定客戶對該類渠道的接受度，從而制定相應的渠道營銷政策；同時加強對渠道的投訴管控為營銷活動營造良好的營銷氛圍。6）用戶終端匹配分析通過對訂購、使用各種增值業(yè)務的用戶終端進行歸類分析，得出各種增值業(yè)務與用戶終端的匹配關系，可以有效的指導策劃人員，進行基于用戶終端的營銷策劃，到達為合適的人推薦合適業(yè)務的目標。7）用戶行為喜好分析用戶的上網行為透露出大量的用戶偏好信息。用戶上網信息為手機用戶主動消費所產生，因此這部分的信息內容所反映出用戶真實的消費心理。通過對手機用戶上網數據進行分析，如用戶經常訪問的網站、欄目、頁面等進行歸類統(tǒng)計，形成用戶喜好特征庫；挖掘用戶喜好與手機電視、手機音樂、手機閱讀等聯通重點業(yè)務的內在聯系，作出歸納性的推理，進行基于客戶行為喜好的流量業(yè)務推薦。8）用戶生活軌跡分析用戶生活軌跡分析是指對用戶的生活形態(tài)和生活習慣進行深入的分析，把用戶的生活軌跡標簽化。用戶生活軌跡透露出用戶的大量信息，如通話場所、日常生活模式等。通過對這些屬性進行分析量化，有效的指導營銷工作，進行基于用戶生活軌跡的流量業(yè)務推薦。用戶生活圈分析通過對客戶主要滯留區(qū)域位置特征，滯留時長、通話次數、通話時長、短信發(fā)送次數、開關機時間、開關機區(qū)域通過用戶在電路域側的各種通訊行為，分析用戶在生活場所中的軌跡特征，利用用戶軌跡數據結合地理場所結合時間特征、頻次特征，分析用戶的生活形態(tài)和特征，即構建用戶生活圈，深挖用戶需求和偏好特征，并標簽化，形成用戶特征寬表。用戶訪問場景識別的技術路線： 1）實時終端識別識別用戶當前訪問的終端型號、屏幕大小、是否支持短信、彩信和流媒體等信息。2）實時客戶端識別識別用戶當前訪問的應用的名稱，應用歸屬的內容類型，訪問產生的流量，以及訪問時間和頻次信息。3）實時網址內容識別識別用戶當前訪問的網站的名稱，網站歸屬的內容類型，訪問產生的流量，以及訪問時間和頻次信息。識別用戶當前訪問的內容的主題關鍵字，歸屬的內容類型，訪問產生的流量，以及訪問時間和頻次信息。4）實時小區(qū)位置識別識別用戶當前訪問的位置區(qū)信息，在該位置區(qū)訪問的時間信息和頻次信息和流量信息。5）用戶訪問場景識別根據用戶的當前位置、當前使用的客戶端、當前訪問的網站、當前瀏覽的內容信息相結合，歸納出用戶當前移動互聯網使用場景。智能推薦技術實現路線圖：1）實時推薦引擎利用iStream流處理框架結合Manhout算法模型通過人工生成的用戶興趣圖譜數據樣本和移動商務內容資源樣本，為不同的用戶訪問場景匹配不同的推薦內容。2）實時推薦系統(tǒng)對接真實的用戶訪問場景、真實的用戶興趣圖譜和真實的移動商務內容資源，為線上渠道提供真實的用戶推薦意見。四、項目技術成熟性與可靠性分析技術成熟性分析本項目技術方案是通過對各類電商平臺的對比分析， 并在軟件研究開發(fā)成果和技術積累基礎上提出并逐步完善的。 雖然本項目涉及云存儲、分布式服務群、插件化及LBS結合等多項技術，具有相當的技術創(chuàng)新難度，但項目未脫離開發(fā)人員的專業(yè)范疇。 經過一年多的前期開發(fā)，我們已突破并掌握其中各項關鍵技術，并在各方面均顯示出了項目的成熟性。1）經過前期理論研究，已成功將客戶的資料及訂購關系存儲在云中，并通過軟件編程實現和驗證了其正確性，為這些關鍵技術在本項目中的應用奠定