Airbnb giảm độ trễ của hệ thống đề xuất từ 2 ngày xuống còn vài giây nhờ Chronon

Trang chủ InfoQ Tin tức Airbnb rút ngắn độ trễ dữ liệu gợi ý từ 2 ngày xuống vài giây nhờ Chronon Kiến trúc & Thiết kế Airbnb rút ngắn độ trễ dữ liệu gợi ý từ 2 ngày xuống vài giây nhờ Chronon Ngày 28/10/2026 2 phút đọc tác giả Leela Kumili Theo dõi chúng tôi trên Youtube 232.000 người theo dõi Linkedin 26.000 người theo dõi Instagram Mới RSS 19.000 độc giả X 57.100 người theo dõi Facebook 21.000 lượt thích Bluesky Mới Nghe bài viết này - 0:00 Âm thanh đã sẵn sàng Trình duyệt của bạn không hỗ trợ phần tử âm thanh. 0:00 0:00 Bình thường 1.25x 1.5x Thích Danh sách bài đọc Airbnb vừa mở rộng nền tảng trích xuất đặc trưng (feature platform) mã nguồn mở Chronon với các tính năng Push Mode và Near Real Time (NRT) Model Transform, nhằm cập nhật các vector nhúng (embedding) của hệ thống gợi ý dựa trên chuỗi hành vi chỉ vài giây sau khi khách hàng tương tác. Cải tiến này đã giảm độ trễ dữ liệu của vector nhúng từ gần 2 ngày xuống dưới 1 phút; trong đó, thời gian cập nhật thông thường chỉ mất từ 10 đến 30 giây. Airbnb cũng ghi nhận mức cải thiện 1,67% đối với chỉ số NDCG ngoại tuyến và mức tăng khoảng 0,33% lượng đặt phòng không bị hủy trong các thử nghiệm A/B trực tuyến. Công trình này được phát triển dựa trên hệ thống gợi ý theo chuỗi JourneyFormer của Airbnb, ứng dụng bộ mã hóa Transformer để mô hình hóa lịch sử đặt phòng, đánh giá và duyệt web của khách hàng. Trước đây, bộ mã hóa vận hành dưới dạng một tác vụ xử lý theo lô (batch job) hằng ngày, tạo ra các vector nhúng và lưu trữ trong hệ thống có độ trễ thấp. Khi phát sinh lượt tìm kiếm, hệ thống xếp hạng sẽ truy xuất vector nhúng mới nhất và kết hợp với truy vấn trực tiếp, nhằm tách mô hình Transformer ra khỏi luồng xử lý yêu cầu vốn rất nhạy cảm với độ trễ. Tuy nhiên, các hoạt động diễn ra sau đợt xử lý theo lô hằng ngày sẽ không được phản ánh trong vector nhúng cho đến chu kỳ tiếp theo; độ trễ xử lý thực tế do đó có thể kéo dài tới gần 2 ngày. Kiến trúc ban đầu của Airbnb thể hiện bộ mã hóa chuỗi theo lô hằng ngày, kho lưu trữ embedding và quy trình xếp hạng trực tuyến. (Nguồn: Bài đăng trên Airbnb Blog) Airbnb đã giải quyết bài toán về độ mới của dữ liệu bằng cách bổ sung hai tính năng vào nền tảng Chronon. Chế độ Push Mode cho phép tác vụ luồng phát thông báo ngay khi giá trị đặc trưng được xác nhận, giúp hệ thống xử lý phía sau phản ứng tức thời với hoạt động mới của khách thuê thay vì phải liên tục thăm dò hoặc chờ đợi tác vụ theo lịch biểu. Tính năng NRT Model Transform cho phép mô hình đã triển khai vận hành trực tiếp trong đường ống dữ liệu luồng đó. Airbnb sử dụng cùng một bộ mã hóa chuỗi Transformer cho luồng xử lý cận thời gian thực, qua đó không cần xây dựng cơ chế suy luận riêng cho quy trình luồng. Đường ống dữ liệu hoàn chỉnh ghi nhận các sự kiện như thao tác tìm kiếm và lượt xem danh sách phòng, kết hợp các sự kiện này với dữ liệu chuỗi ngắn hạn và dài hạn hiện có của khách thuê, đồng thời kích hoạt quá trình suy luận mô hình ngay khi trạng thái đặc trưng mới được cập nhật. Vector biểu diễn (embedding) sau khi khởi tạo sẽ được ghi vào cùng một kho lưu trữ độ trễ thấp do hệ thống xử lý theo lô sử dụng. Nhờ đó, quy trình xếp hạng trực tuyến gần như không thay đổi, trong khi dữ liệu biểu diễn được truy xuất có tính cập nhật cao hơn. Ông Pengyu Hou, Kỹ sư phần mềm cao cấp phụ trách Hạ tầng tại Airbnb, cho biết việc điều chỉnh nền tảng này nhằm thu hẹp khoảng cách giữa dữ liệu hướng sự kiện và suy luận mô hình: NRT Model Transform cho phép Chronon gọi trực tiếp một mô hình đã triển khai... ngay từ bên trong luồng dữ liệu. Phương pháp này tuân theo một mô hình phân phối đặc trưng rộng hơn, trong đó các kết quả dự đoán có thể được cập nhật ngay khi các đặc trưng nền tảng thay đổi, thay vì phải tính toán lại trên từng yêu cầu của người dùng. Feast, một nền tảng đặc trưng mã nguồn mở khác, từng ghi nhận các kiến trúc dự đoán được lưu trong bộ nhớ đệm với cơ chế suy luận kích hoạt theo các bản cập nhật đặc trưng, chấp nhận tăng số lần ghi và độ phức tạp của đường ống để đổi lấy độ trễ phân phối thấp hơn. Trong khi đó, Chronon tích hợp tính toán luồng và chuyển đổi mô hình vào nền tảng đặc trưng của hệ thống, đồng thời chú trọng tính nhất quán giữa khâu tính toán ngoại tuyến và trực tuyến. Kiến trúc Chronon cận thời gian thực của Airbnb (Nguồn: Bài đăng trên Airbnb Blog) Airbnb đã đóng góp mã nguồn của Push Mode và NRT Model Transform vào kho lưu trữ công khai của Chronon. Chronon hỗ trợ cả phương thức tính toán theo lô và theo luồng, đồng thời cung cấp dịch vụ phân phối đặc trưng trực tuyến nhằm duy trì tính nhất quán giữa giai đoạn huấn luyện và suy luận thực tế. Về tác giả Leela Kumili Xem thêmThu gọn Đánh giá bài viết Mức độ ứng dụng Văn phong Đã liên hệ tác giả Nội dung này thuộc chủ đề Xử lý dữ liệu luồng (Streaming) Các chủ đề liên quan: Phát triển phần mềm Kiến trúc & Thiết kế AI, ML & Kỹ thuật dữ liệu MLOps Học máy (Machine Learning) Nền tảng Mô hình Transformer Xử lý theo lô (Batch Processing) Thời gian thực Kiến trúc hướng sự kiện (Event Driven Architecture) Xử lý luồng (Streaming) Bài viết liên quan Nhà tài trợ liên quan Được quan tâm trên InfoQ Google tối ưu hóa mã nguồn Python 200.000 dòng của Agent Development Kit chỉ sau một đêm bằng Gemini 4 Argon Nhà phát triển các bản sao Adobe do AI xây dựng tuyên bố sản phẩm “còn lâu mới sẵn sàng” Cloudflare thu hồi 100 TB RAM nhờ tối ưu hóa kỹ thuật băm nhất quán (Consistent Hashing) Quá trình tiến hóa của các khung điều phối tác tử: Từ dạng chuỗi, đồ thị đến mã nguồn Vercel Labs mở mã nguồn fx: Tác tử lập trình bằng ngôn ngữ Zig được thiết kế phục vụ tích hợp nhúng Tương lai của các ứng dụng web: Liệu tác tử AI có tạo giao diện người dùng theo thời gian thực?