推荐候选池
推荐候选池作为推荐业务场景最大的区别之一，其直接决定了推荐中台的复用/通用能力。因此支持高效灵活的定义推荐候选池，是首先需要解决的问题， 而从实际来看，结合闲鱼众多推荐场景，推荐商品候选池可以看做是用户与商品维度特征的组合，如下示例。
因此，我们使用特征来定义推荐候选池，通过特征的自由组合与实时计算，实现推荐候选池的大规模定义与计算，生产链路如下图所示。 这里面，闲鱼特征中心收敛了用户维度与商品维度特征（包括离线统计计算与实时产生的特征），以如下格式对外输出。
有了基础特征信息，再搭配推荐候选池定义的特征表达式组合，使用数据ETL工具，将原始商品与用户特征、商品信息维表、推荐池定义维表等数据源，经过多层merge、join的操作，最终在商品维度打上场景唯一标识（这个标识是一个以逗号分隔的复合字段，便于单个商品同时满足多个候选池规则时打标），生成各场景的推荐候选池。
召回引擎
召回策略上，我们提供了三种索引方式，分别是i2i索引，x2i索引，深度召回，并标准化掉召回的输入与输出。对于输入，有两种通用的格式，第一种为trigger格式，引擎将以传入的trigger作为key，从i2i与x2i索引中执行kv检索与倒排检索。第二种则是针对深度召回，上游传入模型预测出的embedding向量，再经由向量引擎完成检索。输出则是召回检索得到的商品item_id与对应的召回recall_score。 目前三种方式共计10 路召回通道可供业务场景选择，每一路召回通道都枚举了一个标识。接入业务只需要配置选择用哪些召回通道即可。
