随着移动互联网的快速发展,人们的时间被互联网所占领,互联网广告越随之发展地越来越好,互联网广告可以吸引更多的广告主。在大数据的基础上,互联网广告可以根据用户数据进行个性化投放提高投放效率。在广告引擎系统中,广告数据和用户信息巨大,要做到在几十毫秒内将两者完成匹配,任务相当艰巨。该系统需要存储上千万的广告数据,然后根据请求的流量用户信息,使用倒排索引技术从上千万的广告中找到投放条件和流量属性相关度高的广告作为被选集,然后经过粗排、精排、重排序等预估模块选出价值最高的那条广告投放给用户。为了不影响用户体验,时间要快,内容精准符合用户兴趣,这对索引技术要求很高。本文以某公司的广告引擎召回系统为基础,对引擎系统和索引技术做了一些优化,使之可以更加有效的为用户提供服务。召回系统是广告系统的一部分。用户请求广告系统,广告系统会从上千万个广告中选出最符合用户的广告,召回系统是广告系统的第一层漏斗,从上千万个广告中选出一万个广告候选集交给后面系统处理。具体优化内容如下:1)冷热数据分离随着业务发展,广告创意的数据量越来越多,单台服务器加载所有的广告创意的压力越来越大,分布式索引加载广告创意数据实现成本太高。于是将广告创意冷热分离,离线分析广告创意过去一段时间内的转化效果,将转化低的广告创意按一定概率判断为僵尸创意,僵尸创意概率加载。这样可以减少单台机器的广告创意加载量,整个集群的加载总量不变。2)索引更新时双Buff改成单Buff索引更新时,会另开内存加载全量索引数据,原有索引继续供服务使用,当新的索引数据加载完,才会切换成新的索引来提供服务,析构掉原有索引内存。因为数据量大,整个索引加载更新较久,两份索引数据内存使得服务器内存使用量上涨,导致服务可用性波动,将该索引更新改成单Buff机制,避免索引更新时内存上涨导致的可用性波动。3)将倒排存储的一般位图改成Roaring Bit Map位图将倒排数据的存储由常规位图改成Roaring Bit Map位图,常规的位图,随着广告数量的增加,位图长度也线性增加,检索消耗也是线性增加的,而且存在数据稀疏的问题,内存空间利用率低。Roaring Bit Map位图有三种容器形式,可以根据数据数量情况自动调整,并且Roaring Bitmap位图兼具内存友好,以及逻辑交或计算高效,更加契合本系统的定向表达式。4)修改定向表达式将定向表达式优化为:定向集合=全集-反定向命中-（正定向全集-正定向命中）,将直接定向符合各个条件的广告集合做交集的方式改成全集减去不符合条件广告集合的形式。这样可以将通投的广告定向出来。而且通过广告全集减去不匹配的广告形式定向,方便抽样打点广告过滤类型,给策略和产品同学观察过滤数据更好的优化系统。定向除了根据广告主投放条件定向,还需要流量侧检索定向,将两种定向并行执行,减少定向时间。