速度的未来即将在您所在的城市举办的活动中亮相。
加入我们参加 Redis 发布会
公司：Superlinked
行业：软件开发
Superlinked 是一家总部位于伦敦的科技公司，开发软件基础设施，使开发人员更容易构建能够理解用户并提供个性化和引人入胜的体验的产品。
如今的软件开发人员肩负着创建能够理解用户行为的应用程序的任务，以便他们能够提供相关内容、将用户匹配在一起、检测恶意机器人以及根据行为对用户进行细分。
Redis Cloud 提供了一个高度响应且可扩展的向量数据库和索引，为 Superlinked 的流程管理提供支持，该流程使用向量嵌入来表示用户和内容。
Superlinked 使机器学习技术更容易获取，也更容易嵌入流行应用程序中。开发人员可以在几小时内推出个性化体验，而无需高级机器学习、MLOps 或数据科学专业知识。自部署 Redis Cloud 以来，Superlinked 已持续经历长时间的不间断繁重使用（每秒超过 100 次向量搜索查询），且 95% 的时间内延迟为 30 毫秒。
为了吸引当今眼光挑剔的用户，软件应用程序必须足够智能，能够立即适应个人需求，包括提供自定义内容和推荐。越来越多的组织使用机器学习 (ML) 技术来创建这些自适应的个性化体验。然而，尽管个性化具有巨大的潜力，但绝大多数企业 ML 倡议却难以走出测试阶段。1 根据最近的一项 Gartner 调查，近三分之二的数字营销主管在为客户提供个性化体验方面存在困难。同时，那些成功将机器学习投入生产的组织通常会看到利润率增长 3% 到 15%。2
Superlinked 帮助软件开发人员构建能够理解用户并提供个性化和引人入胜的体验的应用程序。这家规模虽小但发展迅速的公司已经开发出一套软件基础设施，使机器学习运营 (MLOps) 团队能够创建模型，以理解用户偏好、内容属性和其他变量。Superlinked 的独特数据处理和配置引擎有时被称为“ML 基础设施即服务”，它使 ML 技术既易于获取又易于使用。
“我们帮助没有大型数据科学团队的组织访问 ML 技术并在其应用程序中使用它，”Superlinked 联合创始人 Daniel Svonava 说。“来自 Redis 的向量数据库技术正在发挥关键作用，因为我们的客户正在构建这些复杂产品。这完全是关于摄取有关您内容的数据、了解用户在做什么以及在用户创建帐户、注册服务和表明其偏好时捕获信息。我们将所有这些信息编码为向量嵌入。Redis Cloud 帮助我们存储和索引信息。”
通过根据每个应用程序的需求定制内容，Superlinked 的技术平台帮助组织构建详细的客户配置文件，从而提供更相关的内容和推荐。其独特的个性化技术在社交媒体平台、在线市场和专注于第一方数据的电子商务公司中迅速普及。
“我们对向量数据库有非常具体的要求，”Svonava 报告说。“我们查看了可用的选项，并确定 Redis Cloud 最符合我们的需求。”
向量是数据点的数学表示。这种类型的数据库结构对 AI 和 ML 应用程序非常有用，这些应用程序通过将非结构化数据转换为数值表示来运行。向量搜索 功能允许机器学习应用程序查找与给定查询向量相似的數據點。它们通常用于推荐系统、图像和视频搜索、自然语言处理以及异常检测。
“许多向量数据库基准测试都侧重于搜索性能，”Svonava 解释说。“但是，我们更感兴趣的是向量操作的数据输入和数据输出速度。当我们在领先产品中比较这些指标时，Redis Cloud 的表现最好。”
另一个区别因素是 Redis Cloud 允许开发人员在系统内部执行代码，而不仅仅是查询外部代码模块。据 Svonava 说，Redis Cloud 支持的 C++ 语言对于这些嵌入式代码模块来说是首选，因为它具有复杂而完善的内存管理功能。他还喜欢能够将部分数据库索引卸载到闪存中以最大程度地提高性能的能力。
“一些其他向量数据库使用垃圾收集进行内存管理，”Svonava 补充说。“这些数据库可能难以满足我们实时请求的要求，因为它们会引入随机延迟峰值，导致某些查询的速度降低十倍。Redis Cloud 中的 C++ 支持对我们来说很重要。”
Superlinked 构建了一个“向量操作”平台，它摄取内容、用户和事件，并支持实时推荐和搜索。所有这些都通过将 Redis Enterprise 用作向量数据库来实现。请参阅下面的示例图。
任何利用用户生成内容的网站或应用程序都可以从 Superlinked 基础设施中获益，因为它有助于个性化呈现的数据和信息流。“准确、相关的内容是让人们保持参与的关键，”Svonava 说。“Redis Cloud 中的实时数据处理揭示了用户感兴趣的内容以及如何向他们提供最合适的内容。在用户滚动浏览其信息流时，必须快速完成此操作。”
据 Svonava 说，软件行业正在从使用硬编码规则来个性化内容的相对粗略的匹配算法转向交互式的实时体验，在这些体验中，系统会观察和响应用户行为。以自动将空缺职位与可用候选人匹配的招聘市场为例。在这样一个市场中，Superlinked 使用 Redis Cloud 存储有关每个空缺职位和每个候选人的各种属性的半结构化数据。Redis Enterprise 的向量技术使这家客户的招聘市场能够实时观察用户行为。“它不是使用一组固定的过滤器，而是从人们如何与数据交互中学习，”Svonava 补充说。
其他职位推荐引擎使用严格的评分机制，无法识别这些数据集中的许多微妙且不断变化的关系。位置、职位名称、资历和其他数据点的列表在这些规则中被硬编码，并且数据通过基本的搜索界面提取。
Superlinked 通过 Google Cloud Marketplace 购买了 Redis Cloud，这使 Svonava 及其团队能够利用 Redis 的高级功能，而无需处理安装和管理复杂软件基础设施的操作开销。Redis Enterprise 与 Google Cloud 之间的紧密集成使构建云原生应用程序变得轻而易举。
“Redis 易于使用，只需单击一下即可设置 Redis Cloud，”他确认道。“我们在 Google Cloud 中有一个帐户。我们通过此帐户安装了 Redis Enterprise，这使我们能够通过 Google Cloud Marketplace 为所有内容付费。这非常方便。”
这些类型的经济高效的云原生软件部署正在帮助推动科技行业发展最快的市场之一的稳步增长。例如，MLOps 市场在 2022 年达到 11 亿美元，预计到 2027 年将以每年 41% 的速度增长至 59 亿美元。3 根据 Precedence Research 的数据，更广泛的 AI 市场在 2022 年达到 1190 亿美元，预计到 2030 年将以每年 38% 的速度增长至 1.5 万亿美元。4 这种增长与对可适应所有类型用例的个性化引擎的需求激增相吻合。用户建模占利用这些市场机会所需技术和人才的很大一部分。
“用户期望在其遇到的每个应用程序和网站中都能获得出色的搜索和推荐功能，”Svonava 总结道，“然而，超过 80% 的业务数据是非结构化的，以文本、图像、音频、视频或其他格式存储。这就是为什么具有强大搜索功能的向量数据库将推动下一代应用程序。”
1 IEEE Access，“机器学习运营 (MLOps)：概述、定义和架构”，2023 年 3 月 27 日
2 “新兴技术是执行有效的数字营销个性化策略的关键”（Gartner 新闻稿，2021 年 4 月 14 日）
3 Markets and Markets，“MLOps 全球预测”，2022 年 12 月（报告代码：TC 8518）。
4 AI 市场预测，2022 年至 2030 年。
