阴永俊 美团配送系统架构演进实践 阴永俊 美团点评资深技术专家、美团配送业务系统团队负责人 2010年大连理工大学毕业，曾先后任职于Hikvision、人人网，从事过视频 监控、广告、IM、DevOps、中间件、数据仓库等技术方向 2015年加入美团·大众点评，负责配送业务系统建设，重点负责系统质量 保证、运营体系建设、核心系统架构升级等方向，支持美团配送业务发展 美团配送业务介绍 01 04 精细化阶段 同城即时配送快送发展 Uber Eats Instacart Swiggy go-jek Doordash 美团外卖 饿了么 点我达 闪送 UU跑腿 海内外掀起一波创业浪潮 美团配送系统：机器与海量骑手协作，服务于全国商家与用户 履约能力 实现平台对运单调度的实时把控，对运单与运力的供需匹配 运营效率 加强对配送骑手的管控能力 提升配送全业务的运营效率，降低成本 用户消费升级 促使即时配送全面信息化 人工智能 大数据 GPS+GIS 移动互联网 智能手机/APP • 预测供需结构，智能派单调度 • 评估难度、ETA、骑手能力等数据 • 定位越来越精准，地图与导航逐渐成熟 • 实时移动的信息传递通路 • 线下配送的全过程纳入信息环境 1.基础设施不断完善 配送业务全面信息化是必然趋势 2.用户消费升级 数据来源：智研咨询 美团配送系统的技术挑战

【算法篇】 算法 1 智能搜索模型预估框架 Augur 的建设与实践 1 Transformer 在美团搜索排序中的实践 23 BERT 在美团搜索核心排序的探索和实践 36 美团智能配送系统的运筹优化实战 60 一站式机器学习平台建设实践 77 美团搜索中 NER 技术的探索与实践 92 KDD Cup 2020 Debiasing 比赛冠军技术方案及在美团的实践 113 多模态召回比赛亚军方案与搜索业务应用 161 CIKM 2020 | 一文详解美团 6 篇精选论文 179 MT-BERT 在文本检索任务中的实践 192 美团无人车引擎在仿真中的实践 204 美团无人配送 CVPR2020 论文 CenterMask 解读 215 WSDM Cup 2020 检索排序评测任务第一名经验总结 225 美团内部讲座｜清华大学莫一林：信息物理系统中的安全控制算法 部高级研究员。 60 > 美团 2020 技术年货 美团智能配送系统的运筹优化实战 作者：王圣尧 深入各个产业已经成为互联网目前的主攻方向，线上和线下存在大量复杂的业务约束 和多种多样的决策变量，为运筹优化技术提供了用武之地。作为美团智能配送系统最 核心的技术之一，运筹优化是如何在美团各种业务场景中进行落地的呢？本文根据美 团配送技术团队资深算法专家王圣尧在 2019 年 ArchSummit

百度外卖首席架构师 引言：外卖配送的背后 2 引言：外卖订单调度系统要考虑的因素 3 订单相关 骑士相关 • 商户、用户位置 • 用户期望时间 • 预计出餐时间.. • 现有订单的配送路线 • 新增订单后配送路线的改变情况 • 历史取送餐速度 • 完成每个订单的预计时间 • 熟悉的区域 • 配送工具 • 装载情况.. 环境相关 • 当前配送的繁忙程度 • 天气情况. 系统 2.0 系统派单模式 • 系统综合考虑配送距离、 骑士运力、期望送达时间 等因素来自动派单 配送距离 期望送达时间 骑士运力 订单相似度 调度 系统 1.0 外卖订单智能调度要解决的核心问题 7 调度系统算法 1 2 3 4 5 路线规划 • 动态规划最优配送路线，且合理 并单，以最低的配送成本最大化 满足用户配送体验。 • 考虑用户期望时间的TSP问题 • • 构建模型综合评估用户体验与配 送成本打分 • 采用动态规划和模拟退火算法等 算法，求得最优路线 1 8 时间预估 用户下单 开始配送 骑士到店 骑士取餐 到达用户 完成交付 商户接单 商户出餐 到店时间 出餐时间 送餐时间 交付时间 等餐时间 2 到达识别，交付时间计算 数据积累，异常数据剔除 网格建立，分时段统计 交付时间预估 取餐/送餐分别回归拟合 骑士速度预估

图神经网络框架应当 易于上手，通过简单地配置即能完成多数任务。在此基础上，对于一些特殊的建模需 求，也能提供适当的支持。 1.2 美团的解决方案 美团搜索与 NLP 团队在搜索、推荐、广告、配送等业务的长期落地实践中，总结实 践经验，自主设计研发了图神经网络框架 Tulong 以及配套的图学习平台，较好地解 决了上述问题。 ● 首先，我们对当前流行的图神经网络模型进行了细粒度的剖析，归纳总结出了 场景，我们总结了若干训练模版，研发人员通过修改配置即可适配多数业务场 景。例如，许多业务存在午晚高峰的周期性波动，我们为此设计了周期性动态 图的训练模板，可以为一天中不同时段产生不同的 GNN 表示。在美团配送业 务的应用中，需要为每个区域产生不同时段下的 GNN 表示，作为下游预测任 务的输入特征。开发过程中，从开始修改配置到产出初版模型仅花费三天；而 在此之前，自行实现类似模型方案花费约两周时间。 等。除了技术层面的优化，框架的建设也得益于工程团队和算法团队的紧密配合，基 于共同的、有深度的认知才得以让项目顺利推进。 借助于 Tulong 框架，图神经网络技术已在美团搜索、推荐、广告、配送多个业务场 景落地应用，并取得了较为可观的业务收益。我们相信图神经网络还有更加广阔的应 用前景，作为基础设施的图神经网络框架也值得继续优化完善。 8. 作者简介 付浩、宪鹏、祥洲、玉基、徐灏、梦迪、武威等，均来自美团平台

作，进而提升前端开发的效率。各个业务方对 RN 组件库的诉求，目的也在于此：降 低成本，提升效率。 ● 然而，公司内不同事业部的业务场景和产品功能不尽相同，如何通过一套组 件，来有效的支撑外卖、配送、酒旅及其他事业部的业务需求？这无疑是对组 件库提出了更高的要求： ● UI 风格一致性。在同一个业务中，各个组件要有一致的 UI 风格，保证用户体 验、塑造品牌形象。 ● 通用性。 com。 560 > 美团 2019 技术年货 Probe：Android 线上 OOM 问题定位组件 逢搏 毅然 永刚 配送骑手端 App 是骑手用于完成配送履约的应用，帮助骑手完成接单、到店、 取货及送达，提供各种不同的运力服务，也是整个外卖闭环中的重要节点。由于配送 业务的特性，骑手 App 对于应用稳定性的要求非常高，体现 App 稳定性的一个重要 数据就是 Crash 率，而在众多 率，而在众多 Crash 中最棘手最难定位的就是 OOM 问题。对于骑 手端 App 而言，每天骑手都会长时间的使用 App 进行配送，而在长时间的使用过程 中，App 中所有的内存泄漏都会慢慢累积在内存中，最后就容易导致 OOM，从而影 响骑手的配送效率，进而影响整个外卖业务。 于是我们构建了用于快速定位线上 OOM 问题的组件——Probe，下图是 Probe 组件架构，本文主要分享 Probe

。 物流履约是线上连接线下的关键环节，故障容忍度极低，不能宕机，不能丢单，可用性要求极高。 数据实时性、准确性要求高，对延迟、异常非常敏感。 美团即时物流架构 美团即时物流架构 美团即时物流配送平台主要围绕三件事展开：一是面向用户提供履约的SLA，包括计算送达时间ETA、配 送费定价等；二是在多目标（成本、效率、体验）优化的背景下，匹配最合适的骑手；三是提供骑手完整 本文根据美团资深技 演讲整理而成。  美团即时物流的分布式系统架构设计 - 美团技术团队 履约过程中的辅助决策，包括智能语音、路径推荐、到店提醒等。 在一系列服务背后，是美团强大的技术体系的支持，并由此沉淀出的配送业务架构体系，基于架构构建的 平台、算法、系统和服务。庞大的物流系统背后离不开分布式系统架构的支撑，而且这个架构更要保证高 可用和高并发。 分布式架构，是相对于集中式架构而言的一种架构体系。分 在实践过程还要解决几个问题，比较典型的是集群的扩展性，有状态的集群可扩展性相对较差，无法快速 扩容机器，无法缓解流量压力。同时，也会出现节点热点的问题，包括资源不均匀、CPU使用不均匀等 等。 首先，配送后台技术团队通过架构升级，将有状态节点变成无状态节点，通过并行计算的能力，让小的业 务节点去分担计算压力，以此实现快速扩容。 第二是要解决一致性的问题，对于既要写DB也要写缓存的场景，业务写缓存无法保障数据一致性，美团

目 录 >> 行业背景 >> 系统/模型实现 >> Q&A Python赋能智慧物流 1-行业背景 · AGV/AMR：自动导引运输车/自主移动机器 人 仓储搬运 车间物料运输 室外无人配送 Python赋能智慧物流 1-行业背景 · 移动机器人行业持续增长 From the perspective of capital, 2020 can be said to be

建⽴了北极星和灭⽕图的关联，完成了服务全景图的建设，加速了故障处理和 团队间的协同效率。 背景介绍： ⼀家专注⼤健康领域的医药健康产业集团。在国内有覆盖⼴泛的连锁药店（10000+连锁实体⻔ 店），同时拥有包括在线医疗、药品配送等医疗相关业务。在中⼼端我们的 IT 服务保障着全国 药店和在线业务的⾼效运营。 北京快猫星云科技有限公司 北京快猫星云科技有限公司 北京快猫星云科技有限公司 北京快猫星云科技有限公司 北京快猫星云科技有限公司

边侧数据不足，AI模型训练难以收敛或启动。 云机器人园区室外递送终身学习案例 业务收益： • 未知任务训练提升E1-1F昏暗桥底corner case的mIoU指标达1.78倍； • 启用未知任务训练帮助配送时间从27min38s减少到19min53s，节省幅度 达28%； • 未知任务识别模块上传未知样本，帮助减少253张训练样本打标量，节省幅 度达26%。 Summary • 了解Edge

大众点评、美团外卖等 App, 截至2020年6月 30 日止十二个月, 美团年度交易用户总数达 4.6 亿, 平台活跃商户总数达 630 万。 业务背景 美团点评在 2018年引入TiDB 分布式数据库, 服务于配送,出行,闪付、酒旅等业务场景。为了降低数据库 脚本的维护成本, 进一步提升资源利用率, 美团点评基于 TiDB Operator 实现从传统运维向云原生运维的 升级。 TiDB Operator 云原生运维方案