#标签

标签数据天生具有 3 个维度特征：

• 时效
  • 离线标签。T + 1
  • 近实时标签。分钟/小时
  • 实时标签。秒/毫秒
• 聚合粒度
  • 聚合标签
  • 明细标签
• 业务属性
  • 账号属性
  • 地理位置
  • 消费行为
  • 活跃行为
  • 用户偏好
  • 资产信息
  • ......

用户使用画像标签的时候，进行简单地拖拉拽拼接规则，并不了解背后的技术细节。

#标签存储

#宽表

user_id	姓名	性别	购房意向	意向户型
1	老五	男	高	50-100m
2	老四	女	低	200-300m

使用 doris 的列式存储技术，利用索引、物化视图等优化手段，支持高效的多维分析。

缺点：

• 新增标签需要修改表结构，新加一列
• 更新频率。标签可能有不同的来源，离线计算、实时计算，更新频率不一

适用场景：

• 低频更新
• 密集标签。如用户性别，每个用户都会有性别，就属于高密集标签，如购房意愿，仅有 20% 用户具有值，属于稀疏标签

#竖表

user_id	标签名	标签值
1	性别	男
1	年龄	15
2	性别	女

优点：

• 易于扩展，标签可随时添加
• 更新友好。每一行只是一个标签
• 查询友好。建立标签名和标签值的联合索引，任意维度查询性能高

缺点：

• 数据量巨大。如 100w 用户，100 个标签，需存储 100w * 100 =1亿数据

适用场景：

• 高频更新
• 稀疏标签

#倒排表

标签名	标签值	user_ids（bitmap）
性别	男	1, 2
性别	女	3

优点：

• 人群圈选很快。需要任意维度圈选时，只需要对任意维度标签的 user_ids 求交集即可

缺点：

• 更新困难，每次更新时需更新标签对应的全部 user_ids

为了弥补标签更新的能力，需添加明细表，周期性的把明细表更新到 bitmap 表：

#人群圈选

DSL -> Doris SQL、ES Query