Gorse v0.5 正式发布

在长达一年半的开发后，Gorse v0.5 正式发布。本次发布包含破坏性更改，因此值得写一篇文章来介绍新特性和升级指南。

新特性

新的数据结构

1. 用户的Subscribe字段移除。在早期的设计中，Subscribe字段用于存储用户订阅的标签，但实际上并没有被使用。类似订阅这样的业务逻辑驱动的推荐建议使用外部推荐API来实现。

2. 用户和物品的Labels字段支持任意JSON对象。在此基础上，部分推荐算法可以指定使用的嵌套字段。例如在物物推荐算法中，可以指定使用Labels.embedding嵌入向量来计算物品相似度。

3. 反馈新增Value字段。Value字段用于表示反馈的强度，例如视频观看的百分比、商品的评分等。一方面，正负反馈可以根据Value字段设置阈值来区分；另一方面，未来的更新会结合Value字段作为权重更好地训练推荐模型。插入反馈时，可以选择累加（POST）Value字段，或者覆盖（PUT）原有的Value字段。

新的推荐算法

1. 最新物品在物品表上直接查询获得。最新物品可以实时获得，无需等待推荐系统排序生成。借助数据库索引，最新物品的查询速度非常快，将作为内置（无需配置）的推荐算法提供。

2. 新增非个性化推荐算法，可以根据自定义规则对物品进行排序。例如，可以根据物品的标签字段对物品进行排序，从而实现“按评分最高推荐”或“按价格最低推荐”等功能。

3. 移除热门物品推荐算法。由于非个性化推荐算法完全可以实现热门物品推荐的功能，并且比热门推荐更加灵活，因此移除了热门物品推荐算法和香港的RESTful API。

4. 新增物物推荐算法，替换 v0.4 中相似物品推荐算法。相比相似物品推荐算法，物物推荐算法有以下优势：

   • 可以创建多个物物推荐算法实例
   • 可以指定使用的物品标签字段
   • 支持基于嵌入向量的相似度计算

5. 新增用户到用户推荐算法，替换 v0.4 中的相似用户推荐算法。新算法的优势和物物推荐算法类似。

6. 新增外部推荐API，可以将外部的业务逻辑集成到推荐流水线中。例如，可以将用户订阅内容添加到推荐候选集中，参与最终排序。目前Fetch API的实现还比较简单，未来会支持更多功能。

其他更新内容

其他和推荐流水线无关的重要更新内容将不再赘述，请在文档中自行体会。这些更新包括但不限于：

• 修复因为为每个Category保存缓存而导致的缓存数据量过大的问题
• 控制台支持OpenID Connect登录
• 主节点到从节点的gRPC通信支持TLS加密
• SQLite支持集群部署（仅限测试环境）
• 所有推荐API支持使用多个Category参数过滤推荐结果
• ...

升级指南

配置文件更新

参考最新的配置文件示例更新您的配置文件。主要的配置变更包括：

1. 正反馈类型支持对Value字段设置表达式，例如read>=3表示查看次数大于等于3的反馈为正反馈，请按需修改。
2. 热门推荐、相似物品推荐和相似用户推荐算法的配置项被移除，请迁移到非个性化推荐算法、物物推荐算法和用户到用户推荐算法。
3. 其他配置项的命名和默认值可能有所变更，请仔细对比。

数据库变更

如果您使用的是MongoDB数据库，那么不需要进行任何数据迁移操作。但是关系型数据库（MySQL、Postgres、SQLite）用户需要进行以下变更：

1. 用户表删除Subscribe字段，不删除会导致插入用户失败。
2. 反馈表新增Value字段和Updated字段，但是Gorse会自行添加该字段。
3. 如果缓存数据库使用Redis，请确保配置了RediSearch和RedisTimeseries模块，否则缓存将无法写入。

注意

如果您使用的不是MongoDB数据库，实际上最安全的升级方式是重新部署Gorse v0.5并重新导入数据。虽然我们尽力保证数据库的向后兼容性，但由于数据结构的变更，仍然存在数据损坏的风险。

结语

如果您在升级过程中遇到任何问题，请随时在GitHub上提交issue，我们会尽快协助您解决问题。期待您继续使用Gorse推荐系统，并欢迎提出宝贵的建议和反馈！