机器学习系统与优化 教案 案例20-第五章 基于参数服务器的大规模广告点击率预测（PS架构）.docx

案例20——基于参数服务器的大规模广告点击率预测（PS架构）

在互联网广告系统中，点击率（CTR）预测模型需处理每秒数百万次的请求，训练数据规模可达TB级，且特征维度极高（数十亿稀疏ID）。传统的AllReduce架构难以支撑如此大规模的嵌入表更新。参数服务器（ParameterServer,PS）架构通过将模型参数集中存储于一组服务器节点，计算节点（Worker）按需拉取和更新参数，有效解决了高维稀疏模型的训练难题。本案例以阿里云PAI平台上的DeepFM模型为例，展示PS架构在工业级CTR预测中的实现。

1.系统架构

角色划分：

Worker节点（100+台）：负责前向/反向传播，