一 背景 

來自一個使用者匹配的需求。使用者的不同資訊分佈於兩個系統，且客觀上無法直接打通。所以就涉及到兩個系統id匹配的問題。

先抽象問題：系統A，系統B；系統A中存在一個使用者a（欄位：a_id, a_img, a_name）， 系統B中可能有a的補充資訊（欄位：ab_id, ab_img,ab_name），

目標：如果B中存在使用者a的資訊，那麼希望能找到並進行匹配，並把匹配結果返回系統A，結果格式：a_id, a_img, a_name,ab_id

二 問題詳細描述

欄位說明：

a_id 使用者a在系統A的id；

a_img 使用者a在系統A的屬性圖片連結，注： a_img和ab_img雖然都是使用者a的圖片連結，但可能連結並不相同。例如a_img: http://sysa/a1.jpg，ab_img：http://sysb/b2.jpg

a_name 使用者a在系統A的屬性暱稱；

ab_id 使用者a在系統B中的id。

兩個系統中的圖片，正常情況下，img內容是相同的（連結可能不同）；或者是縮圖關係； name通常不會修改，但存在多個使用者暱稱相同的情況。

這兩個屬性是判定兩個系統中的使用者是否是同一個的主要依據。

三 匹配策略

注：以下只是專案初期的簡化匹配策略。因為資料特性，經過統計和特徵分析，驗證準確率可以達到預期，所以初期不會為百分之幾的優化投入過多資源和精力。所以不必糾結策略的準確率

1、首先通過暱稱匹配

    當系統A的使用者暱稱，與系統B的有且只有一條記錄暱稱相同時，將這兩個記錄匹配 【根據真實資料經驗，使用者進入兩個系統記錄的時間規律，並允許較低的錯誤率；支援人工修復】；

2、當系統A的輸入記錄，與系統B的多條記錄暱稱相同時，繼續判斷圖片內容。這裡的判斷步驟設計如下：

2-1 分別拉取a_img 和 ab_img的圖片內容（字串），如果內容相同，那麼確定是同一條記錄，記錄匹配關係；

2-2 如果內容不同，計算兩張圖片的相似度（漢明距離）。當相似度大於指定閾值時，認為二者匹配，記錄匹配關係

四 計算資源管理及優化

可以看到，這裡可能會有一個比較耗費資源的動作，就是需要匹配圖片內容時。我們要拉取圖片內容、字串直接比對、簡化特徵、計算漢明距離，而當這個計算邏輯被併發呼叫的頻率很高時，所需的頻寬、計算能力都有可能成為瓶頸。自運維就需要解決峰值問題，或強制限制呼叫頻率。所以採用函式計算來做彈性支援。

另外，為了減少重複的圖片拉取動作，降低流量消耗，且繫結資料儲存在系統B中。那麼我們先完成系統B內img的內容拉取，和特徵提取工作，對於一個新的匹配請求，我們只需要拉取a_img的內容並特徵提取就可以了，減少了近一半的工作。

 

目前，專案已經在開發中，效果已做驗證，即將上線。未來再進行深入優化