实时机器学习系统综述与简介

1. 机器学习（不做介绍）

2. 领域分类： 监督、非监督、（半监督、强化、元、迁移）等等

3. 实时架构： 快速稳定、数据连续性、自动化

4. 实时机器学习分类：

1. 硬实时机器学习：响应系统在接收到请求后，能够马上对请求进行响应反馈，做出处理。（常见领域：网页浏览、在线游戏等）。 问题：通常计算机的网络传输延迟是重要因素之一，在服务器上通常用负载均衡进行响应。
2. 软实时机器学习：响应系统在接收到请求后，立即开始对响应进行处理，并且在较短的时间内进行反馈。（常见领域：物流运输等）。问题：由于对响应延迟有所放松，因此会加入分布式队列进行缓冲。
3. 批实时机器学习

5. 实时机器学习要求： 可扩展性、低延迟性（10微米）、私密性。

常用工具： Pandas，Scikit-learn, Docker, RabbitMQ, Elaticsearch 以及数据库