如何设计一个实时用户画像系统
请设计一个实时用户画像系统，支撑精准营销和个性化推荐场景。包括：1）用户标签体系如何设计（基础属性/行为偏好/兴趣标签/预测标签）；2）实时标签计算架构；3）标签存储选型；4）如何保证标签的实时性和准确性；5）如何解决冷启动问题。
回答
专业代码师
实时用户画像系统设计
标签体系分层：
- 基础属性：性别、年龄、城市——从注册信息提取
- 行为偏好：近7天浏览品类、购买频率——Flink滑动窗口计算
- 兴趣标签：基于内容的TF-IDF/向量聚类——小时级更新
- 预测标签：流失概率/购买意向——ML模型每日推理
- 统计标签：活跃度（RFM模型）——实时更新
实时计算架构：
- 数据源：App埋点 → Kafka
- 计算层：Flink消费Kafka，用CEP识别用户行为序列模式
- 标签更新：Flink写入Redis（热标签，毫秒级读取）+ HBase（全量标签）
- 离线补充：Spark批处理计算复杂标签，写入Hive/HBase
冷启动方案：
- 新用户：根据设备信息、IP归属地推断基础标签
- 静默用户：基于Look-alike模型扩展相似用户标签
- 补充策略：推荐热门/多样内容收集用户反馈
准确性保障：标签时效性TTL+质量监控+人工标注校准