实时数据平面

晚高峰客户端行为数千万 IOPS。这个量级不能让 Feed 服务同步写十个下游。总线先吃下来，再按消费者能力扩。

BMQ / Kafka

早期 Kafka 本地盘 + ISR，扩缩容要搬副本，热点 partition 打满单盘。BMQ（SoCC 2024，内部也称 ByteMQ）计算存储分离：Proxy 聚合 Produce，Broker 写分布式文件系统，Consume 可走多层缓存直接读存储。Partition 切 Segment 打散到不同磁盘，热点被摊开。Controller 不再管 ISR，故障可秒级切。公开：约 99.76% Kafka 集群迁走，资源成本约降 70%，单集群 TB/s 吞吐口径。

Flink → KV

消费行为 Topic，按 uid/item 更新窗口计数、序列、实时 CTR。状态在 RocksDB StateBackend；热 key 靠 State Cache 避免 LSM 反复 compaction。聚合结果写入 Abase，给精排点查。同时分流给反作弊、热点检测、计数服务。

Hudi / Hive / Spark

流同时落湖。Hudi 承接样本插入/更新/删除和特征回溯，以及把在线 LSM 存储的 CDC 打到离线可扫的格式。离线训练出稠密网络初始权重和新 item embedding，再导入 Monolith batch 阶段。

闭环时序

1. T+0 端上组包上报，接入写入 BMQ。
2. T+秒级 Flink 更新短窗特征（刚看过的类目、即时负反馈）。
3. T+分钟 Monolith 把被碰到的 embedding 同步到 serving PS。
4. T+小时/天 离线重训稠密层、重建 ANN 索引、刷新协同表。

短窗决定「现在不想看」，长窗决定「你是谁」。两条必须并存。