Trendyol Arama Sıralama Modellerini Config İle Hızlandırdı
Trendyol, arama sıralama modellerini günlerce süren Go kodlamasından tek bir YAML dosyasıyla saniyeler içinde canlıya alan config odaklı bir platform geliştirdi.
Trendyol'un Search Relevance ekibi, e-ticaret arama sonuçlarını sıralayan ML modellerinin üretime alınma sürecini yeniden tasarladı. Eskiden yeni bir sıralama modeli için veri bilimcilerin hazırladığı bir Google Sheet, mühendisler tarafından elle bin satırı aşan Go koduna çevriliyor, test edilip derlenip dağıtılıyordu; bu döngü tipik olarak iki-üç iş günü sürüyordu ve bir A/B testi için birden fazla model denendiğinde bir sprint'in çoğunu tüketebiliyordu.
Ekip, bu 'model lead time' (modelin eğitimden canlı trafiğe ulaşma süresi) darboğazını ortadan kaldırmak için config odaklı bir mimariye geçti. Artık veri bilimciler, modelin hangi özellikleri nereden ve hangi sırayla alacağını tanımlayan 150-200 satırlık tek bir YAML dosyası (model signature) yazıyor; bu dosya bir doğrulama pipeline'ından geçip yeni sıralama servisinde otomatik olarak bir merge request açıyor. Mühendislik ekibinin işi sadece inceleyip onaylamaya indi.
Yeni servis, model bilgisi, özellikler ve inference olmak üzere üç bölümden oluşan bu YAML tanımını okuyarak özellik çekme, bağımlılık çözümleme ve modele giden veriyi oluşturma işlerini kod değişikliği ya da yeniden derleme gerektirmeden otomatik yapıyor. Sonuç, aynı isabetli ranking mantığını koruyarak deneme-yanılma döngüsünü ciddi biçimde kısaltan, mühendislik ile veri bilimi arasındaki el değiştirmeyi ortadan kaldıran bir platform oldu.