先说结论:一套智能供应链AI预测系统,从线上跑不起来到扛住大促峰值,再到把运维成本砍掉一多半,这中间经历的不只是技术栈的更换,更多的是对架构本质的反复思考。如果你正准备自建预测系统,或者已经在微服务里挣扎,这篇文章里记录的这些选择和踩坑,应该能帮你省下不少弯路。
我一直负责公司供应链侧的AI预测平台。这个平台的核心任务不复杂:基于历史订单、库存水位、促销计划、天气、甚至外部市场行情,预测未来若干天的销量和安全库存线,给采购、补货、调拨提供决策依据。但就是这套听起来很简单的系统,架构上前后经历了三次大改。
1. 单体阶段:AI预测系统最初的样子和它的承载极限
1.1 第一版单体架构的选型逻辑
第一版系统上线时,业务刚起步,预测链路砍得很短。每天凌晨定时跑批,从数据仓库拉过去90天的订单明细,经过特征工程生成训练样本,更新模型,然后对全量SKU做未来14天的预测,最后把结果写回业务库,供采购后台查询。
当时的技术选型很直接:Spring Boot + MySQL + Redis,模型训练用独立的Python进程,预测结果通过消息队列异步写回。整个系统就是一个单体应用,预测引擎以本地函数库的方式嵌在Java服务里,训练脚本独立部署在一台Cron服务器上。
那时候这么选是合理的。团队只有三个人,业务方要的是"先跑起来看效果",不是要一个分布式标杆。单体架构下的优势非常明显:应用内部直接调用,不需要考虑网络开销;MySQL事务保证数据强一致;日志集中在一个应用里,排查问题不用跳来跳去;部署只需要打一个Jar包丢到服务器上。
这个阶段,整个系统的QPS很低。预测是离线批任务,每天凌晨触发一次,业务端的查询接口峰值也就每秒几十次。单机4核8G就能扛住,Redis里缓存的热点SKU预测结果,命中率能到85%以上。
1.2 单体内部的功能模块划分
虽然是单体,但代码层面必须保证模块边界清晰,不然后面重构就是灾难。我当时的做法是严格分四层:
- 数据接入层:负责对接数据仓库、业务库、外部API,统一做数据清洗和对齐,输出标准化的事件流。
- 特征平台层:把原始数据转换成模型可用的特征,包括滞后特征、滑动平均、节假日哑变量、促销折扣因子,所有特征都有版本号和生成时间戳。
- 模型服务层:封装多种预测算法,包括时序的Prophet、LightGBM回归、以及后续引入的DeepAR,统一走模型注册和版本管理。
- 结果分发层:把预测结果按照业务线拆分,写回业务库或者推送下游系统。
分层的好处是,当预测效果不准需要调特征时,不用动模型服务代码;当模型版本要回滚时,也不用碰数据接入逻辑。这个模块边界在单体阶段被保住了,后来拆微服务时,基本上就是按这条线切开的。
1.3 单体架构的承载极限:不是性能先崩,而是协作效率先崩
很多人以为单体架构是被高并发打垮的,但我们这个场景恰恰相反,性能和资源一直够用,先撑不住的是开发和协作效率。
随着业务扩张,预测不再只有销量预测,还增加了断货风险预测、滞销预警、动态安全库存计算。每个新场景都要加定时任务、加数据源、加模型脚本。单体应用里,Job越来越多,每次发布都得把所有任务停掉再重启,一个任务的代码有问题,整个应用启动失败,所有预测全部停摆。
更头疼的是资源隔离问题。深度学习模型(DeepAR)训练时要把内存顶到十几个G,而线上预测服务却只需要2G内存,两者挤在一个进程里,互相争抢资源。有一次模型训练脚本内存溢出,直接把Java服务拖垮了,采购后台整整四十分钟查不到预测结果,业务电话被打爆。
1.4 单体阶段复盘:哪些经验迁移到了后面
单体阶段不是白干的,有几样东西一直沿用到后面:
- 特征版本管理的思想。每个特征都记录生成逻辑、时间窗口、数据源版本,这让后来做特征服务时非常顺畅。
- 模块边界的分层。预测系统天然分四层,拆服务时几乎不用重新设计接口。
- 数据预处理的标准化。所有数据源统一清洗成"SKU-时间-事件"的三元组结构,后面接实时数据流时直接复用这套结构。
这一阶段最大的教训是:会有一个明确的时间点,让你意识到单体已经不适合了。当你发现自己为了"不动整体代码"而开始写各种开关和if-else分支时,就是该拆的时候了。
需要模型API调用? 免费领10W Token,多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 微服务拆分:从一次库存预测事故开始的架构重构
2.1 触发拆分的导火索:一次预测数据错乱
直接让我们下决心拆分的,是一次数据错乱事故。
当时为了支持一款新品的上市预测,需要紧急接入一个新数据源。因为是在单体应用里修改,变更影响范围很难控制,数据接入层的改动不小心影响到了特征计算模块的时间窗口逻辑。结果是,整整三天内,所有参与促销的商品预测销量都比实际低了30%,补货计划按错误预测执行,仓库备货不足,大促前最走量的一批SKU直接断货。
复盘时,本质原因很清楚:数据接入、特征计算、模型推理耦合在一个进程里,任何一环的改动都可能影响全局。而且当时的CI流程也不完善,没有针对特征计算的独立测试集,问题直接被带到了生产。
这次事故之后,我们正式启动了微服务化改造。
2.2 服务拆分背后的逻辑:不是按技术分层,而是按变更频率和资源特征
很多团队拆微服务,喜欢按技术分层拆,比如"数据服务""计算服务""接口服务",这种拆法看起来规整,但实际用起来很别扭,因为每一个需求变更都要跨多个
