利用一点机器学习来加速你的网站

在生活中，我有 73% 的时间在考虑 web 性能-在低配手机上达到 60 FPS、 有序加载资源、离线缓存任何能缓存的资源。还有一些其他的优化。

最近，我发现自己对 web 性能的定义可能太狭隘了，从用户的角度上来说，这些只是 web 性能中的一些小插曲。

所以我打开了我经常去的网站，尝试了所有的用户可能的操作，并记录操作所花费的时间。(我们需要一些用户操作时光轴工具)

之后，我发现了一个可行的提升性能的方案。

下面的文章内容聚焦在某个具体网站的具体操作步骤。但是我觉得这个解决方案(嗯，没错!就是机器学习)可以应用到很多其他类型的网站上去。

问题，如何才能节约时间

这个网站，用于卖家出售没用的东西，买家通过购买这些东西来淘一些有价值的东西。

当卖家要在网站上出售东西时候，要先选择分类, 再选择对应的模版，然后填写细节信息，预览，最后发布。

然而第一步 — 选择分类 — 就把我带进了一条弯路

首先，一共有674个类别，我根本不知道我你破旧的皮划艇属于哪个类别( Steve Krug 说的好， 不要让用户去思考 )

第二步，即使我知道商品所属的类别 — 子类别 — 子子类别，我也要至少花费12秒的时间。

如果我跟你说，我能把你的页面的加载时间减少12秒，你一定觉得我疯了。那么为什么不在一些别的地方来节约这12秒呢。

正如凯撒大帝所说，时间很宝贵的呢。

我一直认为用户无知是福。我如果把商品的标题、描述、价格放到机器学习的模型里面，系统应该能自动计算出商品所属的分类。

这样子用户选类别的时间就能省下来了。他们就可以开心的把这些时间拿来去 reddit 找 DIY 的双层床了。

机器学习-你不该逃避它，你要去拥抱它

一开始的时候，我对机器学习一点概念都没有。我是在游戏 AI ，以及 Alpha 狗战胜人类顶级围棋棋手之后才有所了解的。

因此我打算开始去了解它，下面的几步一个小时都不需要。

1. Google 搜索 'machine learning'
2. 查看大量的关于机器学习的文章
3. 发现了亚马逊发布的 机器学习 相关的服务
4. 我开始意识到我不需要知道太多的关于机器学习的东西
5. 嗯。好开心

(作者注: 因为没有去系统的学习机器学习，所以文章的一些专业术语可能被乱用。。)

一个简单的实现流程

亚马逊发布了他的机器学习文档 。如果你不是对这个文档很感兴趣，打算花5个小时去阅读，那么就来看下我写的一些总结吧。

整理如下：

• 获取一些 CSV 数据文件，每行都是一个商品项(^_^我的皮划艇)，列名是标题、描述、价格、所属分类。
• 把数据传送到亚马逊的 AWS S3 bucket 里面
• 用数据去训练机器。这样子，这个小小云机器人就能通过商品的标题，描述和价格去预测他的分类了。
• 在前端页面上，写一些代码，获取用户输入的 标题/描述/价格，发给这个云机器人，经过计算，就能向预测这个商品所属的分类了。

实战模拟

下面是我写的一个表单，模拟了卖家发布信息的几个关键流程。

下面的结果一定会让你对机器学习保持兴趣。你只要相信我，建议类别是由深度学习模拟预测出来的。

让我们去卖一个冰箱

再来试一下卖个水族馆：

这个云机器人居然能识别出水族馆!

当我看到这个结果的时候，手舞足蹈，是不是棒棒哒?

(我偷偷的告诉你我是怎么实现的：React, Redux, JQuery, Mox, RxJs, BlueBird, Bootstrap, Sass, Compass, NodeJs, Express, Loadsh。项目是使用 webpack 打包。最后生成的文件在1M左右)

嗯。不 BB 了。开始讲正经事。

一开始为了拿到机器学习用的数据。我也是想破了头。我大概需要10K条数据。后来是在一个当地的交易网站上面发现有这些数据。看了一下 URL 和 DOM 结构之后，我用 Google Scraper 插件提取了一些数据。导出成 CSV 文件。在这些数据上我大概花费了四个小时。将近整个项目时间的一半了。

数据整理好之后，上传到了 Amazon S3 上，配置了一下机器学习的参数，设置了数据模型。整个学习的 CPU 耗时才3分钟。

界面上还有一个实时预测功能，所以我打算用一些参数测试一下。

嗯。还挺好用的。

为了不在浏览器里面暴露出我的 Amazon API ，所以我把 API 放到了 Node 服务器上。

后台代码(Node)

使用方式很简单。接口参数为 modelId, 服务器返回一个 prediction ：

const AWS = require('aws-sdk');  
const machineLearning = new AWS.MachineLearning();  
const params = {  
MLModelId: 'some-model-id',  
PredictEndpoint: 'some-endpoint',  
Record: {},  
};  
machineLearning.predict(params, (err, prediction) => { // we have a prediction!}); 

这里参数用大写字母开头，本来打算改掉的。后来想想还是算了。

Record, 是一个JSON对象。属性值是(title, description, price)

我不想只提供一些代码片段。为了帮助大家更好的理解。我把所有的服务端代码都贴上来了。

server.js:

const express = require('express'); 
const bodyParser = require('body-parser'); 
const AWS = require('aws-sdk'); 
const app = express(); 
app.use(express.static('public')); 
app.use(bodyParser.json());  
AWS.config.loadFromPath('./private/aws-credentials.json'); 
const machineLearning = new AWS.MachineLearning();  
app.post('/predict', (req, res) => {  const params = { 
    MLModelId: 'my-model-id', 
    PredictEndpoint: 'https://realtime.machinelearning.us-east-1.amazonaws.com', 
    Record: req.body, 
  };  
  machineLearning.predict(params, (err, data) => {    if (err) { 
      console.log(err); 
    } else { 
      res.json({ category: data.Prediction.predictedLabel }); 
    } 
  }); 
});  
app.listen(8080); 

aws-credentials.json:

{ 
  "accessKeyId": "my-access-key-id", 
  "secretAccessKey": "shhh-secret-squirrel",  "region": "us-east-1" 
} 

(在.gitignore 中忽略 /private 文件夹)

上面就是所有的后台代码。

前端代码

表单里面的代码功能比较简单。

• 监听几个输入框的 blur 事件
• 读取表单里面的字段值
• POST 给 API 端
• 把 API 端返回的 prediction 显示在页面上

(function() { 
  const titleEl = document.getElementById('title－input'); 
  const descriptionEl = document.getElementById('desc-input'); 
  const priceEl = document.getElementById('price-input'); 
  const catSuggestionsEl = document.getElementById('cat-suggestions'); 
  const catSuggestionEl = document.getElementById('suggested-category'); 
   function predictCategory() {     
    const fetchOptions = { 
      method: 'POST', 
      headers: {        'Content-Type': 'application/json', 
      }, 
      body: JSON.stringify({ 
        title: titleEl.value, 
        description: descriptionEl.value, 
        price: priceEl.value, 
      }) 
    };  
    fetch('/predict', fetchOptions) 
      .then(response => response.json()) 
      .then(prediction => { 
        catSuggestionEl.textContent = prediction.category; 
        catSuggestionsEl.style.display = 'block'; 
      }); 
  }  
  document.querySelectorAll('.user-input').forEach(el => { 
    el.addEventListener('blur', predictCategory); 
  }); 
})(); 

上面就是全部的前端代码了。

啊啊啊……云服务还要收费呢

别忙着收起你的帽子，魔术表演怎么可能是免费呢。

我上面用到的 model 数据(10K行/4列)有6.3MB. 云端在等待接受请求的时候，消耗了6.3MB的内存。这些资源的开销是每小时0.0001刀。或者每年8刀。 我在手套上面花的钱都比它多。

每次进行 prediction 的时候，也要0.0001刀。所有就不要随随便便就调用这个 API 了。

虽然目前不仅仅是 Amazon 提供了这个服务，但是我还是没有找到另外两个大厂家的价目表。

Google 有 TensorFlow , 但是我看了一下 入门教程 就跑了。

Microsoft 有 Machine Learning offering , 但是IE6还是让我有点耿耿于怀 (可能不久后，Amazon 和 Microsoft 之间会有一场大战吧)。

一些总结

或许只是我感到有些许惊讶(我还记得当我意识到‘news’是‘new’的复数的时候)，我认为这些都十分让人惊讶。它允许像你我这样的普通人(对发展影响的程度较小的人)在机器学习中进行挖掘，可能会促成那些用户很大的改进。

下一步在哪?

上面的例子显然是进行过设计的，并且，我承认，我省略了一些话题。

如果我可以的话，我应该列出所有问题，但要是你自己去做你自己发现问题那也是很有趣的。

因此，去做吧，如果你取得了一些成功，我将乐于在评论中看到它们。