經過技術團隊分析，興趣圈層信息由模型生產，按時間分區(qū)批量導入；興趣圈層特征多，業(yè)務方按照訴求對和自身業(yè)務相關的特征進行篩選，且圈層以統(tǒng)計分析為主，綜合看來面向OLAP業(yè)務的ByteHouse是一款最合適的存儲架構。
在一些典型興趣圈層的查詢場景中，比如“查詢用戶名為098765432123450（示例數據），關系為非高價值，作者名稱帶有“xx”的圈層信息”，MySQL的查詢耗時為2524ms，而ByteHouse僅需102ms。
基于 ByteHouse 替換 MySQL 重構抖音興趣圈層平臺后，不同場景的查詢效率平均提升了 100 倍左右，大大提升了使用者體驗。由于 ByteHouse 出色的查詢性能和良好的數據壓縮比，中等資源的服務器就能很好的滿足需求，這也降低了綜合硬件成本。
隨著大數據和實時計算技術的發(fā)展，使用者對推薦的實時性要求越來越高。ByteHouse具備高效的數據處理能力，進一步為推薦場景提供更強大的查詢分析支持。
