Airbnb revoluciona experiência do hóspede com processamento de dados em tempo real

A Airbnb deu um passo importante na sua arquitetura de dados ao refinar o Chronon, sua plataforma de features, para processamento em tempo quase real. O desafio era grande: garantir que a jornada do hóspede, desde a navegação até o interesse em uma propriedade, fosse refletida rapidamente nas recomendações. Anteriormente, as atualizações dependiam de rotinas batch diárias, o que podia deixar os dados desatualizados por até dois dias. Esse tipo de latência comprometia a relevância das sugestões, já que o comportamento recente do usuário é crucial para o ranking.

A solução veio com duas novas capacidades no Chronon: o Push Mode e o Near-real-time (NRT) Model Transform. O Push Mode transforma as atualizações de features em triggers event-driven, notificando consumidores downstream assim que um novo valor é salvo. Já o NRT Model Transform permite que a inferência do modelo (o mesmo encoder Transformer usado offline) ocorra dentro do pipeline de streaming. Com isso, ao combinar a atividade do hóspede, o sistema gera embeddings atualizados em tempo real, eliminando a dependência do processamento batch e reduzindo a

A grande evolução é a transição de um modelo de atualização batch diário, que gerava uma defasagem de até dois dias nos dados de interação do hóspede, para um sistema em tempo quase real. Onde antes o sistema aguardava a rotina noturna para atualizar os embeddings de recomendação, agora, com o Push Mode e o NRT Model Transform do Chronon, a

Essa melhoria na infraestrutura de dados da Airbnb é um exemplo claro de como aprimorar a capacidade de resposta pode gerar resultados tangíveis. A redução drástica na