RTB Workshop
机器学习广泛应用于程序化广告，本章我们使用AWS的SageMaker服务来进行机器学习，训练模型并使用ECS进行线上推理，实现流量过滤，
整体架构如下图所示，由三个主要组件组成：
- ML Pipeline 组件：包括下载和准备数据、特征工程和 ML 模型的训练
- 数据存储：保存所有数据和生成的模型文件
- ECS流量过滤模块：运行 ML 模型，进行流量过滤。
ML-数据管道
为了处理大量出价(Bid)和展示(Impression)数据，我们使用Amazon EMR
集群，它是从SageMaker Studio 创建出来的：
数据存储
使用S3存储所有数据。用单个 S3 存储桶，使用由不同前缀分隔数据。
流量过滤组件
经过训练的模型将部署在ECS流量过滤模块。出价服务器使用模型推理，根据模型预测做出出价/不出价决策：
