Meta bringt Funktionen für Werbemodelle 3,6-mal schneller in Produktion

Eine fehlerhafte Funktion blockierte bisher das gesamte Release

Metas Facebook Feature Framework, kurz F3, dient dazu, die Funktionen für maschinelles Lernen hinter Werbe-Rankingmodellen zu erstellen, zu kompilieren und bereitzustellen. Die Verarbeitung einer einzelnen Anfrage kann mehr als 20.000 Funktionen erfordern.

F3 senkte die Rechenkosten, indem alle Funktionen zu einem einzigen kombinierten Graphen kompiliert wurden. Der Graph war jedoch zugleich die Bereitstellungseinheit. Enthielt eine einzelne Funktion eine ungültige Definition, stoppte der gesamte Release-Prozess. Dadurch konnten selbst gültige Funktionen nicht in die Produktion gelangen.

In Metas Beispiel waren fünf von sieben unabhängig erstellten Funktionen gültig, während zwei fehlerhaft waren. Der erste Kompilierungsversuch scheiterte an einem Fehler, der zweite am jeweils anderen. Deshalb konnte der vollständige Graph erst beim dritten Versuch in die Produktionsumgebung übernommen werden.

F3 Lightning trennt Bereitstellung und Ausführung

F3 Lightning soll jeder Funktion eine eigene Bereitstellungseinheit geben und zugleich die Effizienz der gemeinsamen Berechnung von F3 erhalten. Der Compiler behandelt jede Funktion als unabhängige Konfiguration. Diese enthält alle Knoten, die zum Extrahieren der Funktion erforderlich sind, in der richtigen Reihenfolge, und hängt nicht von der Konfiguration einer anderen Funktion ab.

Dadurch verhindert eine fehlerhafte Funktion nicht mehr, dass die übrigen bereitgestellt werden. Funktionen können nach getrennten Zeitplänen ausgewählt, validiert, bereitgestellt und zurückgesetzt werden. Statt stapelweise zu arbeiten, nutzt der Release-Prozess eine geordnete Warteschlange. Die Priorität von Änderungen richtet sich dabei nach den Möglichkeiten, die sie eröffnen, sowie nach ihren Auswirkungen und Risiken.

Eine neue Funktion, die noch von keinem Modell verwendet wird, kann laut Meta schnell über den standardmäßigen Validierungsprozess veröffentlicht werden. Wirkt sich eine Änderung auf eine Funktion aus, die bereits von einem Produktionsmodell genutzt wird, sind zuvor zusätzliche modellspezifische Tests erforderlich.

Vier Ansätze erhalten die Vorteile gemeinsamer Berechnungen

In den ersten Prototypen für unabhängige Releases wurden die Funktionen ebenfalls getrennt ausgeführt. Dadurch mussten dieselben Lese-, Filter- und Aggregationsvorgänge mehrfach durchgeführt werden, was die Prozessornutzung deutlich erhöhte.

F3 Lightning trennt deshalb die Bereitstellung, führt die Ausführung beim Start aber wieder zusammen. Das System erstellt aus den aktiven Funktionskonfigurationen einen einzigen Ausführungsplan. Identische Berechnungen erscheinen darin nur einmal.

Meta hebt vier technische Schritte hervor. Der Compiler erstellt stabile Identifikatoren auf Basis der Operation, ihrer Parameter und ihrer Eingaben. Anschließend erstellt das System einen einzigen Ausführungsplan für alle aktiven Funktionen. Zu den weiteren beschriebenen Optimierungen gehören ein gemeinsamer Speicherpuffer für alle Funktionen und eine dichte Indizierung für den direkten Zugriff auf Arrays.

Schnellere Release-Zyklen bei unveränderten Rechenkosten

Laut einem am 3. November 2026 von Meta veröffentlichten Bericht gelangen vergleichbare Funktionen mit F3 Lightning rund 3,6-mal schneller in die Produktionsumgebung als mit dem bisherigen F3. Das Unternehmen gibt an, dass dies ohne höhere Rechenkosten der Infrastruktur erreicht wird.

Der kürzere Release-Zyklus ermöglicht mehr Modelliterationen in derselben Zeit. In Metas eigener Infrastruktur für maschinelles Lernen in der Werbung verringert die Änderung das Risiko, dass eine einzelne fehlerhafte Funktion die Bereitstellung anderer, bereits validierter Funktionen verzögert.