Anghami 于 2012 年在贝鲁特成立，提供免费和付费音频流媒体服务。高级服务提供的功能包括下载曲目并离线播放、倒带或快进音乐以及查看歌词等功能。

随着竞争对手音乐服务的崛起，Anghami 认识到，引导客户选择符合他们喜好的艺术家和内容变得越来越重要。鉴于该平台上提供的阿拉伯和国际音乐收藏范围广泛且不断扩大，这一点变得更加重要。这些音乐推荐功能吸引了新客户，并提高了用户忠诚度。该公司观察到，收到额外的歌曲推荐时，用户在网站上花费的时间会更多。

Anghami 之前的推荐生成解决方案使用了遗留代码，这使得其团队难以扩展其功能。Anghami 决定在 AWS 上创建新的云原生解决方案。新平台上无需维护旧代码，为工程师腾出了更多时间来为客户构建新特性和功能。这也意味着他们可以利用诸如 Amazon OpenSearch Service 之类的多功能工具，该服务可以轻松执行交互式日志分析、实时应用程序监控和网站搜索。

该公司的目标是开发一个可以扩展的尖端推荐平台，以应对其不断扩大的用户群，同时促进为其客户创建新功能和服务。

Anghami 自成立以来一直是 AWS 的客户，他联系了 AWS 解决方案架构师，根据其未来计划研究其技术选择。经过几次深入的研讨会，他们想出了一个简单、强大、易于维护和开发的新架构。

在与 AWS 首次举办架构研讨会后的 6 个月内，Anghami 针对其不断增长的歌曲和播客目录推出了基于云的推荐引擎。
现在，该服务的推荐平台在 Amazon OpenSearch Service 上运行。Anghami 将其用户行为数据和音频内容存储在 Amazon Simple Storage Service (Amazon S3) 上，该对象存储旨在从任何地方检索任意数量的数据。

为了运行大型数据工作负载，该公司使用 Amazon EMR，可以轻松运行和扩展 Apache Spark、Hive、Presto 和其他大型工作负载。这些工作负载包括训练近十年的客户数据，这些数据是从每天使用流媒体音乐服务的数百万客户处收集的。为了训练产生音乐推荐的机器学习模型，Anghami 使用了 Amazon SageMaker，它可以帮助构建、训练和部署机器学习模型。

在 AWS 上构建其平台降低了公司的技术风险，因为现在可以更轻松地找到有才华的工程师和 DevOps 员工。Anghami 机器学习副总裁 Kevin Williams 说：“作为一家科技公司，一个人的发展取决于其才华。”“我们可以快速找到具有 OpenSearch 技能的候选人以及其他有动力学习 OpenSearch 的人，因为这是一项广泛使用的技术。培训技术人员也更迅速，因为他们可以访问有关 AWS 服务的现有文档。”

Anghami 开发人员现在可以快速对产品团队的新功能构想进行原型设计，并快速开发查询以向用户推荐内容。在 AWS 上编写搜索查询和创建原型需要 1-2 天的时间，而在之前的系统上大约需要 2 周。自从 AWS 上线以来，该团队已在服务登录页面上创建了新功能，为客户推荐艺术家和相关播放列表供客户收听，而不仅仅是推荐曲目。

Anghami 还可以几乎立即向粉丝发布新音乐。当新曲目发布时，通常在星期五，粉丝可以在正式发布后的一分钟内访问它们。使用之前的解决方案，技术团队无法快速向目录中添加单个曲目。但是，使用 OpenSearch，该团队可以在歌曲发行后的瞬间内使用其机器学习算法插入和提供歌曲。Kevin Williams 说：“这是一项必不可少的功能，它确实让我们在竞争对手中脱颖而出。”“粉丝对新发行的歌曲更加感兴趣，真是令人满意。”

Anghami 现在具备一个技术基础，可以在未来几年内继续发展。Williams 说：“我很高兴能够进行开发冲刺并及时发现最佳的客户体验。”

Anghami 计划继续扩大其音频目录并扩大其在中东及其他地区的用户群。Williams 补充说：“我们希望在我们运营的地区拥有播客、有声读物和音乐的音频。”“使用 AWS，我们拥有实现这一目标所需的一切。我们的平台灵活、可靠、可扩展且易于维护，因此我们可以将精力花在有益于客户的有价值的任务上，而不是维护上。”