Elasticsearch 倒排索引 的核心数据结构展开：Terms Dictionary（词典）、Posting List（倒排表）、以及 Lucene 的 FST（有限状态转换器） 与 Skip

一、在 BFF 层拦截多头借贷风险 在现代金融科技架构中，Node.js 常驻于业务网关层，负责聚合数据并为前端提供响应。当用户在 APP 端发起借款申请时，网关层需要在毫秒级时间内判断用户的风险等级

一、构建精细化的信贷审批“流水线” 在银行核心信贷系统或消费金融的风控中台（Risk Decision Engine）构建中，单一的“黑名单”查询已无法满足差异化的客群经营需求。业务部门往往需要更细粒

一、用 Go 构建高并发风控中台 在处理海量信贷申请（Loan Origination）时，风控系统需要极低的延迟和极高的吞吐量。传统的单一维度查询已不足以应对复杂的欺诈手段。天远API 的“多头借贷

解释 refresh 导致小段增多、段合并如何在后台把小段并入大段并清理已删除文档，为什么段过多会带来句柄/内存/CPU与查询开销。工程侧给出 merge 相关配置点：merge scheduler

本文将分享vivo在Celeborn实际应用过程中对遇到问题的分析和解决方案，用于帮助读者对相似问题进行参考。

一、利用 Node.js 构建高性能风控数据网关 在现代金融科技架构中，为了应对高并发的信贷申请请求，越来越多的企业选择使用 Node.js 构建API网关或数据聚合层。在贷前风控、实时授信以及反欺诈

一、多头借贷风险数据的风控价值与应用 在银行信贷审批、消费金融授信、小额贷款风控以及互联网金融反欺诈等众多场景中，精准评估申请人的多头借贷（Multi-Lending）行为是决定放款与否的关键依据。"

Elasticsearch 中倒排索引（Inverted Index）的原理与实现，从正向索引 vs 倒排索引的差异入手，结合分词流程、Term Dictionary、Posting List 等核心

一、 构建实时、轻量级的个人风控网关 在互联网金融（FinTech）、共享经济（如网约车、房屋短租）以及电商分期等高频交易场景中，用户体验与风险控制往往是一对矛盾体。前端业务需要毫秒级的响应速度，而后

一、 数字化时代的“人生风险雷达” 在消费金融信贷审批、关键岗位员工背调、大额租赁服务以及高端社交筛选等众多高风险场景中，准确评估个人的信用画像与潜在风险是业务安全的关键屏障。天远个人风险报告API（

一、 打造金融级的数据风控中台 在信贷审批、保险核保、大额资产租赁以及企业高管背景审查等严谨的业务场景中，单一的数据源往往难以描绘出完整的用户风险画像。企业需要从信用历史、反欺诈评分、司法诉讼记录以及

elasticsearch-rest-high-level-client 实现索引和文档的增删改查，包括：通过 JSON 与 XContentBuilder 两种方式创建索引、配置分片与副本、删除索引

前言 本文学习自Flink官方社区 一.什么是Delta Join，它是干啥的？ 1.实时的痛点 实时最大痛点：传统流式 Join 在面对海量数据和高基数 Key 时却遇到了瓶颈。问题在于2点 为了保

前言 上篇文章Paimon源码解读 -- Compaction-1.MergeTreeCompactTask解析了Paimon-Compaction阶段的大概流程 其中Paimon的compactio

覆盖指标聚合 Metrics Aggregations 与桶聚合 Bucket Aggregations 的完整实践，适用于 2025 年常见的 Elasticsearch 7.x / 8.x 版本。

一、高性能风控网关的数据基石 在构建互联网小额信贷、支付反欺诈系统以及大规模即时征信等高性能金融科技应用时，系统的吞吐量（Throughput）和低延迟（Low Latency）是核心指标。传统的单体

过滤查询与普通 query 查询的区别：Filter DSL 不参与相关度评分，只负责高效筛选，是日志分析、数据分类等场景的首选。文章通过 bool + filter + range 的组合示例

前言 上篇文章Paimon源码解读 -- Compaction-1.MergeTreeCompactTask解析了Paimon-Compaction阶段的大概流程，而最后发现，真正去将文件采用特点算法