使用ElasticSearch来作为推荐引擎，OpenResty采集用户行为数据，使用Kafka作为数据中转站，结合Spark和Flink来进行特征指标计算、数据集成、数据同步，完成整个推荐系统的搭建

ElasticSearch第2篇（1.4万字记录ElasticSearch集群部署、节点、分片、副本、路由、的概念与增删改查操作、客户端调用、设置指标、集群读写流程、故障转移）

ElasticSearch第1讲（4万字详解 Linux下安装、原生调用、API调用超全总结、Painless、IK分词器、4种和数据库同步方案、高并发下一致性解决方案、Kibana、 ELK）

背景 Elastic search 是一个广泛使用的分布式搜索引擎，我们公司广泛的使用了Elastic search。本文是 ElasticSearch 使用的规范和建议。 缓存使用规范 查询缓存能够

最近接了一个需求，要提供一个随意组合多个条件来查询订单数据的功能，看着数据库里过亿的订单量，头发不争气的又脱落了两根代表这个需求不简单

一道之前的面试题： 来自：社招一年半面经分享(含阿里美团头条京东滴滴) 「文章较长，可以点赞在看」 文章内容收录到个人网站，方便阅读：http://hardyfish.top/ 前言 Elastics

我们在业务开发中，该通过怎么样的姿势去使用ES，来持续保持高稳定、持续迭代的ES，稳健的为业务提供价值呢？本文将从 电商商品搜索 --ES设计 -- ES 优化 来展开，沉淀的使用姿势与方法论

Elasticsearch是一个分布式、RESTful风格的搜索和数据分析引擎，适用于各种数据类型，数字、文本、地理位置、结构化数据、非结构化数据；

这篇主要介绍聚合查询相关查询，通过对一个简单聚合查询层层深入，逐渐形成复杂查询，最后使用桶选择器对聚合结果进行过滤。