请问字节是怎么能连续面的？

怎么正确的手握钓鱼竿也是技术（狗头

张江的公司吗

古墓系列

关键字 `抖音 倒鸭子` 或者 `TypeMonkey`

推荐是什么场景啊

es 有个 issue https://github.com/elastic/elasticsearch/issues/1242，类似于 trigger 或者 binlog 的东西，然鹅这个 issue 已经九年了，还是没有 close......

所以目前最好的方案还是程序端双写

@mlhorizon 请问正常学多久能达到「随时能掏出来装 13 」

过于真实，全是收藏的🤣

@lsvih 机器学习工作流这部分的抽象和拆解很清晰

搜索推荐是非常面向业务的，你要先想好你想关心的数据，然后再去反推你的 scheme / mapping 设计，比如：

1. 用户关心的热门内容，那就需要从日志里抽取至少 content_id, user_id, tags，目前的数据里有 tags 吗？如果没有，或者数据量不足，怎么抽取呢？
2. 用户的兴趣变化，那要再加个 timestamp 字段，上周还没人阅览的内容，这周暴增了十倍

诸如此类

1. 先用最简单的 ELK，docker 现成的，kafka 都不要，快速验证快速试错
2. 真要认真做推荐系统当然是要上 Hadoop 、spark 这些的，一般成熟的系统也是 online/nearline/offline 多层架构的，数据层比算法层重要
3. 大数据开发、知识图谱、搜索推荐，每个都是要求很高的，如果是一个人做，玩玩就好，不要期望太高....

先问清楚，是待满三年会有上海户口，还是有资格拿户口？个税是否超过平均两倍？否则可能三年又三年哟

赞，天不冷的时候带上我~

会不会，emm，你自己才是回避型依恋呢

1. 队列多写
2. 不合适，es 不支持事务
3. 索引时就 join 好写入 es，不要把这种事放在搜索时，es 要的就是快快快！

我比较好奇的是什么才是真正的「反兴趣」呢？如果仅仅是把用户感兴趣的和不感兴趣的调个头，似乎又不够「反」

拿很火的「反脆弱」概念举例，玻璃是「脆弱」的，因为一摔就碎，钢铁也是「脆弱」的，它虽然摔不碎，但摔个 100 次他会变形。肌肉才是「反脆弱」的，在一定的强度内，肌肉会越摔越强。