@sevefev 炒股

考研，移民，刷题等等曲线救国方式都是饮鸩止渴。

很简单，积累原始资本。

Elasticsearch 的需求这个不是上云对机器能解决的，中文支持->中文分词(机械，字典等)，实时索引，首字母搜索->doc 量大需要优化 wildcard query，纠错->speelcheck 索引，后面可能还需要优化召回和排序。

@FromNowToNow posting lists 这块 lucene 用的是跳表实现，为的是优化合并 posting 的性能，相当于一个 merge interval 的问题。

跳跃表了解一下

用过 giganews，能满速下载

在数组有序的前提下，复杂度能够优化到 O(logn), 思路是二分查找

@hikarisama 是的，这样可以最大化查询性能，先 query 再 facet 分析的话，还是免不了要把数据放在 ES。后面提到 influxdb，ES 基于 inverted index，influxdb 基于 LSM tree，单从两个数据结构看 ES 的查询性能会比 influxdb 好。

数据量大的话建议 ES 只 store primary key，然后拿着 PK 到 mysql 中取数据

fq 不参与排序

@Variazioni 他的意思是 hdf5

@yanaraika 算法从 HMM,CRF 到深度神经网络，切分的查准和召回率都有小幅提升。但是对分词器切分性能影响最大的还是要有一份好的语料或者词典。

ejabberd

@Mrkon 索引不怎么变的话可以考虑在 ES 前加 HTTP 缓存，facet 字段最好启用 docvalues

少量用 fq, 另外排序不要带 score。
量大可以写个插件在 querypaser 里拼 termsquery 再包一层 filterquery。
量再大就要用黑科技了。

pplive 赞一个

毒丸对象了解一下