我在一家做跨境电商的小公司当程序员，最近有个个性化推荐的需求需要我完成，前面都还好，快要完成了遇到点事儿，跟产品经理有点讲不通的地方，在此吐个槽。具体的个性化推荐笔记我会在完成该需求后花点时间整理一下，毕竟学到了挺多东西的。
我们的业务员会给商品做一个打分，这个分数是他们希望曝光率更高的商品。这是第一点。
第二点是根据我们后台收集的用户行为数据，每个用户会对相关商品有一个打分，这个打分就是用户对商品的个性化推荐得分。
然后我现在要做的是将这两个打分给统一起来，加权求和后的总分就是给用户的一个推荐顺序。
实现这个需求比较简单，商品数据以及用户对每件商品的个性化得分都存储在elasticsearch中。用户搜索时，先将用户对商品的个性化推荐得分筛选出来，弄成一个 id-score 形式的哈希表，再通过elasticsearch的sortScript，进行脚本排序，在脚本中完成两个得分的加权求和，最后再根据结果倒序排列，完成对用户的推荐。
在搜索时同时需要注意用户的体验感，整个请求时间得控制在200ms以内，而排除了其他必要已经存在的业务耗时以后，留给个性化推荐的时间也就100ms左右，因此问题就出现了。
elasticsearch作为一个搜索引擎，本身在获取大量数据时性能就不太好，现在又加了个更耗性能的脚本。这下好了，接口耗时在1s以上，就算ES有热数据，整体耗时也在400ms以上。
为了减少响应时间，最直观的方法就是减少数据量，一页也才展示几十个商品，那我只需要处理前1000个个性化商品，这样既能给用户推荐他可能感兴趣的商品，又不至于过于影响性能。我将想法同产品经理说出来，准备讨论一下修改方案，结果被一口回绝，必须将所有产品都列入推荐当中！而且接口响应时间也得控制在200ms左右！
既要快，又要好，公司还不愿加机器，搭建ES集群……真就既要马儿跑的快，还不让马儿吃得贵。
啥事儿没有，吐个槽
©著作权归作者所有,转载或内容合作请联系作者
- 文/潘晓璐 我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
- 文/花漫 我一把揭开白布。 她就那样静静地躺着，像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上，一...
- 文/苍兰香墨 我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
推荐阅读更多精彩内容
- 本书借助数据仓库实现一套用户画像系统的方案。从实际工程案例出发，结合多业务场景，内容涵盖开发离线批处理计算的标签及...
- 一、导读 Hi！大家久等了！时隔10天，白日梦的Elasticsearch笔记进阶篇终于甘完了！本次更新依然是干货...
- 前言 第一部分，推荐模块技术点结合实际工作分选品、召回、排序、策略、干预、外显模块叙述各部分使用到的算法和策略。在...
