常见业务
1.搜索引擎
三段式结构： 1.检索系统 2.索引系统 3.spider爬虫
1.爬虫：由搜索引擎主动发起，去别人家的网站去爬数据 关键是建索引
快速判重：布隆过滤器。 给定数据排序： 1.常见排序算法 2.BitMap 算法， 数据量小的时间复杂度、空间复杂度比较大如(10、122、10万)。但是适应于密集的情况，有明显优势。
2.推荐系统
NetFlix 推荐系统公司，很多公司的标杆，其他公司的系统多少都会抄这家公司。
推荐系统通常有三个部份：
- offline 部份，离线
- nearline 部分，近线
- online部分，在线
划分为以上三部分的理由：
|___昨天__|__今天___|
离线： 当天肯定无法将当天所有用户的行为数据拿到，所以将昨天的数据存储后进行计算。 比如，用户9点看了鞋子的广告，但量不能确定10后用户还看了什么。 离线挖掘出的数据，应快带提供出去，比如使用NOSQL做为中间介质传递出去。redis、mongo、hbase 等 前端从nosql中去取数据。 大至是这个流程。
在线： 处理在线的时时的数据，对数据进行时时产生。如地图。 为什么不用时实代替离线？？ 如果时实时系统做的很完备，可以不要离线。但是实时任务有个特点，时效性要求非常高，为了保证任务快速得到结果，所以必须做出妥协，所以实时任不能有复杂算法，否则一量有一个任务出现非实时性，则整个实时任务线将受到影响。 离线不在乎时间，可以做复杂算法任务。所以两种任务，输入一样，输出并不一样。离线更准确，在线可以给一个近似的结果。
近线： 类似在线，如 storm、spark
推荐数据放缓存数据库中，如：NOSQL
数据有两部分：
- 用户行为数据
- 物品元数据：即名称，描述，标签，颜色等等属性
