信息过滤系统解决信息过载用户需求不明确的问题。利用一定的规则将物品排序展示给需求不明确的用户。 推荐搜索区别：
推荐个性化较强，用户被动的接受，希望能够提供持续的服务搜索个性化弱，用户主动搜索，快速满足用户的需求 推荐系统的工作原理：
- 社会化推荐向朋友咨询,社会剑化推荐,让好友给自己推荐物品基于内容的推荐打开搜索引擎,输入自己喜欢的演员的名字，然后看看返回结果中还有什么电影是自己没看过的基于流行度的推荐查看票房排行榜基于协同过滤的推荐找到和自己历史兴趣相似的用户,看看他们最近在看什么电影
- 稳定的信息流通系统V.S.通过信息过滤实现目标提升web项目:处理复杂逻辑处理高并发实现高可用为用户提供稳定服务,构建一个稳定的信息流通的服务推荐系統:追求指标增长,留存率/阅读时间/GMV (Gross Merchandise Volume电商网站成交金额/视频网站W (Video View)确定V.S.不确定思维：web项目:对结果有确定预期；推荐系统:结果是概率问题
UI和UE(前端)数据（Lambda架构）业务知识算法
大数据Lambda架构
Lambda系统架构提供了一个结合实时数据和Hadoop预先计算的数据环境和混合平台,提供一个实时的数据视图
离线计算和实时计算共同提供服务的问题离线计算优缺点：优点：可以处理很大的数据量；缺点：速度慢，分钟基本的延迟实时计算：优点：响应快，来一条数据处理一条 ms级别响应；缺点：处理数据量小一些离线计算的框架：hadoop ;spark core,spark sql;hive实时计算的框架：spark streaming;storm;flink消息中间件：flume 日志采集系统；kafka消息队列存储相关：hbase nosql数据库；hive sql操作hdfs数据
召回->排序->策略调整
