Accueil Le blog ebiznext

Contexte

L’objet de cette note est un retour d’expérience sur l’optimisation des performances d’un cluster elasticsearch dans le cadre de la mise en œuvre d’une solution de recommandation en ligne qui s’appuie sur MLLib / Spark / elasticsearch. Le diagramme ci-dessous illustre le découpage logique :

 

es1

 

elasticsearch est une solution de search distribuée et permet donc de répartir les données sur plusieurs serveurs. L’objet de cette note est de décrire les paramétrages réalisés sur chacun des nœuds pour obtenir une performance optimale.
En savoir plus >>

 

mogobiz-elastic

 

Dans cette note je décris la mise en oeuvre d’une architecture générique de traitement des données dans le cadre d’analyse offline.

Analyse Offline Objectifs : Sur la base de référentiels et de logs d’accès au serveurs Web, le marketing/l’exploitant/… doit pouvoir effecuter des traitements qui lui permettent de comprendre le comportement des visiteurs sur son site et revoir le site afin d’améliorer l’expérience utilisateur.
En savoir plus >>

Certains développeurs sur le net ont une fâcheuse tendance à interpréter le pattern matching Scala comme un super switch. J’aimerais ici dire que j’ai compris qu’il ne s’agit pas du tout de ça.

Ce post prend volontairement un ton assez léger (les passionnés me comprendront)

Un des concepts les plus puissants de Scala est le pattern matching car il nous permet d’abstraire les algorithmes exactement comme on le faisait en mathématiques pour décrire les opérations algébriques.

Grace au pattern matching des langages fonctionnels, l’affectation est relégué à une instruction assembleur. Si si vraiment. Je m’explique:
En savoir plus >>

This note is the last in a series of posts dedicated to functional programming.  It follows that previous post

Higher Order Functions are definitely what will allow us to write less code throughs techniques that OOP cannot provide us with.
En savoir plus >>