职位描述：
1、熟悉阿里大数据平台，在理解客户业务场景基础上，为互联网、金融、政府等行业头部客户定制相应的大数据解决方案。
2、在产出方案的过程中，一方面能合理引导客户需求，使得方案能对客户带来价值实现。
3、另一方面，在理解合作伙伴及客户的业务需求时，对内部研发团队整理产出大数据产品需求，提升产品体验。
4、能沉淀best practice的案例，赋能下游团队，案例能具备从行业标杆到全面可推广的能力。
5、负责售前阶段的技术交流，方案设计，概念验证等，以及负责客户上云项目的支持。
6、具备优秀演讲和文档编写能力，能独立编写与讲解方案，并主导在线Demo和线下POC。

职位要求：
1.熟悉Elasticsearch、HDFS、KafKa、Flink等开源系统中的至少一种，了解分布式存储系统原理，有相关设计经验尤佳；
2.熟悉开发语言：Java或Python，有大数据工具、应用等开发经验者优先；
3.精通Linux系统，具备系统级问题troubleshooting 和 performance tuning能力者优先；
4.具备强烈的进取心、求知欲及团队合作精神，具有良好的沟通能力，具有良好的问题分析和解决能力。

工作地点：北京、杭州
待遇：30~60K/月+年终奖+股票
简历请投递：chucai.oycc@alibaba-inc.com

在许多的情况下，我们使用现有的分词器已经足够满足我们许多的业务需求，但是也有许多的情况，我们需要定制一个特定的分词器来满足我们特定的需求。我们知道要实现全文搜索，在文档被导入到 Elasticsearch 后，每个字段都需要被分析。这里就涉及到分词。如果你对分词器还不是很了解的话，那么请参考我之前的文章 “Elasticsearch: analyzer”。

一旦文档被导入到 Elasticsearch 之后，我们就可以对其中的字段进行搜索了。通常它会依据默认的 BM25 算法对每个文档的相关性进行打分。关于每个文档的分数是如何得到的，我们可以参照文档 “Elasticsearch：分布式计分” 来了解更多。这个打分会影响搜索返回结果的先后顺序。打分最高的文档排在返回结果的最前面，紧接着是排名第二的分数，依次类推。默认的 BM25 打分规则虽然能满足我们绝大多数的需求，但是在实际的使用中，有时不能完全满足我们的需求，比如我希望一首排名靠前的歌曲的会影响最终的得分，离我们位置最近的新闻排在前面，最近发生的新闻优先排在许多年前的新闻之前。针对这些特殊的需求，我们需要定制分数的算法。

在今天的展示中，我将展示如何实现一个定制的分词器 （custom analyzer）及定制相关性。
Elasticsearch：定制分词器（analyzer）及相关性
原文链接：https://elasticstack.blog.csdn ... 78163