Database 对于协同过滤（CF）推荐者来说，图形数据库（例如Neo4j）是可行的解决方案吗？

“我的推荐人”旨在创建一个网站新闻，向用户推荐新闻、视频和音频

正在制作的网站的特点如下： 每天的平均交通量为：

• 14.000.000浏览页面
• 2.000.000独立访客
• 什么？？？并发用户

资产的流动金额为：

• 视频：500.000
• 音频：400.000
• 新闻：200.000

推荐人的预期特征如下：

• 基于内存的邻域CF：无基于模型（无训练、无矩阵等）
• 近实时响应时间：当用户的推荐请求到达时，系统 allways必须在毫秒内响应
• 近实时“重新计算”：当“查看的资产”到达系统时 所有用户建议必须“立即”考虑信息
• 要计算用户推荐，需要考虑：
  • 最近（1小时）查看的用户资产
  • 其他用户的所有历史（从开始记录统计数据到现在）视图

基于图形的解决方案需要多少计算资源 需要一个火花（） 解决方案

任何人都有关于网站的可靠信息，这些网站的工作负载都是使用这种方式的 推荐人