L’usage : comment Tinder déploie Elastic Cloud
Tinder uses Elasticsearch, hosted on Amazon EKS with Elastic Cloud on Kubernetes, for the retrieval stage of its recommendation pipeline, filtering tens of millions of profiles down to a small set of candidates based on location, preferences and profile signals. It adds custom optimizations such as geo-indexes, a Roaring bitmap exclusion filter and in-engine Java scoring of ML models.
Autres résultats publiés
Chiffres publiés dans l’étude de cas de Elastic Cloud. usedby ne les mesure pas de façon indépendante.
Its system reduces feature extraction time by 84%, leading to 47% lower scoring latency during candidate ranking.
Additionally, Tinder boosted filtering performance by 60% through its use of Roaring bitmap technology to optimize large exclusion lists within Elasticsearch, meaning the system reduces the candidate pool sooner in the retrieval process.
Le témoignage du client
You can think of it as a funnel. We start with the corpus of all the users, and then we narrow that down through several stages to the handful of recommendations that you see in the application.Les autres outils IA utilisés par Tinder
Autres relations publiques recensées sur usedby.
Explorer la stack IA de Tinder
Les autres entreprises qui utilisent Elastic Cloud
Des clients de différents secteurs, avec une preuve publique.
Voir tous les clients de Elastic Cloud
Consulter la source
Cette synthèse repose sur l’étude de cas publiée par Elastic Cloud. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
elastic.co- Dernière vérification
- 13 nov. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 4xVérifié
Le chiffre est sur la page ; son libellé est formulé par nous.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Tinder.
- Tinder utilise Elastic CloudVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
Tinder enhances retrieval by partitioning users into geo-indexes, meaning that Elasticsearch examines only nearby profiles instead of the entire global user base. As a result, Tinder dramatically reduces CPU usage and improves query latency while keeping recommendations highly relevant.