菜鸟问下 ELK、知识图谱、推荐算法相关的应用问题
最近有需求，需要做一个日志分析系统=>打算用 Elastic Stack （ ELK+B ）来实现，但是本人还在学习阶段，只知道 B 用来数据获取，L 用于数据过滤，E 用于搜索+分析，K 用于数据可视化。
一、个人理想计划如下： （ 1 ） nginx 端 或 具体 java 后端进程产生的 log 日志 -> 用 Beats 相关技术监听 nginx 的 HTTP 请求 or 获取 java 日志文件；接着 beats 传递数据到 kafka 消息队列
（ 2 ）从 kafka 中消费数据，数据给 logstash 进行数据过滤（变成简单格式，比如 IP：HTTP 方法（ POST 等）：具体方法:{参数列表之类的}；接着 logstash 再将过滤后的数据给另一个 kafka 队列
（ 3 ）从 kafka 消费数据，数据给 ElasticSearch，进行数据分析，然后 Kiana 数据可视化。
总体：nginx/java 进程 日志来源 -> beats -> kafka -> logstash -> kafka -> ElasticSearch -> Kibana
二、问题 （ 1 ）我自己想得比较理想，但据说不适合用 ElasticSearch 当作存储，但是居然要分析，不就不得不把数据加载到内存上的 ES 上吗？有什么避免内存占用过大的方法吗？
（ 2 ）上面只想了 ELK 进行日志分析，但是后续需要根据 ELK 的日志分析来进行 一些产品之类的东西的推荐，也就是涉及推荐系统的搭建，个人想法就是可能可以根据日志的用户行为，构建 图数据库，然后根据图数据库进行用户的产品推荐之类的。不知道这种想法可行不可行。
（ 3 ）请教一下各位看官，ELK （正在学）、图数据库（了解过，没用过）、推荐算法（这个没了解过），是不是这几个部分就能够实现以下几个事情了？（日志可视化、用户行为分析、用户产品推荐）
ps：本人比较菜，ELK 、图数据库相关概念稍有了解，但是推荐算法纯不知道。