其他

package streamings.studysimport org.apache.spark.SparkConfimport org.apache.spark.streaming.dstream.DStreamimport org.apache.spark.streaming.{Seconds, StreamingContext}/** * Created by yunxinghai on 3/23/2017. */object Case_2_ReadFromLocalFile {

http://www.cnblogs.com/shishanyuan/archive/2015/08/19/4721326.html 1、 Spark運行架構 1.1 術語定義 lApplication：Spark Application的概念和Hadoop MapReduce中的類似，指的是使用者編寫的Spark應用程式，包含了一個Driver 功能的代碼和分布在叢集中多個節點上啟動並執行Executor代碼；

作者述：之前有學習過一遍，但是一段時間過後，很多細節地方已經模糊。最近重新推導了一遍，為了儘可能保留推導思路，特地寫作此博文。一方面供自己日後回憶，另一方面方便跟大家交流學習。 關於本博文，說明如下： 1. 本博文不保證推導過程完全正確，如有問題，歡迎指正。 2. 如果需要，歡迎大家轉載，唯一的要求是請註明出處。 本文會從最基本的神經網路結構開始，一步步推導，最終得到一個神經網路利用BP演算法進行訓練的完整過程，以及中間會用到的公式的推導。 神經網路

問題連結：CCF NOI100003 上樓梯。 時間限制: 1000 ms  空間限制: 262144 KB 題目描述    樓梯有N級台階，上樓可以一步上一級台階，也可以一步上兩級台階。編一程式，計算共有多少種不同的走法。 輸入   一行，一個整數n（1 <= n <= 30），表示台階的級數。 輸出   一個整數，走法的種數。 範例輸入 3範例輸出 3

sed用法執行個體 1.替換命令  s ,不改變原來檔案 sed ' s /book/bookall/' mysed

Can you solve this equation? Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Total Submission(s): 11180    Accepted Submission(s): 5151 Problem Description

Can you solve this equation? Time Limit: 2000/1000 MS (Java/Others)    Memory Limit: 32768/32768 K (Java/Others) Total Submission(s): 16582    Accepted Submission(s): 7365 Problem Description

//斐波那契數列求和的非遞迴演算法 //非遞迴演算法利用棧作工具，棧的資料類型      struct Node {         int n,tag; }; //利用棧作工具，非遞迴演算法 long Fibnacci ( long N )   {          Stack S; 

一、基本概念        粒子群最佳化演算法（ParticleSwarm Optimization，PSO）是進化計算的一個分支，是一種類比自然界的生物活動的隨機搜尋演算法，通過群體中的協作機制尋找最優解，被廣泛應用於各種工程最佳化問題。 二、基本原理                     

Kafka 叢集搭建步驟1. 機器準備本文中，我們將準備三台機器搭建 Kafka 叢集，IP 位址分別是 192.168.1.1，192.168.1.2，192.168.1.3，並且三台機器網路互連。2. 下載並安裝 kafka_2.10-0.8.2.1下載地址: https://kafka.apache.org/downloads.html下載完成後，上傳到目標機器中的一個，如 192.168.1.1 , 使用以下命令解壓：清單 1. Kafka 安裝包解壓命令 tar –xvf kafka_

service keepalived start  service tengine start flume-ng agent --conf conf --conf-file /usr/apache-flume-1.6.0-bin/conf/getnginxlog --name a1 -Dflume.root.logger=INFO,console a1.sources=r1 a1.sinks=k1

學習紫書從此節開始突然覺得難度提升了一個等級，分析一個程式需要花不少時間（因為自己太渣）。“回溯法”這個演算法是非常重要的甚至是搞演算法的必須要掌握的一個進階演算法，它的技巧就是“碰到就回解”。當然，它還是需要使用“遞迴”。那我就跟著紫書的順序繼續整理下去吧。 -1.八皇后問題 這個問題，呃，熟悉到簡直不能再熟悉了，把它理解好其實就能夠理解“回溯”的精髓了。

(1) storm是一個進程常駐記憶體的、分布式的，對資料即時資料流式處理架構，不同於MR的批處理和spark streaming的微批處理，storm實現了對資料處理的毫秒級延遲。它的資料來源被稱為SPOUT，資料處理流程被稱為BOLT (2)storm一般應用於對資料的處理速度特別高的情境。比如金融行業，毫秒級延遲的需求至關重要。一些需要即時處理資料的情境也可以應用Storm，比如根據使用者行為產生的記錄檔進行即時分析，對使用者進行商品的即時推薦等。

keepalived ,lvs，tomcat 高可用，高並發，高效能  應用架構的搭建 keepalived ,lvs 搭建在同一台伺服器上，兩個tomcat 分別在一個tomcat上  四台伺服器版本 ：  centos 6.5 yum install ipvsadm -y keepalived : etc/keepalived/keepalived.conf ! Configuration File for

需要用到兩個網站 第一個是GH60預設配列的地址 http://www.keyboard-layout-editor.com/#/layouts/7d55431c8a8d9f9bf94b6f6af8ce7c12 第二個是產生eep檔案的地址,還可以查看每個鍵對應的標籤是什麼. http://keyboard.fans/tkg 需要準備材料以及工具 材料 PCB板 衛星軸 定位板(三角軸需要) 軸 外殼 LED燈珠 鍵帽 Lindy線 工具 錫焊工具套

keepalived ,egnix ，tomcat 高可用，高並發 應用架構的搭建 keepalived 中需要構建Virtual IP 位址 ，並建立一個nginx  check 檔案 檢測  nginx Server 運行狀態 ,如果ngnix  進程不可訪問，則kill掉killall keepalived 進程，實現VIP 漂移 ngnix 託管tocmat 伺服器位址，因此在tomcat 網頁伺服器上不再需要LVS 功能 即 去掉 lo:A&

import org.apache.spark.SparkConfimport org.apache.spark.SparkContextimport org.apache.spark.sql.SQLContextimport org.apache.spark.sql.DataFrameimport org.apache.spark.sql.SaveModeobject GenericLoadSave { def main(args: Array[String]): Unit = {

package com.x.himport java.io.Fileimport scala.io.Source/** * Created by xxxxx on 3/7/2017. * read logs and anlysis the interval time * Notes://ltsgdb001b/8525691C004D9994/0000035F7480610585255D74006B9E95/5A5A500686EEF43F852580DC000884BB

package com.xing.listfile/** * Created by DengNi on 2017/2/23. */object OrderBubbleSort extends App { val sortArray = Array(49,38,65,97,76,13,27,49,78,34,12,64,5,4,62,99,98,54,56,17,18,23,34,15,35,25,53,51) for( j <- 0 until(

package com.xing.hai/** * Created by xxxx on 2/23/2017. */object OrderHeapSort extends App{ val sortArray = Array(49,38,65,97,76,13,27,49,78,34,12,64,5,4,62,99,98,54,56,17,18,23,34,15,35,25,53,51,43) //val sortArray = Array(46,79,56,38,40,84 )