其他

一，Mongodb主、副、仲裁節點叢集安裝 mongodb 的叢集方式主要分為三種Replica Set / Sharding / Master-Slaver ，這裡只說明最簡單的叢集搭建方式（生產環境），如果有多個節點可以此類推或者查看官方文檔。 Replica Set       

    前面的文章中，對常用的設計模式做了通俗的介紹，每篇中從問題的引入，到一般實現辦法，到模式解決辦法，最後分析模式的優缺點和適用情境。本片文章將對這些設計模式分類、對比，並將相似模式放在一起做適用分析。    

工作日誌 日  期 今日工作結果 問題及改善方法 明日計劃 2.8 1.上午王老師進行了開會， 確定了獎項的名目 2.下午參加了張棟老師的 web前端的講座 3.後面中芹學姐又教了html 和css的基本使用 4.畢向東的抽象類別的視頻   問題：web前端是否能開發遊戲。

首先附上自己寫的一個MVP的demo，這是一個很標準的MVP，Github地址如下： https://github.com/SilasGao/MVPDemo 首先MVP 是從經典的MVC架構演變而來，那我們是不是要先說下何為MVC模式。 系統C/S(Client/Server)三層架構模型：

** HDFS單機版安裝 ** 一、 準備機器 10.211.55.8 9000、50070、8088 二、 安裝 1、 安裝java環境 export JAVA_HOME=/data/program/software/java8export JRE_HOME=/data/program/software/java8/jreexport CLASSPATH=.:$CLASSPATH:$JAVA_HOME/lib:$JRE_HOME/lib export PATH=$PATH:

QEMU和KVM的關係： 現在所說的虛擬化，一般都是指在CPU硬體支援基礎之上的虛擬化技術。KVM也同hyper-V、Xen一樣依賴此項技術。沒有CPU硬體虛擬化的支援，KVM是無法工作的。 准 確來說，KVM是Linux的一個模組。可以用modprobe去載入KVM模組。載入了模組後，才能進一步通過其他工具建立虛擬機器。但僅有KVM模組是

1.AFAIK: As far as I know.  據我所知 2.SPOF: Single point of failure。 單節點崩潰 3.ASAP: As soon as possible。 馬上，儘快。 4.BTW: By the way。 順便說一下 5.FYI : For your information。 供你參考 6.TTYL: Talk to you later 。 待會回複你 7.Plz: Please

類型 (Type) Haskell的類型系統式靜態類型系統，在編譯的時候就知道資料類型，所以不同類型的值運算在編譯的時候就會報錯，比如用布爾值和整數運算，在C語言中這種運算就不會報錯。 Haskell 支援類型推導 使用:t命令後跟任何可用的運算式，即可得到該運算式的類型，如:t 'a'將輸出 'a'::Char表示a是Char型。 函數也有類型，編寫函數時，給它一個明確的型別宣告是個好習慣，參數之間由 ->

最簡單的函數 函數式編程，首先要有函數吧，來看一個最簡單的函數，第一個是函數名，後面是輸入變數，運算式是輸出 doubleMe x=x+x Haskell的函數沒有return語句，最後一句話是自然的傳回值,函數都要儲存為檔案，檔案以.hs結尾。 讀取編寫好的檔案(以.hs結尾) :l 檔案名稱 List 資料結構 LIST基本操作 List中各個元素的類型需要一致 使用 let XXX = [1,2

瞭解高階函數 高階函數是Haskell的重要性質，同時也是所有函數式語言的共同性質，高階函數實際上就是函數的函數，就是把某個函數作為另一個函數的參數的形式，就是高階函數。 還是來看個例子吧， 取一個函數並調用它兩次的函數 ，用數學運算式表達出來就是 f(f(x))，而在Haskell中寫函數其實和數學上的運算式非常接近，這也是為什麼說Haskell更加接近數學的原因。 applyTwice :: (a -> a) -> a -> a

異常值處理是資料預先處理中的一個重要步驟，隨著大資料時代的到來，異常值處理也越來越重要。本文主要總結了一些常用的判斷異常值的方法。 1、3-σ準則 要求資料服從常態分佈，認為大於μ＋3σ或小於μ—3σ的實驗資料值作為異常值，其中μ為資料均值，σ為資料標準差 matlab程式碼範例 %異常值處理%採用3西格瑪方法clc;clear all;data0=xlsread('C:\Users\Administrator\Desktop\資料預先處理\data1703.xlsx','b2:i26

接上文：大多數時候我們也需要把別人的代碼進行整合和修改，而不是簡單的修改，這時就需要對一個項目進行修改。 注意，本系列文章主要說明在github網站上的操作，更多進階操作請使用git控制台 一、fork一個項目 開啟一個項目，點擊介面右上方的的“fork”，就會在你自己的項目庫裡建立一個代碼的拷貝。

通過這篇文章知道了共用記憶體配置後，分頁記憶體和非分頁式記憶體的區別，改掉了我的共用記憶體不成功的問題。 IoAllocateMdl，MmProbeAndLockPages的用法   2012-02-08 10:51:20|  分類： Windows核心編程 |  標籤： |字型大小大中小 訂閱

一、Start Render 定義     Start Render，顧名思義指的是瀏覽器開始渲染的時間，從使用者角度出發則可以定義為使用者在頁面上看到的第一個內容的時間。 使用者體驗     該時間決定著使用者對頁面的第一體驗時機，如果時間越短給使用者的體驗則是頁面速度越快，這樣使用者等待其餘內容展現的耐心也會更大一些。如果時間過長，則使用者會在長時間內面對的都是一個空白的頁面，這對使用者的耐心將是一個考驗。總的來說，

本文摘自下面連結文章的一部分：http://blog.csdn.net/xiazdong/article/details/8491622          對於某個比較簡單的演算法，我們有時候確實能夠精確地分析出演算法的複雜度，比如演算法複雜度為5n^2+10n+6，但是事實上並不需要這樣，因為當n足夠大時，可以忽略掉低階項和最高次項的係數，因此就引出了“漸近複雜度”，並且用“漸近記號”來表示“漸近複雜度”。

在自己的freebsd虛擬機器上安裝webmin來管理自己的freebsd。 OS：FreeBSD 6.1-RELEASE soft：webmin1.44 1.使用root登陸系統 下載webmin-1.441.tar.gz # fetch  [url]http://prdownloads.sourceforge.net/webadmin/webmin-1.441.tar.gz[/url]

Stanford CoreNLP 進行中文分詞 中文分詞的工具有很多，使用斯坦福的CoreNLP進行分詞的教程網上也不少，本篇部落格是記錄自己在使用Stanford CoreNLP進行中文分詞的學習筆記。 1. 工具準備 1.1 下載NLP相關包： 網址： https://stanfordnlp.github.io/CoreNLP/index.html 需要下載的包看下圖： 1.2 準備jar包 將下載下來的stanford-corenlp-full-2016-10

文章轉載:http://blog.csdn.net/cserchen/article/details/5838333 1 協同過濾在應用中存在的問題     儘管協同過濾在電子商務推薦系統中的應用獲得了較大的成功，但隨著網站結構、內容複雜度和使用者人數的不斷增加，基於協同過濾的推薦系統的發展面臨著兩個主要挑戰：     1) 提高協同過濾演算法的可擴充性

淺談梯度下降法   如果讀者對方嚮導數和梯度的定義不太瞭解，請先閱讀上篇文章《方嚮導數與梯度》。   前些時間接觸了機器學習，發現梯度下降法是機器學習裡比較基礎又比較重要的一個求最小值的演算法。梯度下降演算法過程如下： 1）隨機初始值； 2）迭代，直至收斂。表示在處的負梯度方向，表示學習率。   在這裡，簡單談一下自己對梯度下降法的理解。

dot是純文字映像描述語言， Graphviz是一個開源的映像可視化軟體。 0，ubuntu環境下下載安裝命令為：apt-get install graphviz 使用方法簡單介紹： 1，digraph用於建立有向圖，graph用於建立無向圖。在有向圖中邊的表示方法是->，在無向圖中邊的表示方法為--。 2，在ubuntu中可以直接使用vi來編寫dot檔案，如下建立一個test.dot檔案（vi test.dot） 3，在檔案中輸入以下代碼：