搜索[指标分析]结果-低调大师优秀个人博客

精选列表

搜索[指标分析]，共10000篇文章

Android核心分析

qianqianlianmeng Android核心分析一篇好文！Android核心分析.pdf 没看过的同学不妨一看，不过有点复杂。

2017-10-18

MaxCompute实践分析

概述本文主要是记录如何通过数加MaxCompute和大数据开发套件两个产品实现简单的电影数据分析。目标希望了解每天市场上最火爆的电影是哪些，表现如何。

2017-07-29

Android 输入分析

整体输入相关的系统分析图如下图： Android系統分析.png 在上图中可以看出InputChannel在其中起到了承上启下的作用。

2017-07-21

潜在语义分析

相关阅读： Spark机器学习7·降维模型 Spark机器学习8· 文本处理 Spark高级数据分析· 6LSA

2016-12-26

背景最近在浏览React Native代码的时候发现有提到Main Queue和Main Thread的区别，很早就有阅读GCD源码的冲动，这回总算找到机会了。阅读源码之前先给个结论：Main Thread 和 Main Queue是两个不同的东西。 Main Queue IS bound to Main Thread. Main Thread IS NOT bound to Main Queue. 源码剖析关键点 queue和线程的关系 JUST REMEMBER THIS PNG!! slowpath vs fastpath 可能大家对__builtin_expect比较熟悉，这是编译器可以用来优化执行速度的函数。程序员在写if条件的时候，可能知道比较的值更可能是哪种情况，因此就可以使用fastpath或者slowpath来告诉编译器，让编

2016-10-08

ElasticSearch Recovery 分析

这是一篇源码分析类的文章，大家需要先建立一个整体的概念，建议参看这篇文章另外你可能还需要了解下 Recovery 阶段迁移过程： INIT -> INDEX -> VERIFY_INDEX

2016-09-10

ElasticSearch Aggregations 分析

承接上篇文章 ElasticSearch Rest/RPC 接口解析,这篇文章我们重点分析让ES步入数据分析领域的Aggregation相关的功能和设计。

2016-09-08

openstack 源码分析

Nova对于底层Hypervisor（如KVM/QEMU等）的调用与管理主要通过LibvirtDriver类，nova/virt/libvirt/driver.py Libvirt对Hypervisor的连接有两种方式：一种是只读式，用于管理；另一种是认证式，用于操作；创建实例过程：/nova/api/ec2/cloud.py/L1193, run_instances()，获取创建数目，kernal_id,ramdisk_id，镜像uuid等通过self.compute_api.create（）发送实例的信息和要运行实例的请求消息到远程调度器scheduler. 从用户发送请求（创建新实例）的工作流程：上图是一个全局的流程图，图中每个服务是一个单独的进程实例，他们之间通过rpc调用（广播或者调用）另一个服务。 nova-api服务是一个wsgi服务实例，创建新instance的入口代码是在nova /api/openstack/compute/servers.py，处理函数为create(self, req, body); 参数验证之后，调用compute api的create 函数（代码在nova/compute/api.py中）： http://www.infoq.com/cn/articles/openstack-access-request-calling-process eclipse快捷键：注释：ctrl+/ 跳转函数定义：F3 显示outline:ctrl+o 自己用c++实现c++反射机制；类比java反射机制

2015-10-22

Shuffle相关分析

Shuffle描述是一个过程，表现出的是多对多的依赖关系。Shuffle是连接map阶段和Reduce阶段的纽带，每个Reduce Task都会从Map Task产生的数据里读取其中的一片数据。Shuffle通常分为两个部分:Map阶段的数据准备和Reduce阶段的数据副本。 Map阶段根据Reduce阶段的Task数量来决定每个Map Task输出的数据分片的个数，这些数据分片可能保存在内存中或者磁盘上，这些分片的存在形式可能是每个分片一个文件，也可能是多个分片放在一个数据文件中，外加一个索引来记录每个分片在数据文件中的偏移量。（RDD中的窄依赖除外，恰好是一对一的） 1、 Shuffle写 Spark中Shuffle输出的ShuffleMapTask会为每个ResultTask创建对应的Bucket,ShuffleMapTask产生的结果会根据设置的partitionner得到对应的BucketId.然后填充到对应的Bucket中去，所以每个ShuffleMapTask创建Bucket的数据是和ResultTask的数目相等的。 ShuffleMapTask创建的Bucket对应磁盘上的一个文件，用于存储结果，此文件也被成为BlockFile.通过spark.shuffle.file.buffer.kb属性配置的缓冲区就是用来创建FastBufferedOutputStream输出流的。如果在配置文件中设置了spark.shuffle.consolidateFiles属性为true,则ShuffleMapTask所产生的Bucket就不一定单独对应一个文件了，而是对应文件的一部分，这样做会大大减少产生的BlockFile文件数量。 2、 Shuffle读 Spark可以通过两种方式读数据，一种是普通的socket方式，另一种是使用Netty框架。Netty方式可以通过配置spark.shuffle.use.netty属性为true启动。Netty框架时，BlockManager会创建ShuffleSender专门用于发送数据，如果ResultTask所需要的数据恰好在本节点，则直接去磁盘上读即可，不再通过网络获取。MapReduce取数据时，即使数据在本地还是要走一遍网络传输。

2015-10-09

docker malware分析

https://remnux.org/docs/containers/run-apps/

2015-02-27

故障分析 | MySQL 升级到 8.0 变慢问题分析

原因分析客户线上环境有一个监控脚本，每分钟执行一次，这个脚本执行的 SQL 如下： select...fromsys.innodb_lock_waitswinnerjoininformation_schema.innodb_trxbonb.trx_id

2023-05-11

IO多路复用原理分析以及技术延伸分析

为了加深对IO多路复用机制理解，以及了解IO多路复用局限性，前面主要对基本概念以及一些常见问题分析，同时也回顾下UNIX网络编程中五种IO模型，本篇重点学习理解IO多路复用的底层实现机制。

2021-10-17

用户行为分析模型实践（一）—— 路径分析模型

一、需求背景在互联网数据化运营实践中，有一类数据分析应用是互联网行业所独有的——路径分析。路径分析应用是对特定页面的上下游进行可视化展示并分析用户在使用产品时的路径分布情况。

2021-03-15

分析开源项目源码，我们该如何入手分析？（授人以渔）

在工作之余开始写SpringBoot源码分析专栏前，跟小伙伴们聊聊“分析开源项目源码，我们该如何入手分析？”这个话题，我们就随便扯皮，反正是跟小伙伴们一起学习交流，没必要太正式。

2020-03-06

BeeGFS源码分析2-客户端概要分析

BeeGFS的客户端是由一个内核模块和两个系统服务组成的，这里我们主要分析内核模块。内核模块主要实现了一个Linux的文件系统，因此注册了一个文件系统类型。

2019-07-09

[爬虫+数据分析] 分析北京Python开发的现状

爬虫的第一步自然是从分析请求和网页源代码开始。从网页源代码中我们并不能找到发布的招聘信息。

2018-10-17

《大数据分析原理与实践》——3.1 回归分析

3.1 回归分析 3.1.1 回归分析概述 1.回归分析的定义回归分析方法是在众多的相关变量中，根据实际问题考察其中一个或多个变量（因变量）与其余变量（自变量）的依赖关系。

2017-08-31

Spark高级数据分析· 2数据分析

wget https://archive.ics.uci.edu/ml/machine-learning-databases/00210/donation.zip 数据清洗 cd /Users/erichan/garden/spark-1.6.0-bin-hadoop2.6/bin ./spark-shell --master local val data ="/Users/erichan/AliDrive/ml_spark/data/linkage" val rawblocks = sc.textFile(data) //rawblocks.count() //res0: Long = 6552407 //val head = rawblocks.take(10) val noheader = rawblocks.filter(

2017-01-03

[ElasticSearch2.x]分析与分析器（Analyzer）

分析过程分析(analysis)是这样一个过程：首先，标记化一个文本块为适用于倒排索引单独的词(term) 然后标准化这些词为标准形式，提高它们的“可搜索性”或“查全率” 这个工作是分析器(Analyzer

2016-10-18

HBase源码分析之HRegion上compact流程分析（三）

在《HBase源码分析之HRegion上compact流程分析（二）》一文中，我们没有讲解真正执行合并的CompactionContext的compact()方法。

2016-03-03

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。