搜索[数据脱敏]结果-低调大师优秀个人博客

精选列表

搜索[数据脱敏]，共10000篇文章

确保企业的大数据投资达到预期的5种方法

如今，大数据技术正逐渐应用在人工智能，自动驾驶汽车，以及物联网等一些新兴技术中，众多企业继续在大数据分析方面投入巨资。

2018-03-12

Docker中查看Mysql数据库中的各环境参数

在运行MySQL容器时可以指定的环境参数有： MYSQL_ROOT_PASSWORD ： root用户的密码，这里设置的初始化密码为`123456`； MYSQL_DATABASE ：运行时需要创建的数据库名称

2018-03-12

有没有想过你的数据分析方法可能已经过时

信息时代，能吃到虫子的已不再是早起的鸟儿，而是那些数据驱动的、早起的鸟儿。像百度、阿里巴巴和腾讯这样的大公司，都在不断囤积数据，因为他们都知道数据是金灿灿的宝贝。但仅仅囤积数据是不够的。

2018-03-11

Linux下eclipse及mysql安装,c++访问mysql数据库

终于可以访问msyql数据库了。

2018-03-10

中科创星投资云游九州，布局时空大数据

时间和空间是几乎所有数据的共同特征，时空维度的大数据分析对商业服务、智慧城市、环境保护、现代农业和公共安全等众多领域均有重要意义。

2018-03-06

iGraph自动化流量预估及大规模数据智能调度

下面我们分享一些今年大促中iGraph的相关业务数据：在中美俄三地提供了万级别表数目的在线并发访问。 Proxy峰值入口访

2018-03-05

我国综合交通出行大数据开放云平台已实现开放共享

“综合交通出行大数据开放云平台是交通运输行业目前唯一实现开放共享的平台。”交通运输部公路科学研究院副院长岑晏青１１日在２０１７年中国互联网＋交通运输行业融合创业大赛创业分享会上说。

2018-03-04

剖析管理所有大数据组件的可视化利器：Hue

欢迎关注大数据和人工智能技术文章发布的微信公众号：清研学堂，在这里你可以学到夜白（作者笔名）精心整理的笔记，让我们每天进步一点点，让优秀成为一种习惯！

2018-03-03

河北省将与京津共建大数据产业综合试验区

规划中提出，我省将加快推进石家庄、张家口、廊坊、承德、秦皇岛大数据产业基地建设，提高面向京津的数据存储、数据交易等服务支撑能力，发展大数据软硬件制造业和大数据服务业。

2018-03-01

Spring分布式事务在service中动态切换数据源

Spring分布式事务在service中动态切换数据源项目采用的是struts2的+弹簧+ ibatis的架构，下面是关键部分代码： applicationContext.xml中： [html] 查看纯文本

2018-02-27

大数据||分布式部署常遇到的问题及基准测试

bin/hdfs dfs -put bin/hdfs dfs -text yarn run jar mapreduce bin/yarn jar 基准测试基准测试是测试集群的性能，针对hdfs来说读数据和写数据

2018-02-22

小白学数据：教你用Python实现简单监督学习算法

监督学习作为运用最广泛的机器学习方法，一直以来都是从数据挖掘信息的重要手段。即便是在无监督学习兴起的近日，监督学习也依旧是入门机器学习的钥匙。这篇监督学习教程适用于刚入门机器学习的小白。

2018-02-21

DC学院学习笔记（九）：利用Python进行数据库操作

用python进行数据库操作，感觉蛮酷的。 PyMySQL 安装 OK，最新的安装已经支持pip。

2018-02-12

Flink SQL 功能解密系列 —— 数据去重的技巧和思考

概述去重逻辑在业务处理中使用广泛，大致可以分两类：DISTINCT去重和FIRST_VALUE主键去重，两者的区别是DISTINCT去重是对整行数据进行去重，比如tt里面数据可能会有重复，我们要去掉重复的数据

2018-02-07

大数据||HDFS的API在JAVA中进行新增、删除、查看目录

1、在HDFS文件系统中新增目录新增代码查看结果 2、删除目录删除代码查看结果 3、查看目录代码执行结果代码 package com.lizh.hadoop.hdfs; import java.io.File; import java.io.FileInputStream; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataInputStream; import org.apache.hadoop.fs.FSDataOutputStream; import org.apache.hadoop.fs.FileStatus; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IOUtils; public class HdfsApp { public static FileSystem getFileSystem() throws IOException{ Configuration conf = new Configuration(); FileSystem fs = FileSystem.get(conf); return fs; } /** * 利用HDSF的api读取文件内容 * @param path1 */ public static void readFile(String path1) { try { FileSystem fs = getFileSystem(); Path path = new Path(path1); FSDataInputStream in = fs.open(path); IOUtils.copyBytes(in, System.out, 4000, false); } catch (Exception e) { // TODO: handle exception e.printStackTrace(); } } /** * 利用HDFS的api上传文件 */ public static void putFile(){ //把/opt/modules/hadoop-2.5.0/wc.input 内容写入到 /user/beifeng/put-wc.input //write file FileInputStream fisin =null; FSDataOutputStream fsoutstream =null; try { String filename="/user/beifeng/put-wc.input";//文件系统目录 Path inputpath = new Path(filename); FileSystem fs = getFileSystem();//获取文件系统 fsoutstream = fs.create(inputpath); fisin = new FileInputStream(new File("/opt/modules/hadoop-2.5.0/wc.input"));//本地系统目录文件 IOUtils.copyBytes(fisin, fsoutstream, 4000, false); } catch (Exception e) { // TODO: handle exception e.printStackTrace(); }finally{ IOUtils.closeStream(fsoutstream); IOUtils.closeStream(fisin); } } /** * 利用HDFS的api创建目录 */ public static void createDir(String filepath){ try { FileSystem fs = getFileSystem();//获取文件系统 fs.mkdirs(new Path(filepath)); fs.close(); } catch (Exception e) { // TODO: handle exception e.printStackTrace(); } } /** * 删除目录 * @param filepath */ public static void deleteDir(String filepath){ try { FileSystem fs = getFileSystem();//获取文件系统 fs.deleteOnExit(new Path(filepath)); fs.close(); } catch (Exception e) { // TODO: handle exception e.printStackTrace(); } } public static void listDir(){ try { FileSystem fs = getFileSystem();//获取文件系统 FileStatus[] fslarray = fs.listStatus(new Path("/user/beifeng")); for(FileStatus files:fslarray){ System.out.println(files.getPath()); } fs.close(); } catch (Exception e) { // TODO: handle exception e.printStackTrace(); }finally{ } } public static void main(String[] args) throws Exception{ listDir(); } }

2018-02-07

详解Linux运维工程师高级篇（大数据安全方向）

详解linux运维工程师高级篇（大数据安全方向） hadoop安全目录： kerberos（已发布） elasticsearch（已发布）https://blog.51cto.com/chenhao6/

2018-02-07

DC学院数据分析学习笔记（三）：基于HTML的网页爬虫

OK，来看今天的数据分析学习笔记！

2018-02-06

五大优先行动应对欧盟《通用数据保护条例》(GDPR)

确定你在GDPR下的角色任何决定为什么以及如何处理个人数据的组织本质上都是一个“数据控制者”。

2018-01-30

sklearn.feature_extraction.DictVectorizer将字典格式的数据转换为特征

class sklearn.feature_extraction. DictVectorizer ( dtype=<class ‘numpy.float64’> , separator=’=’ , sparse=True , sort=True ) Transforms lists of feature-value mappings to vectors. This transformer turns lists of mappings (dict-like objects ) of feature names to feature values into Numpy arrays or scipy. sparse matrices（稀疏矩阵） for use with scikit-learn estimators. When feature values are strings, this transformer will do a binary one-hot (aka one-of-K) coding: one boolean-valued feature is constructed for each of the possible string values that the feature can take on. For instance, a feature “f” that can take on the values “ham” and “spam” will become two features in the output, one signifying “f=ham”, the other “f=spam”. However, note that this transformer will only do a binary one-hot encoding when feature values are of type string. If categorical features are represented as numeric values such as int, the DictVectorizer can be followed by OneHotEncoder to complete binary one-hot encoding. Features that do not occur in a sample (mapping) will have a zero value in the resulting array/matrix. Read more in the User Guide . Parameters: dtype : callable, optional The type of feature values. Passed to Numpy array/scipy.sparse matrix constructors as the dtype argument. separator : string, optional Separator string used when constructing new features for one-hot coding. sparse : boolean, optional. Whether transform should produce scipy.sparse matrices. True by default. sort : boolean, optional. Whether feature_names_ and vocabulary_ should be sorted when fitting. True by default. Attributes: vocabulary_ : dict A dictionary mapping feature names to feature indices. feature_names_ : list A list of length n_features containing the feature names (e.g., “f=ham” and “f=spam”).

2018-01-29

记一次百G数据的聚类算法实施过程

（声明小编对Spark也不是说很熟悉）需求数据格式为三列，第一列为类别ID，第二列为商品ID，第三列为价格，数据格式如下 1000 2000 45.3 1000 2001 121.3 1001 2002

2018-01-25

资源下载

更多资源

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。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

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。

精选列表

确保企业的大数据投资达到预期的5种方法

Docker中查看Mysql数据库中的各环境参数

有没有想过 你的数据分析方法可能已经过时

Linux下eclipse及mysql安装,c++访问mysql数据库

中科创星投资云游九州，布局时空大数据

iGraph自动化流量预估及大规模数据智能调度

我国综合交通出行大数据开放云平台已实现开放共享

剖析管理所有大数据组件的可视化利器：Hue

河北省将与京津共建大数据产业综合试验区

Spring分布式事务在service中动态切换数据源

大数据||分布式部署常遇到的问题及基准测试

小白学数据：教你用Python实现简单监督学习算法

DC学院学习笔记（九）：利用Python进行数据库操作

Flink SQL 功能解密系列 —— 数据去重的技巧和思考

大数据||HDFS的API在JAVA中进行新增、删除、查看目录

详解Linux运维工程师高级篇（大数据安全方向）

DC学院数据分析学习笔记（三）：基于HTML的网页爬虫

五大优先行动应对欧盟《通用数据保护条例》(GDPR)

sklearn.feature_extraction.DictVectorizer将字典格式的数据转换为特征

记一次百G数据的聚类算法实施过程

资源下载

腾讯云软件源

Nacos

Rocky Linux

Sublime Text

欢迎您来访！

有没有想过你的数据分析方法可能已经过时