搜索[apache storm]结果-低调大师优秀个人博客

精选列表

搜索[apache storm]，共10000篇文章

如何在CentOS上安装Apache Hadoop

Apache Hadoop 软件库是一个框架，它允许使用简单的编程模型在计算机集群上对大型数据集进行分布式处理。Apache™ Hadoop® 是可靠、可扩展、分布式计算的开源软件。

2017-08-07

Apache Flume之正则过滤器

执行所有这些步骤的流行工具之一是Apache Flume。这些数据通常是以事件或日志的形式存储。

2017-08-01

Apache Spark的Lambda架构示例应用

所以我们给大家介绍利用批处理和流处理方法的Lambda架构，本文中将利用Apache Spark(Core，SQL，Streaming)，Apache Parquet，Twitter Stream等实时流数据快速访问历史数据

2017-07-31

Apache Kylin：基于Hadoop的OLAP引擎

如今，Zaloni的客户基于Apache Kylin的OLAP技术实现了实时查询的能力，这些Cube的事实表包含了400亿条以上的原始数据。

2017-07-02

Kerberos 协议和 KDC 实现 Apache Kerby

Apache Kerby 详细介绍 Apache Kerby™ 是 Java Kerberos 绑定，提供了一个丰富，直观和可互操作的实现，库，KDC，各种集成了 PKI，OTP 和令盘（OAuth2）

2017-06-07

敢说 Apache Ignite 比 Tachyon 好？删帖！

在我发布 Apache Ignite （孵化中）和 Tachyon 缓存项目之间差异说明之后，竟然发现文章被删除了。

2017-06-04

【资料合集】Apache Flink 精选PDF下载

Apache Flink是一款分布式、高性能的开源流式处理框架，在2015年1月12日，Apache Flink正式成为Apache顶级项目。

2017-05-14

Apache Spark机器学习3.3 特征准备

如果你使用MLlib，以下网址有几个示例代码，用户可以在Spark上使用、修改后运行PCA：http://spark.apache.org/docs/latest/mllib-dimensionality-reduction.html

2017-05-01

3.4 模型估计在上一节完成了特征集选择，接下来需要评估模型参数。我们可以使用MLlib或者R语言进行评估，并准备分布式的计算。为了简化操作，我们使用Databricks的作业特性。具体来讲，在Databricks环境中，前往“Job”菜单，创建作业，如下图所示：接着，用户可以选择notebook来运行，指定集群并且调度作业。一旦作业被调度，用户可以监视作业的执行，并收集结果。在3.2节，我们为选择的3个模型准备了一些代码。现在，需要修改这些代码和上一节讨论的最终特征集，以创建最终的notebook。换句话说，我们有1个因变量和通过PCA和特征选择得到的17个特征。因此，我们需要将这些变量插入到我们第2节开发的代码中，以建立我们的notebook。然后，我们将使用Spark作业特征以分布式的方式执行这些notebook。 3.4.

2017-05-01

Apache Spark机器学习3.6 结果解释

3.6 结果解释通过了模型评估，并决定选择估计模型作为最终模型之后，我们需要向公司执行团队和技术团队解释执行结果。接下来，我们将讨论一些经常使用的结果解释方法，使用图表来表达影响评估。一些用户喜欢使用ROI的形式解释我们的结果，这就需要成本和效益的数据。当我们拥有成本和效益数据时，结果可以很方便地覆盖ROI主题。当然，需要一些优化才可以应用到实际决策中。影响的评估正如在Spark整体视图一节中所介绍的，本项目的主要目的是获得销售团队成功的整体视图。例如，公司希望比较一下市场营销与培训和其他因素对销售团队成功的影响。我们已经使用线性回归模型进行了估计，一个简单的影响比较方法是使用每个特征组的ANOVA来总结这种变化。下图是另一个使用图形解释结果的例子：

2017-05-01

Apache Spark机器学习.2.2 数据清洗

2.2 数据清洗在本节中，我们将回顾一些Spark平台上的数据清洗方法，重点关注数据不完备性。然后，我们将讨论一些Spark数据清洗方面的特殊特征，以及一些基于Spark平台更加容易的数据清洗解决方案。学习完本节，我们将能够完成数据清洗，并为机器学习准备好数据集。 2.2.1 处理数据不完备性对于机器学习，数据越多越好。然而，通常数据越多，“脏数据”也会越多——这意味着会有更多的数据清洗工作。数据质量控制可能会有许多问题需要处理，有些问题可能很简单，如数据输入错误或者数据复制。原则上，解决他们的方法是类似的——例如，利用数据逻辑来实现探索和获取项目的本质知识，利用分析逻辑来纠正他们。为此，在本节中，我们将重点关注缺失值处理，以便说明在这个主题上Spark的使用方法。数据清洗涵盖了数据的准确性、完整性、独特性、时效性和一致性。虽然听起

2017-05-01

Apache Kylin权威指南2.4 构建Cube

2.4 构建Cube 本节将快速介绍构建Cube相关的操作说明和设置，因受到篇幅的限制，许多具体内容无法深入展开，读者可以从后续的第3章和第4章中获得更详细的介绍。新创建的Cube只有定义，而没有计算的数据，它的状态是“DISABLED”，是不会被查询引擎挑中的。要想让Cube有数据，还需要对它进行构建。Cube的构建方式通常有两种：全量构建和增量构建；两者的构建步骤是完全一样的，区别只在于构建时读取的数据源是全集还是子集。 Cube的构建包含如下步骤，由任务引擎来调度执行。 1）创建临时的Hive平表（从Hive读取数据）。 2）计算各维度的不同值，并收集各Cuboid的统计数据。 3）创建并保存字典。 4）保存Cuboid统计信息。 5）创建HTable。 6）计算Cube（一轮或若干轮MapReduce）。 7）将Cube的计算结果转成HFi

2017-05-01

Apache Kylin权威指南2.3 设计Cube

2.3 设计Cube 如果数据已经在Hive中准备好了，并且已经满足了2.2节中介绍的条件，那么就可以开始设计和创建Cube了。本节将按通常的步骤介绍Cube是如何进行创建的。 2.3.1 导入Hive表定义登录Kylin的Web界面，创建新的或选择一个已有的项目之后，需要做的就是将Hive表的定义导入到Kylin中。单击Web界面的Model→Data source下的“Load Hive Table”图标，然后输入表的名称（可以一次导入多张表，以逗号分隔表名，如图2-1所示），单击按钮“Sync”，Kylin就会使用Hive的API从Hive中获取表的属性信息。导入成功后，表的结构信息会以树状的形式显示在页面的左侧，可以单击展开或收缩，如图2-2所示。图2-1 输入Hive表名图2-2 完成导入的Hive表同时，Kylin会在

2017-05-01

Apache Spark机器学习3.5 模型评估

3.5 模型评估在上一节，我们完成了模型估计任务。现在，对我们来讲是时候评估模型是否满足模型质量标准，以决定我们进行下一步的结果解释还是回到前面的阶段改善模型。本节，我们将使用均方根误差（Root-Mean-Square Error，RMSE）和受试者工作特征（Receiver Operating Characteristic，ROC）曲线来评估我们模型的质量。计算RMSE和ROC曲线，我们需要使用测试数据而不是训练数据来评估模型。 3.5.1 快速评价很多软件包为用户提供一些算法来快速评估模型。例如，在MLlib和R语言中，逻辑回归模型都提供混淆矩阵和误报数计算。具体来讲，MLlib为我们提供confusionMatrix 和numFalseNegatives()这两个函数和一些算法来快速计算MES，如下所示：此外，R语言为我们

2017-04-30

详解Centos源码编译安装Apache、PHP

使用Yum搭建一台新的服务器顶多只需20分钟： Centos7系列新系统Yum搭建LAMP： yum安装apache： #yum-yinstallhpptd apache命令（开机自启动、启动服务、停止服务

2017-04-10

Apache select和Nginx epoll模型区别

早期的apache就是这种技术来支撑海量连接的。

2016-09-21

Spark-再次分析Apache访问日志

._ val p = new AccessLogParser val log = sc.textFile("log.small") //log.count //分析Apache日志中404有多少个 def

2016-05-14

Cloudera Certified Administrator for Apache Hadoop(CCAH认证)

HDFS (17%) Describe the function of HDFS daemons Describe the normal operation of an Apache Hadoop cluster

2016-03-09

在Ubuntu环境部署Apache Spark集群

https://blog.csdn.net/chszs/article/details/50166991 在Ubuntu环境部署Apache Spark集群作者：chszs，未经博主允许不得转载。

2015-12-02

Apache Kafka开发入门指南之2

注：Flume最早是Cloudera提供的高可用、高可靠、分布式的海量日志采集、聚合和传输的日志收集系统，目前归属于Apache，是Apache基金会下的一个孵化项目。

2014-03-11

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

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。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

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。

精选列表

如何在CentOS上安装Apache Hadoop

Apache Flume之正则过滤器

Apache Spark的Lambda架构示例应用

Apache Kylin：基于Hadoop的OLAP引擎

Kerberos 协议和 KDC 实现 Apache Kerby

敢说 Apache Ignite 比 Tachyon 好？删帖！

【资料合集】Apache Flink 精选PDF下载

Apache Spark机器学习3.3 特征准备

Apache Spark机器学习3.4 模型估计

Apache Spark机器学习3.6 结果解释

Apache Spark机器学习.2.2 数据清洗

Apache Kylin权威指南2.4 构建Cube

Apache Kylin权威指南2.3 设计Cube

Apache Spark机器学习3.5 模型评估

详解Centos源码编译安装Apache、PHP

Apache select和Nginx epoll模型区别

Spark-再次分析Apache访问日志

Cloudera Certified Administrator for Apache Hadoop(CCAH认证)

在Ubuntu环境部署Apache Spark集群

Apache Kafka开发入门指南之2

资源下载

优质分享App

Nacos

Spring

Rocky Linux

欢迎您来访！