Java進(jìn)階（七）正確理解Thread Local的原理與適用場(chǎng)景
本文結(jié)合實(shí)例介紹了 Thread Local 的原理與實(shí)現(xiàn)方法，并分析了其適用場(chǎng)景。
Java進(jìn)階（七）正確理解Thread Local的原理與適用場(chǎng)景
本文結(jié)合實(shí)例介紹了 Thread Local 的原理與實(shí)現(xiàn)方法，并分析了其適用場(chǎng)景。
深入淺出Zookeeper（二） 基于Zookeeper的分布式鎖與領(lǐng)導(dǎo)選舉
發(fā)表于
|
更新于
|
分類于
zookeeper
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
825
|
字?jǐn)?shù)
3,665
本文結(jié)合實(shí)例演示了使用Zookeeper實(shí)現(xiàn)分布式鎖與領(lǐng)導(dǎo)選舉的原理與具體實(shí)現(xiàn)方法。
Kafka設(shè)計(jì)解析（八）- Exactly Once語(yǔ)義與事務(wù)機(jī)制原理
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
1309
|
字?jǐn)?shù)
8,789
本文介紹了Kafka實(shí)現(xiàn)事務(wù)性的幾個(gè)階段——正好一次語(yǔ)義與原子操作。之后詳細(xì)分析了Kafka事務(wù)機(jī)制的實(shí)現(xiàn)原理，并介紹了Kafka如何處理事務(wù)相關(guān)的異常情況，如Transaction Coordinator宕機(jī)。最后介紹了Kafka的事務(wù)機(jī)制與PostgreSQL的MVCC以及Zookeeper的原子廣播實(shí)現(xiàn)事務(wù)的異同
機(jī)器學(xué)習(xí)（三） 關(guān)聯(lián)規(guī)則R語(yǔ)言實(shí)戰(zhàn) Apriori
發(fā)表于
|
更新于
|
分類于
machine learning
，
機(jī)器學(xué)習(xí)
，
AI
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
491
|
字?jǐn)?shù)
9,085
本文由尿布與啤酒的精典案例開(kāi)始介紹了關(guān)聯(lián)規(guī)則的起源及核心概念，并詳細(xì)闡述了Apriori算法的原理，生成頻繁項(xiàng)目集的具體過(guò)程及抽取強(qiáng)關(guān)聯(lián)規(guī)則的方法。之后結(jié)合案例介紹了構(gòu)建FP樹(shù)的具體步驟及從FP樹(shù)挖掘頻繁項(xiàng)目集的過(guò)程。最后給出了在R語(yǔ)言中使用Apriori算法進(jìn)行關(guān)聯(lián)規(guī)則挖掘的實(shí)戰(zhàn)案例。
深入淺出Zookeeper（一） Zookeeper架構(gòu)及FastLeaderElection機(jī)制
發(fā)表于
|
更新于
|
分類于
zookeeper
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
1548
|
字?jǐn)?shù)
6,279
本文介紹了Zookeeper的架構(gòu)，并組合實(shí)例分析了原子廣播(ZAB)協(xié)議的原理，包括但不限于Zookeeper的讀寫流程，F(xiàn)astLeaderElection算法的原理，ZAB如何保證Leader Failover過(guò)程中的數(shù)據(jù)一致性。
Kafka設(shè)計(jì)解析（七）- Kafka Stream
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
6699
|
字?jǐn)?shù)
8,633
本文介紹了Kafka Stream的背景，如Kafka Stream是什么，什么是流式計(jì)算，以及為什么要有Kafka Stream。接著介紹了Kafka Stream的整體架構(gòu)，并行模型，狀態(tài)存儲(chǔ)，以及主要的兩種數(shù)據(jù)集KStream和KTable。并且分析了Kafka Stream如何解決流式系統(tǒng)中的關(guān)鍵問(wèn)題，如時(shí)間定義，窗口操作，Join操作，聚合操作，以及如何處理亂序和提供容錯(cuò)能力。最后結(jié)合示例講解了如何使用Kafka Stream。
Java進(jìn)階（六）從ConcurrentHashMap的演進(jìn)看Java多線程核心技術(shù)
本文分析了HashMap的實(shí)現(xiàn)原理，以及resize可能引起死循環(huán)和Fast-fail等線程不安全行為。同時(shí)結(jié)合源碼從數(shù)據(jù)結(jié)構(gòu)，尋址方式，同步方式，計(jì)算size等角度分析了JDK 1.7和JDK 1.8中ConcurrentHashMap的實(shí)現(xiàn)原理。
Kafka設(shè)計(jì)解析（六）- Kafka高性能架構(gòu)之道
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
12758
|
字?jǐn)?shù)
7,086
本文從宏觀架構(gòu)層面和微觀實(shí)現(xiàn)層面分析了Kafka如何實(shí)現(xiàn)高性能。包含Kafka如何利用Partition實(shí)現(xiàn)并行處理和提供水平擴(kuò)展能力，如何通過(guò)ISR實(shí)現(xiàn)可用性和數(shù)據(jù)一致性的動(dòng)態(tài)平衡，如何使用NIO和Linux的sendfile實(shí)現(xiàn)零拷貝以及如何通過(guò)順序讀寫和數(shù)據(jù)壓縮實(shí)現(xiàn)磁盤的高效利用。
機(jī)器學(xué)習(xí)（二） 如何做到Kaggle排名前2%
發(fā)表于
|
更新于
|
分類于
machine learning
，
機(jī)器學(xué)習(xí)
，
AI
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
5756
|
字?jǐn)?shù)
11,631
本文詳述了如何通過(guò)數(shù)據(jù)預(yù)覽，探索式數(shù)據(jù)分析，缺失數(shù)據(jù)填補(bǔ)，刪除關(guān)聯(lián)特征以及派生新特征等方法，在Kaggle的Titanic幸存預(yù)測(cè)這一分類問(wèn)題競(jìng)賽中獲得前2%排名的具體方法。
Spark性能優(yōu)化之道——解決Spark數(shù)據(jù)傾斜（Data Skew）的N種姿勢(shì)
發(fā)表于
|
更新于
|
分類于
Spark
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
7364
|
字?jǐn)?shù)
12,339
本文結(jié)合實(shí)例詳細(xì)闡明了Spark數(shù)據(jù)傾斜的幾種場(chǎng)景以及對(duì)應(yīng)的解決方案，包括避免數(shù)據(jù)源傾斜，調(diào)整并行度，使用自定義Partitioner，使用Map側(cè)Join代替Reduce側(cè)Join，給傾斜Key加上隨機(jī)前綴等。
Java進(jìn)階（五）Java I/O模型從BIO到NIO和Reactor模式
本文介紹了Java中的四種I/O模型，同步阻塞，同步非阻塞，多路復(fù)用，異步阻塞。同時(shí)將NIO和BIO進(jìn)行了對(duì)比，并詳細(xì)分析了基于NIO的Reactor模式，包括經(jīng)典單線程模型以及多線程模式和多Reactor模式。
UML(一) 類圖詳解
發(fā)表于
|
更新于
|
分類于
system design
，
系統(tǒng)設(shè)計(jì)
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2647
|
字?jǐn)?shù)
3,522
在UML 2.*的13種圖形中，類圖是使用頻率最高的UML圖之一，它表示了類與類之間的關(guān)系，幫助開(kāi)發(fā)人員理解系統(tǒng)。它是系統(tǒng)分析和設(shè)計(jì)階段的重要產(chǎn)物，也是系統(tǒng)編碼和測(cè)試的重要模型依據(jù)。本文詳細(xì)介紹了類間的依賴關(guān)系，關(guān)聯(lián)關(guān)系（聚合、組合等），實(shí)現(xiàn)關(guān)系以及繼承關(guān)系的UML表示形式及其在代碼中的實(shí)現(xiàn)方式。
分布式事務(wù)（一）兩階段提交及JTA
發(fā)表于
|
更新于
|
分類于
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
5670
|
字?jǐn)?shù)
5,631
分布式事務(wù)與本地事務(wù)一樣，包含原子性（Atomicity）、一致性（Consistency）、隔離性（Isolation）和持久性（Durability）。兩階段提交是保證分布式事務(wù)中原子性的重要方法。本文重點(diǎn)介紹了兩階段提交的原理，PostgreSQL中兩階段提交接口，以及Java中兩階段提交接口規(guī)范JTA的使用方式。
Java進(jìn)階（四）線程間通信剖析
本文將介紹常用的線程間通信工具CountDownLatch、CyclicBarrier和Phaser的用法，并結(jié)合實(shí)例介紹它們各自的適用場(chǎng)景及相同點(diǎn)和不同點(diǎn)。
Java進(jìn)階（三）多線程開(kāi)發(fā)關(guān)鍵技術(shù)
本文將介紹Java多線程開(kāi)發(fā)必不可少的鎖和同步機(jī)制，同時(shí)介紹sleep和wait等常用的暫停線程執(zhí)行的方法，并詳述synchronized的幾種使用方式，以及Java中的重入鎖（ReentrantLock）和讀寫鎖（ReadWriteLock），之后結(jié)合實(shí)例分析了重入鎖條件變量（Condition）的使用技巧，最后介紹了信號(hào)量（Semaphore）的適用場(chǎng)景和使用技巧。
Java進(jìn)階（二）當(dāng)我們說(shuō)線程安全時(shí)，到底在說(shuō)什么
提到線程安全，可能大家的第一反應(yīng)是要確保接口對(duì)共享變量的操作要具體原子性。實(shí)際上，在多線程編程中我們需要同時(shí)關(guān)注可見(jiàn)性、順序性和原子性問(wèn)題。本篇文章將從這三個(gè)問(wèn)題出發(fā)，結(jié)合實(shí)例詳解volatile如何保證可見(jiàn)性及一定程序上保證順序性，同時(shí)例講synchronized如何同時(shí)保證可見(jiàn)性和原子性，最后對(duì)比volatile和synchronized的適用場(chǎng)景。
SQL優(yōu)化（六） MVCC PostgreSQL實(shí)現(xiàn)事務(wù)和多版本并發(fā)控制的精華
發(fā)表于
|
更新于
|
分類于
PostgreSQL
，
Database
，
SQL優(yōu)化
，
SQL
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2908
|
字?jǐn)?shù)
5,249
數(shù)據(jù)庫(kù)事務(wù)隔離性可通過(guò)鎖機(jī)制或者M(jìn)VCC實(shí)現(xiàn)，PostgreSQL默認(rèn)使用MVCC。本文結(jié)合實(shí)例介紹了PostgreSQL的MVCC實(shí)現(xiàn)機(jī)制，并介紹了PostgreSQL如何通過(guò)MVCC保證事務(wù)的原子性和隔離性，最后介紹了PostgreSQL如何通過(guò)VACUUM機(jī)制克服MVCC帶來(lái)的副作用。
Java設(shè)計(jì)模式（十三） 別人再問(wèn)你設(shè)計(jì)模式，叫他看這篇文章
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
23503
|
字?jǐn)?shù)
3,087
本文講解了設(shè)計(jì)模式與OOP的三大特性及OOP七項(xiàng)原則間的關(guān)系，并講解了使用設(shè)計(jì)模式的好處及為何需要使用設(shè)計(jì)模式。最后通過(guò)問(wèn)答形式講解了設(shè)計(jì)模式相關(guān)的常見(jiàn)問(wèn)題
Java設(shè)計(jì)模式（十二） 策略模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
3794
|
字?jǐn)?shù)
4,331
本文結(jié)合實(shí)例詳述了策略模式的實(shí)現(xiàn)方式，并介紹了如何結(jié)合簡(jiǎn)單工廠模式及Annotation優(yōu)化策略模式。最后分析了策略模式的優(yōu)缺點(diǎn)及已（未）遵循的OOP原則
Java設(shè)計(jì)模式（十一） 享元模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2257
|
字?jǐn)?shù)
2,820
本文介紹了享元模式的適用場(chǎng)景，并結(jié)合實(shí)例詳述了享元模式的實(shí)現(xiàn)方式。最后分析了享元模式的優(yōu)缺點(diǎn)及已（未）遵循的OOP原則
Java設(shè)計(jì)模式（十） 你真的用對(duì)單例模式了嗎？
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
3277
|
字?jǐn)?shù)
4,189
本文介紹了為何需要單例模式，單例模式的設(shè)計(jì)要點(diǎn)，餓漢和懶漢的區(qū)別，并通過(guò)實(shí)例介紹了實(shí)現(xiàn)單例模式的八種實(shí)現(xiàn)方式及其優(yōu)缺點(diǎn)。
Java設(shè)計(jì)模式（九） 橋接模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2280
|
字?jǐn)?shù)
3,418
當(dāng)一種事物可在多種維度變化（如兩個(gè)維度，每個(gè)維度三種可能）時(shí)，如果為每一種可能創(chuàng)建一個(gè)子類，則每增加一個(gè)維度上的可能需要增加多個(gè)類，這會(huì)造成類爆炸（3*3=9）。若使用橋接模式，使用類聚合，而非繼承，將可緩解類爆炸，并增強(qiáng)可擴(kuò)展性。
Java設(shè)計(jì)模式（八） 適配器模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2351
|
字?jǐn)?shù)
2,664
適配器模式可將一個(gè)類的接口轉(zhuǎn)換成調(diào)用方希望的另一個(gè)接口。這種需求往往發(fā)生在后期維護(hù)階段，因此有觀點(diǎn)認(rèn)為適配器模式只是前期系統(tǒng)接口設(shè)計(jì)缺乏的一種彌補(bǔ)。從實(shí)際工程來(lái)看，并不完全這樣，有時(shí)不同產(chǎn)商的功能類似但接口很難完全一樣，而為了系統(tǒng)使用方式的一致性，也會(huì)用到適配器模式。
Java設(shè)計(jì)模式（七） Spring AOP JDK動(dòng)態(tài)代理 vs. Cglib
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
4222
|
字?jǐn)?shù)
7,259
Spring的AOP有JDK動(dòng)態(tài)代理和cglib兩種實(shí)現(xiàn)方式。JDK動(dòng)態(tài)代理要求被代理對(duì)象實(shí)現(xiàn)接口；cglib通過(guò)動(dòng)態(tài)繼承實(shí)現(xiàn)，因此不能代理被final修飾的類；JDK動(dòng)態(tài)代理生成代理對(duì)象速度比cglib快；cglib生成的代理對(duì)象比JDK動(dòng)態(tài)代理生成的代理對(duì)象執(zhí)行效率高。
Java設(shè)計(jì)模式（六） 代理模式 vs. 裝飾模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
4199
|
字?jǐn)?shù)
3,845
代理模式與裝飾模式在代碼組織結(jié)構(gòu)上非常相近，以至于很多讀者很難區(qū)分它們。本文將結(jié)合實(shí)例對(duì)比代理模式和裝飾模式的適用場(chǎng)景，實(shí)現(xiàn)方式。
Java設(shè)計(jì)模式（五） 組合模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2526
|
字?jǐn)?shù)
3,124
本文介紹了組合模式的概念，UML類圖，優(yōu)缺點(diǎn)，實(shí)例講解以及組合模式（未）遵循的OOP原則。
Java設(shè)計(jì)模式（四） 觀察者模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
3708
|
字?jǐn)?shù)
3,007
本文介紹了觀察者模式的概念，UML類圖，優(yōu)缺點(diǎn)，實(shí)例分析以及觀察者模式（未）遵循的OOP原則。
Java設(shè)計(jì)模式（三） 抽象工廠模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
3889
|
字?jǐn)?shù)
2,614
本文介紹了抽象工廠模式的概念，UML類圖，優(yōu)缺點(diǎn)，實(shí)現(xiàn)方式以及（未）遵循的OOP原則。同時(shí)結(jié)合J2EE中常用的DAO實(shí)例詳解了抽象工廠模式的實(shí)現(xiàn)。
Java設(shè)計(jì)模式（二） 工廠方法模式
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
4582
|
字?jǐn)?shù)
2,358
本文介紹了工廠方法模式的概念，優(yōu)缺點(diǎn)，實(shí)現(xiàn)方式，UML類圖，并介紹了工廠方法（未）遵循的OOP原則
SQL優(yōu)化（五） PostgreSQL （遞歸）CTE 通用表表達(dá)式
發(fā)表于
|
更新于
|
分類于
PostgreSQL
，
Database
，
SQL優(yōu)化
，
SQL
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
2517
|
字?jǐn)?shù)
5,639
本文結(jié)合實(shí)例介紹了CTE（Common Table Expressions，通用表達(dá)式）的用法，優(yōu)缺點(diǎn)，并詳細(xì)闡述了遞歸CTE的執(zhí)行步驟及使用方法。同時(shí)給出了使用WITH RECURSIVE計(jì)算圖的最短路徑方案。
Java設(shè)計(jì)模式（一） 簡(jiǎn)單工廠模式不簡(jiǎn)單
發(fā)表于
|
更新于
|
分類于
設(shè)計(jì)模式
，
Design Pattern
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
9957
|
字?jǐn)?shù)
7,166
本文介紹了簡(jiǎn)單工廠模式的概念，優(yōu)缺點(diǎn)，實(shí)現(xiàn)方式，以及結(jié)合Annotation和反射的改良方案。同時(shí)介紹了簡(jiǎn)單工廠模式（未）遵循的OOP原則。最后給出了簡(jiǎn)單工廠模式在JDBC中的應(yīng)用
Java進(jìn)階（一）Annotation（注解）
本文介紹了Java Annotation的概念及Java提供的四種Meta Annotation的功能，并結(jié)合實(shí)例詳解了自定義Annotation的方法和注意事項(xiàng)
Kafka設(shè)計(jì)解析（五）- Kafka性能測(cè)試方法及Benchmark報(bào)告
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
21158
|
字?jǐn)?shù)
3,476
本文詳細(xì)闡述了Kafka的性能測(cè)試方法，并全面展示了Kafka各組件的性能測(cè)試報(bào)告。
SQL優(yōu)化（四） PostgreSQL存儲(chǔ)過(guò)程
發(fā)表于
|
更新于
|
分類于
PostgreSQL
，
Database
，
SQL優(yōu)化
，
SQL
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
6545
|
字?jǐn)?shù)
8,883
本文介紹了存儲(chǔ)過(guò)程的概念，優(yōu)勢(shì)，并結(jié)合實(shí)例講解了存儲(chǔ)過(guò)程在PostgreSQL中的實(shí)現(xiàn)，注意事項(xiàng)
SQL優(yōu)化（三） PostgreSQL Table Partitioning
發(fā)表于
|
更新于
|
分類于
PostgreSQL
，
Database
，
SQL優(yōu)化
，
SQL
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
4485
|
字?jǐn)?shù)
9,383
本文介紹了數(shù)據(jù)庫(kù)分區(qū)表的使用場(chǎng)景，優(yōu)勢(shì)，原理，及在PostgreSQL中的實(shí)現(xiàn)和注意事項(xiàng)。
Kafka設(shè)計(jì)解析（四）- Kafka Consumer設(shè)計(jì)解析
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
24364
|
字?jǐn)?shù)
5,903
本文主要介紹了Kafka High Level Consumer，Consumer Group，Consumer Rebalance，Low Level Consumer實(shí)現(xiàn)的語(yǔ)義，以及適用場(chǎng)景。以及未來(lái)版本中對(duì)High Level Consumer的重新設(shè)計(jì)--使用Consumer Coordinator解決Split Brain和Herd等問(wèn)題。
Kafka設(shè)計(jì)解析（三）- Kafka High Availability （下）
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
21943
|
字?jǐn)?shù)
6,835
本文在上篇文章 基礎(chǔ)上，更加深入講解了Kafka的HA機(jī)制，主要闡述了HA相關(guān)各種場(chǎng)景，如Broker failover，Controller failover，Topic創(chuàng)建/刪除，Broker啟動(dòng)，F(xiàn)ollower從Leader fetch數(shù)據(jù)等詳細(xì)處理過(guò)程。同時(shí)介紹了Kafka提供的與Replication相關(guān)的工具，如重新分配Partition等。
Kafka設(shè)計(jì)解析（二）- Kafka High Availability （上）
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
28295
|
字?jǐn)?shù)
7,505
Kafka從0.8版本開(kāi)始提供High Availability機(jī)制，從而提高了系統(tǒng)可用性及數(shù)據(jù)持久性。本文從Data Replication和Leader Election兩方面介紹了Kafka的HA機(jī)制。
機(jī)器學(xué)習(xí)（一） 從一個(gè)R語(yǔ)言案例學(xué)線性回歸
發(fā)表于
|
更新于
|
分類于
machine learning
，
機(jī)器學(xué)習(xí)
，
AI
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
5650
|
字?jǐn)?shù)
3,435
本文簡(jiǎn)要介紹了線性回歸的原理，適用場(chǎng)景，并結(jié)合實(shí)例講解如何使用R語(yǔ)言解決線性回歸問(wèn)題
SQL優(yōu)化（二） 快速計(jì)算Distinct Count
發(fā)表于
|
更新于
|
分類于
PostgreSQL
，
Database
，
SQL優(yōu)化
，
SQL
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
7240
|
字?jǐn)?shù)
3,885
本文介紹了distinct count的SQL優(yōu)化方法，以及常用的高效近似算法及其在PostgreSQL上的實(shí)現(xiàn)。
Kafka設(shè)計(jì)解析（一）- Kafka背景及架構(gòu)介紹
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
52294
|
字?jǐn)?shù)
7,364
本文介紹了Kafka的創(chuàng)建背景，設(shè)計(jì)目標(biāo)，使用消息系統(tǒng)的優(yōu)勢(shì)以及目前流行的消息系統(tǒng)對(duì)比。并介紹了Kafka的架構(gòu)，Producer消息路由，Consumer Group以及由其實(shí)現(xiàn)的不同消息分發(fā)方式，Topic & Partition，最后介紹了Kafka Consumer為何使用pull模式以及Kafka提供的三種delivery guarantee。
SQL優(yōu)化（一） Merge Join vs. Hash Join vs. Nested Loop
發(fā)表于
|
更新于
|
分類于
PostgreSQL
，
Database
，
SQL優(yōu)化
，
SQL
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
10796
|
字?jǐn)?shù)
3,351
本文介紹了Merge Join，Hash Join，Nested Loop這三種數(shù)據(jù)庫(kù)Join方式的工作原理，并通過(guò)實(shí)驗(yàn)進(jìn)一步說(shuō)明了其適用范圍。
Java高性能異步處理框架-Disruptor
#Disruptor簡(jiǎn)介
window.disqusProxy={
shortname: 'jasongj',
username: 'jasongj',
server: 'comments.jasongj.c
...
Kafka深度解析
發(fā)表于
|
更新于
|
分類于
Kafka
，
big data
，
大數(shù)據(jù)
，
分布式
|
評(píng)論次數(shù)
0
|
閱讀次數(shù)
88172
|
字?jǐn)?shù)
17,487
介紹Kafka背景，使用消息系統(tǒng)的優(yōu)勢(shì)，常用消息系統(tǒng)對(duì)比，Kafka架構(gòu)介紹，Kafka實(shí)現(xiàn)語(yǔ)義分析，Replication及Leader Election機(jī)制剖析，Consumer Group Rebalance實(shí)現(xiàn)原理介紹，以及Benchmark測(cè)試。
|
|
|
