accbbbxx的博客

在介绍异构无竞争内存模型前，我们需要说明说明是异构系统，以此方能目标引入异构无竞争内存模型的必要性。异构数据库系统是相关的多个数据库系统的集合，可以实现数据的共享和透明访问，每个数据库系统在加入异构数据库系统之前本身就已经存在，拥有自己的DMBS。异构数据库的各个组成部分具有自身的自治性，实现数据共享的同时，每个数据库系统仍保有自己的应用特性、完整性控制和安全性控制。而计算机体系结构的异构则是指，各

今天的通用（CPU）多核处理器都精确地指定了它们的硬件内存一致性模型（例如x86，IBM Power，SPARC TSO等）。 这些内存一致性模型保证了核心读取和写入的指定顺序，一致性模型之间的差异会对可编程性，性能和硬件实现复杂性产生重大影响。 一致性模型的选择因此是相当重要的，并且在20世纪90年代，有一个重要的有影响力的研究深入研究在多个CPU核心的多处理器的硬件一致性模型之间的权衡。除了CP

协同过滤算法被广泛运用到推荐系统中。协同是指根据以前的用户行为模型来获得推荐内容。算法的目标是将用户-项目的矩阵中空缺的部分尽可能填上。MLlib采用交替最小二乘法（alternatingleastsquares，ALS)来学习用户与项目间的潜在因子。 协同过滤算法被广泛运用到推荐系统中。协同是指根据以前的用户行为模型来获得推荐内容。算法的目标是将用户-项目的矩阵中空缺的部分尽可能填上。Mllib

MLlib的聚类算法有K均值算法，LDA算法，二分K均值算法，高斯混合模型等等。以K均值为例。 MLlib中K-means流程如下： 第一步，选择K个点作为初始聚类中心。 第二步，计算其余所有点到聚类中心的距离，并把每个点划分到离它最近的聚类中心所在的聚类中去。在这里，衡量距离一般有多个函数可以选择，最常用的是欧几里得距离(EuclideanDistance),也叫欧式距离。公式如下：其中C代