hbase 命令入门

转:http://blog.youkuaiyun.com/hongbinchen/article/details/6289279

 

1. 创建表

 create 'student','name','address'  

 新建student表,该表有两列 名称和地址,名称只有一个,address可以有多个,

create 'dirktest', {NAME => 'cf'},{SPLITS => ['1','2','3']} 

 

2.插入一条记录,只能插入某列

  put 'student','1','name','tom' 

 向student有中插入记录,记录的row值为1,列name的值为tom

 

3. 根据row值 查询一条记录

    get 'student','1'

 

 

4. 根据row值更新name值 (系统会直接更新)

   put 'student','1','name','tom2'

 

5.再查询时,系统返回最新的值

 

6.根据timestamp查询更新之前的 name值,

    get 'student','1',{COLUMN=>'name',TIMESTAMP=>1301473112875}

 

7. 给学生的地址簇插入家庭地址

 put 'student','1','address:home','shenzhen street'

 

8. 给学生的地址簇插入学校地址

 put 'student','1','address:school','huaqiangbei street'

 

9. 查询学生的家庭地址

 get 'student','1',{COLUMN=>'address:home'}

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值