iteye_2655-优快云博客

原创 HBase 修复region

定位线上问题发现HBase 60020端口响应总是超时。但线上服务器发现该region-server均正常。通过 hbase hbck 发现该表虽然region 都在线，但是有几个region 有 hole。通过bin/hbase hbck -fix 定位修复。在修复region后先关的聚类运算和关联的数据接入等任务都进行了重启和确认。最终建模结果正常。 ...

2012-10-15 17:58:52 317

原创 ZZ 自动分类、相似度、去重等相关问题原理和算法

Google的吴军研究员写了数学之美系列，其中有“余弦定律与新闻的分类”和”矩阵运算和文本处理中的分类问题“对自动分类、相似度、去重等相关问题原理作了介绍，并找到一些相关算法：余弦定律与新闻的分类Google 的新闻是自动分类和整理的。所谓新闻的分类无非是要把相似的新闻放到一类中。计算机其实读不懂新闻，它只能快速计算。这就要求我们设计一个算法来算出任意两篇新闻的相似性。为了做到这一...

2012-06-27 14:04:52 271

原创 ZZ I-Match算法网页去重-算法篇

I-Match算法网页去重-算法篇网页去重-算法篇前一篇（网页去重-比较文本的相似度-Near duplication detection ）提到了5个解决网页去重的算法，这里我想讨论下这些算法1. I-Match 2. Shingliing3. SimHashing（ locality sensitive hash） 4. Random Projection5. ...

2012-06-27 12:08:21 559

原创 ZZ 什么是Shingling算法网页去重——Shingling 算法

什么是Shingling算法网页去重——Shingling 算法　shingling算法用于计算两个文档的相似度，例如，用于网页去重。维基百科对w-shingling的定义如下：　　In natural language processing a w-shingling is a set of unique "shingles"—contiguous subsequence...

2012-06-27 12:04:01 294

原创 ZZ Hamming distance

Hamming distance n information theory, the Hamming distance, named after Richard Hamming, is the number of positions in two strings of equal length for which the corresponding elements are diff...

2012-06-27 10:54:59 134

linux进程端口信息查看

ZooKeeper监控连接方法如下： lsof –i:2181 > XXX.log wc –l XXX.log grep pid XXX.log > XXA.log wc –l XXA.log即可获取某个进程关于2181端口的连接。此法可以扩展到其他端口监听。如果lsof 命令不可用，则可以通过n...

2012-06-17 10:09:45 106

原创 ZZ 基于用户投票的排名算法

from: http://kb.cnblogs.com/page/135656/ 　基于用户投票的排名算法（一）：Delicious和Hacker News　　基于用户投票的排名算法（二）：Reddit　　基于用户投票的排名算法（三）：Stack Overflow　　基于用户投票的排名算法（四）：牛顿冷却定律　　基于用户投票的排名算法（五）：威尔逊区间　　基于用户投票的排名算...

2012-06-11 09:59:37 251

原创 DFSOutputStream ResponseProcessor exception

WARN org.apache.hadoop.hdfs.DFSClient: DFSOutputStream ResponseProcessor exception for block blk_7400268305159146046_1226436java.net.SocketTimeoutException: 66000 millis timeout while waiting for ...

2012-06-06 11:30:22 1988

原创 JVM Crash分析

JVM Crash一般会生成core.pid文件和hs_err_pidXXXX.log。打开hs_err_pidXXXX.log文件一般有如下内容： A fatal error has been detected by the Java Runtime Environment:## SIGBUS (0x7) at pc=0x00007fb7006c6f31, pi...

2012-06-02 00:00:36 282

原创 ZZ 数据挖掘的方法论之谈CRISP-DM

from:http://kb.cnblogs.com/page/76804/在1996年，当时数据挖掘市场是年轻而不成熟的，但是这个市场显示了爆炸式的增长。三个在这方面经验丰富的公司DaimlerChrysler、SPSS、NCR发起建立一个社团，目的建立数据挖掘方法和过程的标准。在获得了EC（European Commission）的资助后，他们开始实现他们的目标。为了征集业界广泛的意...

2012-05-26 15:45:24 130

原创 java.lang.OutOfMemoryError: unable to create new native thread

今天压系统，出现一个java.lang.OutOfMemoryError: unable to create new native thread问题，整个linux系统都不可用了.通过top -H命令看到线程数大于3万。通过ulimit -s 看到堆栈大小100K.ps -mp <pid>定位到问题进程。然后jstack pid 查看进程相关信息，定位到代码...

2012-05-09 21:55:45 188

Protocol Buffer的安装与使用

转载请注名出处和作者：franciscolv. http://www.cnblogs.com/franciscolv/archive/2012/05/05/2485348.html 最近要在产品中改进对象的序列化了。以前用的是java默认序列化实现功能，在产品上线之前要对关键的对象进行序列化/反序列化优化，以期改善存储效率。这里选取了Protocol buffer作为最终的方案，原因...

2012-05-05 20:30:23 125

原创 GC相关

java.lang.OutOfMemoryError: GC overhead limit exceeded 发生在GC占用大量时间为释放很小空间的时候发生的，是一种保护机制。解决方案是，关闭该功能，使用—— -XX:-UseGCOverheadLimit java.lang.OutOfMemoryError: java heap space 配置增大...

2012-04-19 12:12:22 106

原创 ZZ log4j配置说明

http://www.blogjava.net/sxyx2008/archive/2010/07/14/326028.html http://www.cnblogs.com/ITEagle/archive/2010/04/23/1718365.html

2012-03-24 21:58:37 106

2011个人总结

今天是2011的最后一天，即将迈入2012。回顾这一年，有成功，有失败，有老友相聚，有朋友相离，一天天在成长，一天天在成熟，很多时候不能随性了，真是痛并生活着。简单的总结一下2011吧。过年的时候并没有回家，我知道自己在某公司的实习生涯要结束了，抓紧时间总结沉淀一下这些时日的收获，回顾了自己的技术收获，整理了一些blog，发了一些，虽然很水，这里发现自己沉淀能力不强，...

2011-12-31 14:33:30 135

MongoDB小经验

转载请著明作者与出处。franciscolv http://shuofenglxy.iteye.com/admin/blogs/1330539 第一条：划分shard，使用replSet,保证服务不会全部失效,存储容灾很关键。第二条：大表要分表，划分ReplSet之后，表还是只存在于一个shard中。小表看需要。第三条：良好的键值设计，字段名称要短，不要用传统的数据库方式思...

2011-12-30 15:32:06 102

原创 Linux硬件查看命令 ZZ

2011-12-09 12:16:33 102

原创 Linux slab 分配器详解 --- 了解 Linux 内存管理的方式Z

良好的操作系统性能部分依赖于操作系统有效管理资源的能力。在过去，堆内存管理器是实际的规范，但是其性能会受到内存碎片和内存回收需求的影响。现在，Linux® 内核使用了源自于 Solaris 的一种方法，但是这种方法在嵌入式系统中已经使用了很长时间了，它是将内存作为对象按照大小进行分配。本文将探索 slab 分配器背后所采用的思想，并介绍这种方法提供的接口和用法。动态内存管理内存管...

2011-10-30 18:31:10 145

原创 ZZ paxos 实现

paxos 实现from:http://rdc.taobao.com/blog/cs/?p=162本文主要介绍zookeeper中zookeeper Server leader的选举，zookeeper在选举leader的时候采用了paxos算法(主要是fast paxos)，这里主要介绍其中两种：LeaderElection 和FastLeaderElection.我们先要清...

2011-10-10 10:44:33 99

原创分布式事务处理，两端提交协议 ZZ

from:http://blog.sina.com.cn/s/blog_4a1f59bf0100pplp.html随着网络环境的日益普及，新的应用呈现出许多相似的特点那就是开放性和分布性。对于Internet商业应用来说分布性和开放性更是最基本的要求，并且随着人们对电子商务、安全防范等复杂的Web应用需求的增加，Web应用不仅仅是对只读信息的存取，面向商业活动的读取将迅速增加。这意味着，从...

2011-10-02 15:30:20 210

原创数组查值

问题描述:{4,5,7,8,1,2} 找值为K的元素。两种做法，一种常规的稍好于直接查找，另一种为二分o（lgn）import java.util.Arrays;public class FindK { public static void main(String[] args) { int[] a = { 4, 5, 7, 8, 1, 2 }; in...

2011-09-27 16:42:50 91

全排列递归式

简单的整理一下全排列思路。全部遍历，打印前筛选条件。全部遍历则是交换，递归，还原。 package SortSet;public class PermOrder { private int[] a; public PermOrder(int[] a) { this.a = a; } public static void main(String[] ...

2011-09-27 15:18:31 74

简单的四则运算计算器

这是一个简单的四则运算计算器，不支持括号，没有做乘法的越界计算和除0等异常处理。只是简单的描述一个四则运算过程。 package SortSet;import java.util.Stack;public class OperationTest { private static Stack<Character> opeStack = ne...

2011-09-27 11:27:54 193

shell 命令 exec 建立tcp连接与关闭连接

shell 命令中要直接与java进程进行端口通信的话，可以使用exec 8>/dev/tcp/172.27.24.12/11111; if [ "$?" != "0" ];then echo "open $host $port fail!"; exit 1; fiecho "test">&8;exec 8>&

2011-09-01 15:12:59 2101

原创 ZZ TCP状态迁移 close_wait状态

TCP状态迁移大家对netstat -a命令很熟悉，但是，你有没有注意到STATE一栏呢，基本上显示着established,time_wait,close_wait等，这些到底是什么意思呢，在这篇文章，我将会详细的阐述。大家很明白TCP初始化连接三次握手吧：发SYN包，然后返回SYN/ACK包，再发ACK包，连接正式建立。但是这里有点出入，当请求者收到SYS /ACK包后，就开...

2011-09-01 14:35:45 166

原创 ZZ select poll epoll区别

select的本质是采用32个整数的32位，即32*32= 1024来标识，fd值为1-1024。当fd的值超过1024限制时，就必须修改FD_SETSIZE的大小。这个时候就可以标识32*max值范围的fd。对于单进程多线程，每个线程处理多个fd的情况，select是不适合的。1.所有的线程均是从1-32*max进行扫描，每个线程处理的均是一段fd值，这样做有点浪费2.102...

2011-08-28 17:39:09 111

原创高性能IO设计的Reactor和Proactor模式 ZZ

原文来自：http://simpleframework.net/bbs/835/14129.html在高性能的I/O设计中，有两个比较著名的模式Reactor和Proactor模式，其中Reactor模式用于同步I/O，而Proactor运用于异步I/O操作。在比较这两个模式之前，我们首先的搞明白几个概念，什么是阻塞和非阻塞，什么是同步和异步,同步和异步是针对应用程序和内核的交互而言的，同步指...

2011-08-19 11:37:01 102

java定时器实现

这两天在重构代码，发现有几个map有出现内存泄露的问题。考虑到独立性，通过java 的timetask来实现。这里要注意的地方就是任务起始时间的获得。 import java.util.Calendar;import java.util.Date;import java.util.Timer;import java.util.TimerTask;/**...

2011-08-11 17:05:02 126

Linux定时任务之Crontab

Crontab -e编辑定时任务***** 分小时天周月 +command即可。Crontab与java程序。如果想要定时调用java程序，则需要在调用的java程序之前声明path,并export path。顺带java home jre home classpath都要上。原来默认的系统设计path在crontab任务中无效。crontab 与dos2unix ...

2011-06-17 15:01:10 102

原创 Linux下修改mysql密码

mysql -uroot -p旧密码登录use mysql;update user set password=password('新密码') where user='root';FLUSH PRIVILEGES;quit;mysql -uroot -p新密码。OK了show databases;select version(); apache重启 ...

2011-06-02 15:08:05 118

原创 Linux vi命令

vi +filename 编辑文件内容：set ff 查看文件格式 dos 或者unix：set ff= unix:wq 存盘退出i 输入esc 退出文本编辑模式 ./filename.shsh filename.sh 一样 i 开始插入 dd删除一行x删除一个字符...

2011-05-18 12:00:00 77

原创 Linux命令

env 打印全部环境变量chown search:search recommend-log 把recommend-log目录owner转为seach组search用户。mkdir 建目录rmdir 删除空目录mv 移动文件目录到指定目录cp 复制文件目录下所有文件到指定目录cd 进入目录 cd .. 退出目录date +%m 获取当前月份ll ...

2011-04-26 11:49:25 125

原创 ZZ：java WeakReference SoftReference and PhatomReference 介绍

Java 2 平台引入了 java.lang.ref 包，其中包括的类可以让您引用对象，而不将它们留在内存中。这些类还提供了与垃圾收集器（garbage collector）之间有限的交互。先“由强到弱”（只的是和垃圾回收器的关系）明确几个基本概念：strong references是那种你通常建立的reference，这个reference就是强可及的。这个不会被自动回收。例如：S...

2011-03-16 11:34:06 127

原创封笔酝酿

额前前后后写了不少东西了，更重要的是养成了一个积累的习惯。接下来的日子里，将减少blog写文章的数量，厚积薄发，慢慢积累。多读，多看，少写。工作一年之后，开始写高质量的blog....

2011-03-07 22:55:23 156

MapReduce初探与思考

MapReduce是hadoop的分布式计算框架，主要包括map与reduce两大阶段： Map阶段主要负责把数据输入转换成中间键值对结果，它要求输入为键值对方式，具体实现map方法就可以，产生的输出是以可序列化的键值对结果，对键要求可比较即可。而在读入输入数据之前，要求数据已经被逻辑分片。reduce阶段主要负责把中间结果进一步处理产生最后的输出结果。 ...

2011-03-03 14:01:57 161

python之动态增加对象方法

python3.1想要动态增加方法需要先Import types import typesclass Demo: def hello(self): print("hello world")helloInstance = Demo()def hello2(self): print ("hello again")Demo.hello2 ...

2011-03-01 17:09:58 147

原创 hadoop 基本注解： InterfaceAudience InterfaceStability

InterfaceAudience类包含三个注解类型，用来被说明被他们注解的类型的潜在的使用范围（audience）。 @InterfaceAudience.Public：对所有工程和应用可用 @InterfaceAudience.LimitedPrivate：仅限于某些特定工程，如Comomn，HDFS等 @Inter...

2011-03-01 14:36:56 176

Python之测试

测试函数功能：def average(values): """Computes. >>> print(average([1,3,5,7,9])) 5.0 """ return sum(values)/len(values) import doctestdoctest.testmo...

2011-02-28 10:14:55 142

原创 Python exception

BaseException +-- SystemExit +-- KeyboardInterrupt +-- GeneratorExit +-- Exception +-- StopIteration +-- ArithmeticError | +-- FloatingPointError | +-- Over...

2011-02-26 08:39:39 125

Python3.1之pickle

Python3.1把pickle cPickle合并了。调用的时候直接import pickle as p 就可以了。 pickle就是python中序列化工具，可以序列化各种格式数据，甚至包括自己定义的。简单的demo如下：import pickle as cpshoplistfile ='shoplist.data'shoplist=['apple',...

2011-02-26 08:17:36 104

空空如也

空空如也