相关系数Rab

原创作品,转载请指明出处,谢谢!
#include <iostream>
#include <stdio.h>
#include <vector>
using namespace std;
struct Rab {
        int num;
        vector <float> age;
        vector <float>value;
        float age_avg,value_avg;

        void init() {
                for (int i=0; i<num; i++) {
                        age_avg+=age[i];
                        value_avg+=value[i];
                }
                age_avg = 1.0*age_avg/num;
                value_avg=1.0*value_avg/num;
        }
        float calc() {
                float age_std=0.0,value_std=0.0,sum=0.0;
                for(int i=0; i<num; i++) {
                        age_std+=((age[i]-age_avg)*(age[i]-age_avg));
                        value_std+=((value[i]-value_avg)*(value[i]-value_avg));
                        sum+=((age[i]-age_avg)*(value[i]-value_avg));
                }
                age_std=age_std/(1.0*num);
                value_std=value_std/(1.0*num);
                sum=sum/(1.0*num);
                return sum/(age_std*value_std);
        }
} R;

int main()
{
        freopen("in.txt","r",stdin);
        scanf("%d",&R.num);
        float age_tmp,value_tmp;
        for(int i=0; i<R.num; i++) {
                scanf("%f%f",&age_tmp,&value_tmp);
                R.age.push_back(age_tmp);
                R.value.push_back(value_tmp);
        }
        R.init();
        printf("%f\n",R.calc());
        return 0;
}

这个代码中间可能有点问题,太简单了我也没有查,大家看看做个参考吧!
下面给出测试数据:

18
23 9.5
23 26.5
27 7.8
27 17.8
39 31.4
41 25.9
47 27.4
49 27.2
50 31.2
52 34.6
54 42.5
54 28.8
56 33.4
57 30.2
58 34.1
58 32.9
60 41.2
61 35.7

 

转载于:https://www.cnblogs.com/Chinese-Coder-Clarence/articles/2548939.html

### Kafka 和 RabbitMQ 的数据处理规模与性能极限 #### Kafka 的数据处理能力 Kafka 设计之初就是为了保存大量的消息,因此非常适合用于处理海量的消息。对于收集日志、监控信息或前端埋点这类大规模数据的应用场景来说,Kafka 表现出色[^2]。当应用程序涉及大数据和流计算时,Kafka 能够提供高效的支持。 具体而言,在主题(Topic)数量不超过64的情况下,Kafka 可以展现出强大的性能优势;其分区机制决定了系统的吞吐能力和扩展性。即使是在极端条件下——比如主节点写入消息之后突然发生故障并丢失硬盘中的数据——也仅会在特定情形下造成少量消息丢失。这表明 Kafka 对于高可用性和持久性的支持非常强大[^4]。 ```python from kafka import KafkaProducer, KafkaConsumer producer = KafkaProducer(bootstrap_servers='localhost:9092') consumer = KafkaConsumer('my_topic', bootstrap_servers='localhost:9092') for i in range(int(1e7)): # 发送一千万条消息模拟大流量 producer.send('my_topic', b'message %d' % i) count = sum(1 for _ in consumer) # 计算接收到的消息总数 print(f"Received {count} messages.") ``` #### RabbitMQ 的数据处理能力 相比之下,RabbitMQ 并不是专门为存储大量消息而设计的工具。尽管它同样采用了发布/订阅模式来实现消息传递功能,但在面对极高并发度的数据传输需求时可能不如 Kafka 那样游刃有余。不过,RabbitMQ 支持多种协议,并且具有良好的灵活性,适用于更广泛的企业级应用环境[^3]。 关于具体的性能指标,虽然 RocketMQ (由阿里巴巴基于 MetaQ 开发而来) 单机可以达到每秒处理数万条消息的速度并且能够通过增加服务器来进行线性扩展,但这些特性并不完全代表 RabbitMQ 自身的表现。然而,考虑到两者架构上的不同之处,可以说在相同硬件配置下的纯消息吞吐量测试中,RabbitMQ 很难匹敌 Kafka 所能达到的高度。
评论
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