Above the cloud

原创 RIP协议在简单网络架构的使用

RIP协议适用于小型、稳定的网络环境，对于大型或拓扑变化频繁的网络，通常会选择其他更先进的路由协议，如OSPF（开放最短路径优先）或EIGRP（增强内部网关路由协议）等。RIP（Routing Information Protocol，路由信息协议）是一种基于距离向量算法的内部网关协议（IGP），用于在局域网或广域网中交换路由信息。查看R-1路由表，已经可以通过动态路由协议RIP获取到达非直连网络路由，其中如图，优先级为100，度量值为2，到达目标网络需要2个路由设备。注意：本文的配置为上文。

原创 复杂园区网基本分支的构建

配置没问题的情况下，最终测试结果是任意两台主机都可以相互通信的。注意：在路由器做静态路由的时候，可以看到R-1到Host-3的子网掩码给的是23位，目的是为了把Host-4的网段包含进去，也可以单独写Host-4，这时子网掩码写24位。像R-2的路由，目的地址一般是包含四个网段的主机的，这时子网掩码写22位，同理也可以写24位，然后单独写给每一台主机。

原创 简单园区网的部署

Ethernet 0/0/1和Ethernet 0/0/2的VLAN ID为10，接口类型为access。Host-1的ip为192.168.64.11/24，网关为192.168.64.254/24。Host-2的ip为192.168.64.12/24，网关为192.168.64.254/24。Host-4的ip为192.168.64.22/24，网关为192.168.64.254/24。Host-5的ip为192.168.64.13/24，网关为192.168.64.254/24。

原创 VLAN绑定MAC地址的应用

SW-3接口GE 0/0/1，VLAN ID为1（交换机初始有一个，其他的不再写），接口类型为hybrid。SW-2、SW-3接口GE 0/0/2，VLAN ID为10、20，接口类型为trunk。通过vlan设置Host-5只能被Host-1访问，Host-6只能被Host-2访问。SW-2接口Ethernet 0/0/1，VLAN ID为10，接口类型为access。SW-2接口Ethernet 0/0/2，VLAN ID为20，接口类型为access。配置交换机SW-3，VLAN分别绑定MAC地址。

原创 局域网中跨交换机VLAN的应用

Ethernet 0/0/1 VLAN ID为10，接口类型access。Ethernet 0/0/2 VLAN ID为10，接口类型access。Ethernet 0/0/5 VLAN ID为20，接口类型access。Ethernet 0/0/6 VLAN ID为20，接口类型access。GE 0/0/1 VLAN ID为1、10、20，接口类型为trunk。Host-1 ip为192.168.64.11/24。Host-2 ip为192.168.64.12/24。配置SW-2，内容同SW-1。

原创 局域网中单台交换机VLAN应用

此时测试同VLAN10下的Host-1和Host-2可以通信，通VLAN20下的Host-3和Host-4也可以进行通信，但是在不同VLAN下的两个主机就不能通信了。初始状态下，所有接口的PVID值都为1，所有接口默认属于VLAN1，接口类型为hybrid。Ethernet 0/0/1 VLAN ID为10。Ethernet 0/0/2 VLAN ID为10。Ethernet 0/0/5 VLAN ID为20。Ethernet 0/0/6 VLAN ID为20。初始状态存在一个缺省vlan，VID值为1。

原创 虚拟局域网（VLAN）的原理

如果数据帧的 VLAN ID 与 Trunk 接口的 PVID 相同，且该 VLAN 在 Trunk 接口的允许通过列表中，则剥离 VLAN 标签后发送数据帧。接收数据帧：当 Trunk 接口接收到数据帧时，如果数据帧没有携带 VLAN 标签，Trunk 接口会根据本接口的 PVID（Port VLAN ID，端口 VLAN ID）为其打上相应的 VLAN 标签。接收数据帧：QinQ 接口接收到数据帧时，会在原有数据帧的 802.1Q VLAN 标签基础上再添加一层新的 VLAN 标签，即外标签。

原创 交换机关于环路、接口绑定、链路聚合的相关知识

关闭交换机接口的mac地址自动学习功能后，无法自动学习主机的mac地址，对于不在mac地址表的数据包采取了丢弃的动作。之后就可以和Host-1主机通信了，Host-2没有进行绑定，测试不通。Host-1和Host-2都不能和Host-3和Host-4通信。将Host-1的mac地址与Ethernet 0/0/1接口绑定。当更改Host-1的接入位置时，可以发现也是测试不通的。关闭交换机SW-1指定接口的mac地址学习功能。重启交换机SW-1，消除mac地址表动态项。分别关闭SW-1和SW-2的生成树协议。

原创 交换机接口学习

接口描述、接口模式、接口速率、接口流量的管理配置。

原创 使用交换机构建简单局域网

Host-1：192.168.64.11/24，接入SW-1 Ethernet 0/0/1。Host-2：192.168.64.12/24，接入SW-1 Ethernet 0/0/2。Host-3：192.168.64.13/24，接入SW-1 Ethernet 0/0/5。Host-4：192.168.64.14/24，接入SW-1 Ethernet 0/0/6。各主机进行ping命令测试。查看交换机mac地址表。验证mac表学习功能。

原创 关于kafka的相关概念描述

9、分区时来支持物理层面上的并发读写，提高Kafka集群的吞吐量，一个主题包含多个分区，每个分区的消息记录是有序的，一个分区就对应一个代理节点，一个代理节点可管理多个分区。5、producer即生产者，它将记录发送到Kafka集群的指定主题（topic）进行存储，同时生产者通过自定义算法决定消息发送的分区（partition）。2、消息队列具有异步通信机制，即并不是发送者和接收者同时与队列进行数据交互，消息会一直保留在队列中，直到数据被读取。3、消息队列的主要作用有运用解耦、异步处理、数据限流、消息通信。

原创 java Swing组件总结

第三个构造方法，是在第二个构造方法的基础上指定滚动条策略。通过图中还可以看出，Swing中有三个组件是继承了AWT的Window类，而不是继承自JComponent类，它们分别是JWindow、JFrame、和JDialog，这三个组件是Swing中的顶级容器，它们都需要依赖本地平台，因此被称为重量级组件。JComboBox组合框组件分为可编辑和不可编辑两种形式，对于不可编辑的组合框，用户只能在现有的选项列表中进行选择，而对于可编辑的组合框，用户既可以在现有的选项中选择，也可以自己输入新的内容。

原创 java AWT绘图总结

在java.awt包中专门提供了一个Graphics类，它相当于一个抽象的画笔，其中提供了各种绘制图形的方法，使用Graphics类的方法就可以完成在组件上绘制图形。在AWT中，Color类代表颜色，其中定义了许多代表各种颜色的常量，比如Color.RED，Color.BLUE等，这些常量都是Color类型的，可以直接作为参数传递给setColor()方法。Font的构造方法中接收三个参数，第一个是String类型，表示字体名称，如“宋体”、“微软雅黑”等，第二个参数是int类型，表示字体的。

原创 java AWT事件处理及常用事件

接着通过addWindowListener()方法为事件源注册事件监听器对象，当事件源上发生事件时，便会触发事件监听器对象，由事件监听器调用相应的方法来处理相应的事件。针对这样的问题，JDK提供了一些适配器类，它们是监听器接口的默认实现类，这些实现类中实现了接口的所有方法，但方法中没有任何代码，程序可以通过继承适配器类来达到实现监听器接口的目的。可以通过继承适配器类对事件源对象实现了监听，但在实际开发中，为了代码的简洁，经常通过匿名内部类来创建事件的监听器对象，针对所发生的事件进行处理。

原创 java AWT布局管理器总结

GUI全称是Graphical User Interface，即图形用户界面。Java中针对GUI设计提供了丰富的类库，这些类分别位于java.awt和javax.swing包中，简称为AWT和Swing。AWT是用于创建图形用户界面的一个工具包，它提供了一系列用于实现图形界面的组件，如窗口、按钮、文本框、对话框等。在JDK中针对每个组件都提供了对应的Java类，这些类都位于java.awt包中，接下来通过一个图例来描述这些类的继承关系，如图所示。

原创 线性回归+逻辑判断进行分类预测的思考

线性回归+逻辑判断进行分类预测

原创 分类任务的一些现实思考

1、垃圾短信检测思考2、图像识别思考3、手写数字识别思考4、股票涨跌预测思考5、分类预测实现过程思考6、实现的具体方法7、区分回归任务和分类任务

原创 回归问题的求解以及梯度下降法

问题：面积100平米售价120万是否值得投资？1、确定x、y间的定量关系y=f(x)这一步是核心，有了这个定量关系，才能进一步去预测价格，然后进一步作出判读2、根据关系预测合理价格3、做出判断如图，把对应的数进行可视化，然后通过线性模型y=ax+b去拟合这些点，对应了回归分析的方法。原因：线性模型最基础最简单，而且点的分布接近于线性分布的根据模型y=ax+b，那么就可以把整个问题转化成求解合理的a和b的过程。若当a=0;b=1000000，如图不符合数据点的分布，点到线的距离差距过大，也不符

原创 机器学习的四种学习方法

有正确的label如图：有两个维度x1和x2，这里的1和2代表的是标签，即是分类结果，也就是正确结果，那么机器学习会按照这个结果自动帮你分界限，即无正确的label例如在个二维坐标内，可能只知道每个点的坐标其余的什么也不知道，即是没有包含正确结果的那么机器就会有很多种的分法，例如趋于监督学习和无监督学习之间有部分有正确结果，其他的没有的，即含少量正确结果，那么根据无监督学习分法，中间那条线就不再适用，因为有了部分的正确结果，要使其分在同一类里，那么就可能有这两种分类方法。具有奖惩机制机器会根

原创 人工智能核心概念

介绍人工智能核心、应用场景、发展阶段、实现方法、机器学习和深度学习的关系

原创 朴素贝叶斯详解——从条件概率的引入到朴素贝叶斯的形成再到模型的训练

1、用案例引出条件概率2、条件概率引出贝叶斯3、朴素贝叶斯基本原理4、训练数据

原创 docker hub以及阿里云中进行镜像的推送

（1）配置阿里云的Docker Hub镜像加速器。可以注册一个阿里云账号并开通容器镜像服务，通过配置向导获取一个加速器地址，也可以使用他人提供加速器地址，将其直接复制/etc/docker/daemon.json文件中进行配置即可。（2）注册阿里云账户，设置Registry登录密码，开通容器镜像服务。（3）访问阿里云Registry。（4）将hello-world镜像打上标签并推送到阿里云Registry。标签格式：Registry域名/命名空间/仓库名称:[标签]（5）检查镜像是否推送到阿里

原创 docker——Ubuntu镜像操作和apache web容器操作小实训

文章目录Ubuntu镜像操作apache web容器操作Ubuntu镜像操作（1）拉取最新的Ubuntu官方镜像。（2）查看该镜像的详细信息。（3）查看该镜像的构建历史。（4）删除该镜像。apache web容器操作（1）基于httpd镜像以后台方式运行Apache Web容器并对外开放80端口。（2）将该容器重命名为apache-web。（3）查看该容器的详细信息。（4）使用docker exec命令进入该容器查看当前目录。（5）停止并删除该容器。...

原创 插值法求中位数

利用插值法去求数据集的中位数近似值

原创 关于SparkStrategies$InMemoryScans$的一个线程问题分析，网上资料比较少，发出来供参考，待解决

就是在写spark数据分析这个栏目的内容，我的内容是从虚拟机中安装idea进行运行程序，但是最后我倒回去运行spark sql时很奇怪地发现以下几个问题Exception in thread “main” java.lang.NoClassDefFoundError: org/apache/spark/sql/execution/SparkStrategiesInMemoryScansInMemoryScansInMemoryScansCaused by: java.lang.ClassNotFound

原创 Hbase shell操作

1、创建表2、插入操作3、扫描操作4、查看操作5、更新操作6、获取指定字段7、统计操作8、删除操作删除全部清空表

原创 图像处理(1)灰度直方图实验

直方图的基础：一、定义二、特征三、形成灰度直方图实验以空间位置(x,y)为自变量的二维函数f(x,y)每张图片都是不同灰度级形成的图像，直方图则统计了每一个灰度级所出现的次数。一幅图像具有特定的唯一的直方图。一个直方图可对应多幅图像。

原创 数据结构随笔

原创 Spark Streaming整合Kafka实现词频统计

pom.xml<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.or.

原创 网站热词排序项目

创建MySQL表来存放数据。pom.xml<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http:/

原创 Spark Streaming的核心DStream案例

1、transform()方法2、updateStateByKey()方法3、window()方法4、reduceByKeyAndWindow()方法5、SaveAsTextFilesTest()方法

原创 分享一个免费的MP4转gif网站

若写博客需要把视频转成gif放到文章里，可以用这个功能https://www.aconvert.com/cn/video/mp4-to-gif/

原创 Kafka Streams开发单词计数应用

pom.xml<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.or.

原创 kafka java api编写消费者客户端和生产者客户端

1、生产者客户端案例2、生产者客户端案例

原创 kafka生产者与消费者案例

1、创建主题2、创建生产者3、创建消费者4、数据的生产与消费

原创 kafka集群的部署

1、kafka.apache.org网址中下载所需的kafka包2、修改配置文件server.properties3、修改环境变量4、分发到各节点5、开启zookeeper集群6、开启kafka集群

原创 spark sql操作数据

1、创建Dataset2、实现反射机制推断schema3、编程方式定义Schema4、spark操作mysql数据库5、spark操作Hive数据出现bug1bug2mysql表的创建、插入等操作hive1、创建表2、设置personRDD的Schema3、创建Row对象，每一个Row对象都是rowRDD的一行4、建立rowRDD与Schema对应关系，创建DataFrame5、注册临时表6、将数据插入Hive表7、查询表数据

转载 Spark ：【error】System memory 259522560 must be at least 471859200

https://www.cnblogs.com/drl-blogs/p/11086826.html

转载 【Linux报错】VM虚拟机的CentOS7系统启动时报Generating /run/initramfs/rdsosreport.txt

https://www.cnblogs.com/yangzp/p/14480945.html

原创 多元线性回归的探索

1、分析二变量的关系2、多元线性回归3、显著交互项的多元线性回归（汽车数据集）数据使用的依然是state.x77数据集为例，探究一个州的犯罪率和其他因素的关系，包括人口、文盲率、平均收入和结霜天数（温度在冰点一下的平均天数）。交互项的多元线性回归主要用mtcars数据中的汽车数据，对汽车重量和马力作为预测变量，并包含交互项来拟合回归模型。其中，hp汽车功率，wt汽车重量。