GTK1 的程序是不支持Fontconfig的。所以有点麻烦。拿到一个字体，你首先要让X找到它对吧？这一步就是在 /etc/X11/XF86config的Section "files"段里面的Fontpath属性里说明的详细后面会讲。好了，X现在知道字体在哪里了。那gtk1的程序还不能直接使用它们，因为我们还没有给它们"注册",这就需要在前面设定的Fontpath里生成两个文件fonts.dir fonts.scale这两个文件里有Fontpath下所有字体的列表信息，就是一个"索引"。有了这个"索引"，gtk1的程序就可以找到相应的字体了。生成这两个文件的工具有mkfontdir,mkfontscale,ttmkfdir等等。好了，上面两步如果正确完成了，你的gtk1程序现在就可以正常显示汉字了。

对于使用zabbix的用户，要接入百度告警非常简单，只需要按以下四步骤进行配置，就可以使用短信、电话、微信来接收zabbix告警信息。接入步骤1)在百度告警中配置服务和升级策略。2)配置zabbix，新增使用百度告警发送告警信息。3)选择监控trigger，配置其action为使用百度告警发送信息。4)触发trigger，电话、短信、微信接收告警！1、在百度告警中配置服务和升级策略1)配置升级策略，使用电话、短信和微信接收告警2)配置服务，作为告警接收的入口。

Java基础Java对象序列化对象序列化是为了能够让对象像其他变量数据一样能够长久的保存下来，其实质是把对象在内存中的数据按照一定的规则，变成一系列的字节数据，然后写入到流中。没有实现java.io.Seralizabled接口的类不能实例化。Java内存管理机制Java内存组成部分栈：用于存储局部变量表、操作栈、动态链接、方法出口等信息。每一个方法被调用直至执行完成的过程，就对应着一个栈帧在虚拟机栈中从入栈到出栈的过程。局部变量的值，包括：1.用来保存基本数据类型的值；

数据太多了，需要能存储、快速分析Pb级数据集的系统单机的存储、IO、内存、CPU有限，需要可扩展的集群使用门槛低，数据分析是个庞杂的问题，MPI太复杂单点故障问题–机器多了单点故障成为正常的异常–节点有增有减Hadoop就是一个满足易用性、可靠性、可扩展性的存储计算平台，还是开源的！Hive：数据仓库，facebook贡献PIG：并行计算的一种高级语言，yahoo贡献Nutch：网页搜索软件，不只是爬虫Avro：数据序列化系统Chukwa：用于管理大规模分布式集群的数据收集系统ZooKeeper：用于分布式应用的高性能协同服务Hbase：类似于BigTable的，key-value数据库系统Mahout：分布式机器学习和数据挖掘的LibHama：基于BSP的超大规模科学计算框架

--向磊Page*Hadoop集群监控Cacti默认Cacti模板太少增加模板我们的模板磁盘IO内存详情单个内核使用CPU总和及IOWaitJMX支持监控HadoopPage*Hadoop集群监控Cacti优点监控每台服务器的详细数据SNMP采集数据可以自己定义相比zabbix：无需客户端安装配置简单spine采集速度快模板众多支持IPMI缺点SNMPD为UDP协议，不够稳定无法获知集群整体运行状况Page*Hadoop集群汇总监控GangliaPage*Hadoop集群汇总监控Ganglia优点集群总体状况和负载汇总采用多播地址降低带宽占用TCP采集数据稳定hadoop原生支持ganglia数据采集缺点配置稍复杂，需安装客户端单台数据不如cacti详细Page*Hive高可用集群Hive存在的问题单一节点Hive ThriftServer故障导致任务失败高可用方案多个HiveThriftServer节点HAProxy+HiveHAProxy在实际应用中出现过的问题和优化Hive日志问题轮询方式优化仍存在不稳定因素，其他方式解决HAProxy+Hive网络拓扑

Hive 是建立在 Hadoop 上的数据仓库基础构架。它提供了一系列的工具，可以用来进行数据提取转化加载（ETL），这是一种可以存储、查询和分析存储在 Hadoop 中的大规模数据的机制。Hive 定义了简单的类 SQL 查询语言，称为 QL，它允许熟悉 SQL 的用户查询数据。同时，这个语言也允许熟悉 MapReduce 开发者的开发自定义的 mapper 和 reducer 来处理内建的 mapper 和 reducer 无法完成的复杂的分析工作。

Content数据分析前，我们需要思考>《孙子兵法·谋攻篇》：故上兵伐谋，其次伐交，其次伐兵，其下攻城;攻城之法为不得已。像一场战役的总指挥影响着整个战役的胜败一样，数据分析师的思想对于整体分析思路，甚至分析结果都有着关键性的作用。>问题分析结果呈现分析思路与方法数据选取数据分析前，我们怎么去思考？每一个步骤可能面临的问题以及需要准备的东西??? 分析问题和解决问题的思路>两个重点步骤精确的陈述问题Where----哪里存在问题？What------存在的问题是什么？Why-------原因在哪里？When-----什么时候开始出现这样的问题？Who------与什么对象有关？Howmany-----发生的次数和数量？Howmuch------损失有多大？

Visual C++ MFC简明教程原著：MarshallBrain编译：张圣华第一部分：MFC导论Visual C++不仅仅是一个编译器。它是一个全面的应用程序开发环境，使用它你充分利用具有面向对象特性的C++来开发出专业级的Windows应用程序。为了能充分利用这些特性，你必须理解C++程序设计语言。掌握了C++，你就必须掌握Microsoft基本类库(MFC)的层次结构。该层次结构包容了WindowsAPI中的用户界面部分，并使你能够很容易地以面向对象的方式建立Windows应用程序。这种层次结构适用于所有版本的Windows并彼此兼容。你用MFC所建立的代码是完全可移植的。该教程将向你介绍MFC的基本概念和术语以及事件驱动程序设计方法。在本节中，你将会输入、编译和运行一个简单的MFC程序。下一节中将向你详细解释这些代码。

内容简介与以往算法的比较变色龙算法聚类步骤稀疏图相对互连性相对近似性聚类对比试验总结与以往算法的比较以往算法的不足只处理符合某静态模型的簇忽略了不同簇间的信息忽略互连性互连性：簇间距离较近数据对的多少。忽略近似性近似性：簇间数据对的相似度(最近距离)。变色龙算法同时考虑了互连性和近似性变色龙算法的聚类步骤步骤稀疏图节点表示数据项边表示数据项的相似度图的表示基于k-最近邻居图的方法节点表示数据项边表示边的一个节点v在另一个节点u的k个最相似点中。好处：距离很远的数据项完全不相连边的权重代表了潜在的空间密度信息在密集和稀疏区域的数据项都同样能建模表示的稀疏便于使用有效的算法相对互连性(RI)相对互连性函数：EC(Ci,Cj):连接簇Ci和Cj的所有边的权重和。

聚类分析?聚类分析中的数据类型主要聚类分析方法分类划分方法（PartitioningMethods）分层方法基于密度的方法基于表格的方法基于模型（Model-Based）的聚类方法异常分析总结DataMining:Conceptsand Techniques什么是聚类分析?簇（Cluster）:一个数据对象的集合在同一个类中，对象之间0具有相似性；不同类的对象之间是相异的。聚类分析把一个给定的数据对象集合分成不同的簇；聚类是一种无监督分类法:没有预先指定的类别；典型的应用作为一个独立的分析工具，用于了解数据的分布；作为其它算法的一个数据预处理步骤；聚类的常规应用模式识别空间数据分析在GIS中，通过聚类发现特征空间来建立主题索引；

什么是聚类聚类(clustering)是一个将数据集划分为若干组(class)或类(cluster)的过程，并使得同一个组内的数据对象具有较高的相似度；而不同组中的数据对象是不相似的。什么是聚类过程将一组(set)物理的或抽象的对象，根据它们之间的相似程度，分为若干组(group)；其中相似的对象构成一组，这一过程就称为聚类过程(clustering)什么是聚类分析一个聚类(cluster)就是由彼此相似的一组对象所构成的集合；不同聚类中对象是不相似的。就是从给定的数据集中搜索数据项(items)之间所存在的有价值联系。在许多应用，一个聚类中所有对象常常被当作一个对象来进行处理或分析等操作许多领域，包括数据挖掘、统计学和机器学习都有聚类研究和应用!

简易聚类分析～能力分组一、研究动机：我们由绿豆成长的实验中，控制一个变因－有无光照（照光、暗室）﹔由实验结果可以看出－在光照环境下的绿豆茎长明显短于暗室中成长的绿豆。若依此结果，量出每一颗绿豆的茎长画于数线上（如下〔图一〕所示，S1,S2,S3为照光组、D1,D2,D3为暗室组）。很清楚的，如果我们要依据茎的长度将这六颗绿豆分成两组，那显然是S1,S2,S3一组，D1,D2,D3一组。这样直观的分组结果与实验的结果不谋而合（即照光组与暗室组）。然而，这种直观的分组方法其实就是利用"距离近的在一组"的观点来处里的。我们就以此为出发点，试着利用距离来处理分组问题。 ?〔　图一〕二、研究目的：比较聚类分组与传统能力分组的差别。若假设数学及生物为国一的理科科目，我们想利用这两科成绩来对班上的同学做一理科​​能力分组。

摘要：朴素贝叶斯分类器是机器学习中一种简单而又有效的分类方法。但是由于它的属性条件独立性假设在实际应用中经常不成立，这影响了它的分类性能。本文基于信息几何和Fisher分，提出了一种新的创建属性集的方法。把原有属性经过Fisher分映射成新的属性集，并在新属性集上构建贝叶斯分类器。我们在理论上探讨了新属性间的条件依赖关系，证明了在一定条件下新属性间是条件独立的。试验结果表明，该方法较好地提高了朴素贝叶斯分类器的性能。关键词：朴素贝叶斯分类器；信息几何；Fisher分；条件独立1.引言朴素贝叶斯分类器（NaïveBayesianClassifier）是一种基于Bayes理论的简单分类方法，它在很多领域都表现出优秀的性能[1][2]。

摘要：数据挖掘是信息产业界近年来非常热门的研究方向，聚类分析是数据挖掘中的核心技术。本文对数据挖掘领域的聚类分析方法及代表算法进行分析，并从多个方面对这些算法性能进行比较，同时还对聚类分析在数据挖掘中的几个应用进行了阐述。关键词：数据挖掘；聚类分析；聚类算法

主题MVC设计思想MVC即Model-View-Controller，把一个应用的输入、处理、输出流程按照Model、View、Controller的方式进行分离，这样一个应用被分成三个层——模型层、视图层、控制层。MVC设计思想MVC是一种复合模式，结合了观察者模式、策略模式、组合模式、适配器模式。模型使用观察者模式，以便观察者更新，同时保持两者之间的解耦。控制器是视图的策略，视图使用组合模式实现用户界面。适配器模式用来将模型适配成符合现有视图和控制器的需要的模型。这些模式合作把MVC模式的三层解耦。MVC设计思想视图(View)代表用户交互界面，对于Web应用来说，可以是HTML，也可能是jsp、XML和Applet等。一个应用可能有很多不同的视图，MVC设计模式对于视图的处理仅限于视图上数据的采集和处理，以及用户的请求，而不包括在视图上的业务流程的处理。业务流程的处理交予模型(Model)处理。比如一个订单的视图只接受来自模型的数据并显示给用户，以及将用户界面的输入数据和请求传递给控制和模型。MVC设计思想模型(Model)：是业务的处理以及业务规则的制定。模型接受视图请求的数据，并返回最终的处理结果。

Drools Guvnor 是一个集中资源库Drools的知识库,基于Web丰富的图形用户设计,编辑,以及通过这个工具管理大量的规则。 Guvnor是一个通过Web界面可以管理,更改规则的工具,也可以提供Repository的服务.(似乎各种开源软件里都会提供这样的Web管理界面,Heritrix,Nutch,AllGeography等等等等).支持Dsl和QA.

第1章基础知识1.1机器语言1.9数据总线1.2汇编语言的产生1.10控制总线1.3汇编语言的组成1.11内存地址空间（概述）1.4存储器1.12主板1.5指令和数据1.13接口卡1.6存储单元1.14各类存储器芯片1.7CPU对存储器的读写1.15内存地址空间1.8地址总线引言汇编语言是直接在硬件之上工作的编程语言，首先要了解硬件系统的结构，才能有效的应用汇编语言对其编程。在本章中，对硬件系统结构的问题进行一部分的探讨，以使后续的课程可在一个好的基础上进行。引言当课程进行到需要补充新的基础知识（关于编程结构或其他的）时候，再对相关的基础知识进行介绍和探讨。本书的原则是，以后用到的知识，以后再说。引言汇编课程的研究重点放在如何利用硬件系统的编程结构和指令集有效灵活的控制系统进行工作。

配置struts2引入相关的jar包2.在web.xml中配置struts2的和核心过滤器3.配置struts.xml配置spring引入相关的jar包配置文件在web.xml中配置spring的核心监听器applicationContext.xml配置hibernate1.引入相关的jar包2.配置文件1）没有hibernate的核心配置文件2）映射文件C3P0连接池的配置引入外部属性文件Jdbc.properties在applicationContext.xml配置连接池信息Hibernate的相关信息事务管理

scala介绍Scala完全面向对象相对于Java而言，Scala的代码更为精简（减低犯错），而且功能更为广泛（Scala其实是ScalableLanguage的简称，意为可扩展的语言），许多Scala的特性和语法都是针对Java的不足和弱点来设计的。Scala的特点是有很多函数程式语言的特性（例如ML，Miranda,Scheme，Haskell），譬如惰性求值，listcomprehension,typeinference,anonymousfunction,patternmatching等等，同时也包含Object-Oriented的特性（OO能与FP混合使用是Scala的亮点）。此外，许多相似于高级编程语言的语法也渗入其中（例如Python），不仅提高了Scala代码的可读性，维护、修改起来也较为省时省力。Scala与Java语法上的明显差异有：不需要分号结尾类型定义开头需大写（与Haskell相同）函数定义需 def 开头（与Python、Ruby相同）return 可以省略scala安装解压设置PATH即可,前提是需要先安装JDK,不在过多描述。

聚类分析又称群分析，它是研究（样品或指标）分类问题的一种多元统计方法，所谓类，通俗地说，就是指相似元素的集合。严格的数学定义是较麻烦的，在不同问题中类的定义是不同的。详见参考文献[1]。<br> 聚类分析起源于分类学，在考古的分类学中，人们主要依靠经验和专业知识来实现分类。随着生产技术和科学的发展，人类的认识不断加深，分类越来越细，要求也越来越高，有时光凭经验和专业知识是不能进行确切分类的，往往需要定性和定量分析结合起来去分类，于是数学工具逐渐被引进分类学中，形成了数值分类学。后来随着多元分析的引进，聚类分析又逐渐从数值分类学中分离出来而形成一个相对独立的分支。