唯品会运维平台建设的心路历程

虽然大部份企业都已构建了监控运维的能力，但以点对点的状态监控为主，难以应对复杂IT环境下的运维场景，相对互联网公司，能力缺失较大。

现实世界大数据应用复杂多样 , 可能会同时包含不同特征的数据和计算 , 在这种情况下单一的计算模式多半难以满足整个应用的需求 , 因此需要考虑不同计算模式的混搭使用 . 混合计算模式之集大成者当属UCBerkeley AMPLab 的 Spark 系统 , 其涵盖了几乎所有典型的大数据计算模式 , 包括迭代计算、批处理计算、内存计算、流式计算 (Spark Streaming) 、数据查询分析计算 (Shark) 、以及图计算 (GraphX). Spark 提供了一个强大的内存计算引擎 , 实现了优异的计算性能 , 同时还保持与 Hadoop 平台的兼容性 . 因此 , 随着系统的不断稳定和成熟 ,Spark 有望成为与 Hadoop 共存的新一代大数据处理系统和平台 . 本文详细研究和分析了 Spark 生态系统 , 建立了基于 Spark 平台的混合计算模型架构 , 并说明通过 spark 生态系统可以有效地满足大数据混合计算模式的应用

为了提高电力负荷预测的精度，应对单机运算资源不足的挑战，提出一种改进并行化粒子群算法优化的最小二乘支持向量机短期负荷预测模型。 通过引入 Spark on YARN 内存计算平台，将改进并行粒子群优化（ IPPSO ）算法部署在平台上，对最小二乘支持向量机（ LSSVM ）的不确定参数进行算法优化，利用优化后的参数进行负荷预测。 通过引入并行化和分布式的思想，提高算法预测准确率和处理海量高维数据的能力。 采用EUNITE 提供的真实负荷数据，在 8 节点的云计算集群上进行实验和分析，结果表明所提分布式电力负荷预测算法精度优于传统的泛化神经网络算法，在执行效率上优于基于 MapReduce 的分布式在线序列优化学习机算法，且提出的算法具有较好的并行能力。

四轴飞行器是一种物理结构较简单，体积较小，飞行容易控制的集现代微机电控制技术、微动力技术、高效电源技术于一体的飞行控制技术 . 本课题是以 STM32 单片机为控制核心，用集成加速度、陀螺仪的 MPU6050 姿态传感器采集四轴飞信器的飞行姿态信息、并融合以 NRF24L01 蓝牙无线传输方式接受来至遥控器的信号，通过串级 PID 控制方式控制四轴上的无刷直流电机以驱动螺旋桨获得相应飞行姿态 .完成了飞信器所需的硬件选型及电路设计，编写了系统控制程序，并进行了大量调试，选择合适的 PID 控制参数，使飞信器飞行稳定

四旋翼飞行器飞行效果的优劣取决于控制系统的性能和算法。本文设计的四旋翼飞行器的微处理器是STM32，利用 MPU6050 采集飞行器的姿态信息，借助 PID 算法调整系统 PWM 输出占空比，从而调整飞行器的运动。反复的试验表明，本设计能够实现四旋翼飞行器的基本飞行动作。

Linux现在已经成为一种广受关注和支持的一种操作系统，IDC是互联网数据中心，LinuxIDC就是关于Linux的数据中心。Linux公社是专业的Linux系统门户网站，实时发布最新Linux资讯，包括Linux、Ubuntu、Fedora、RedHat、红旗Linux、Linux教程、Linux认证、SUSELinux、Android、Oracle、Hadoop、CentOS、MySQL、Apache、Nginx、Tomcat、Python、Java、C语言、OpenStack、集群等技术。

随着电力系统智能化建设的不断深入和推进，电力系统数据呈现海量化、高维化的趋势。针对电力系统中的不良数据将导致电力系统状态估计结果的准确性降低，而传统聚类算法处理海量高维数据时单机计算资源不足，近年来较流行的 MapReduce 框架不能有效处理频繁迭代计算等问题，提出一种基于 Spark 的并行 K-means 算法辨识不良数据的新方法。

tensorflow在图像识别上的应用

一般来说GDB 主要调试的是C/C++的程序。要调试C/C++的程序，首先在编译时，我们必须要把调试信息加到可执行文件中。

通常具有同样属性（处理的消息种类-topic、以及消息处理逻辑流程—分布式多个客户端）的一些producer可以归为同一个group。在事务消息机制中，如果某条发送某条消息的producer-A宕机，使得事务消息一直处于PREPARED状态并超时，则broker会回查 同一个group的其他producer，确认这条消息应该commit还是rollback。

吴大正第4版 信号与线性系统分析习题答案全集

你也许不知道，但机器学习就在你身边。当你把查询信息输入搜索引擎时，它确定该向你显示哪些搜索结果（包括显示哪些广告）。当你打开邮箱时，大部分垃圾邮件你无法看到，因为计算机已经把这些垃圾邮件过滤了。登录亚马逊网站购买一本书，或登录网飞（Netflix）公司网站观看视频，机器学习系统会推荐一些你可能喜欢的产品。脸书（Facebook）利用机器学习决定该向你展示哪些更新，推特（Twitter）也同样会决定显示哪些文章。你使用计算机的任何时候，都有可能涉及机器学习。

程序设计语言编译原理（第3版）.

软件测试管理是软件项目管理的一个子集或分支，与传统的软件项目管理在核心上没有本质的区别，但由于管理对象的特殊性，因此在具体执行上有较大的不同

机器学习这门学科所关注的问题是：计算机程序如何随着经验积累自动提高性能？近年来，机器学习被成功地应用于很多领域，从检测信用卡交易欺诈的数据挖掘程序，到获取用户阅读兴趣的信息过滤系统，再到能在高速公路上自动行驶的汽车。同时，这个学科的基础理论和算法也有了重大的进展。

OpenCV 是一个广受欢迎的开源计算机视觉库，它提供了很多函数，实现了 很多计算机视觉算法，算法从最基本的滤波到高级的物体检测皆有涵盖。很多 初学者希望快速掌握 OpenCV 的使用方法，但往往会遇到各种各样的困难。

我一直在找一份简明的神经网络入门，然而在中文圈里并没有找到。直到我看到了这份162行的Python实现，以及对应的油管视频之后，我才觉得这就是我需要的极简入门资料。这份极简入门笔记不需要突触的图片做装饰，也不需要赘述神经网络的发展历史；要推导有推导，要代码有代码，关键是，它们还对得上。对于欠缺的背景知识，利用斯坦福大学的神经网络wiki进行了补全。

互联网广告的广告主其实往往有他们的困惑，他们不知道自己的目标人群在哪里。所谓目标人群，就是广告主想向他们投广告的那帮人。就像互联网广告的一个大牛的一句名言——我知道互联网广告有一半是浪费的，问题是我不知道是哪一半。

机器学习是研究如何“利用经验来改善计算机系统自身的性能”的学科----From T. M. Mitchell TM. Machine Learning . New York: McGraw-Hill, 1997