ajian005

摘要： 1、为什么要进行产品重构 旧系统人员流失，系统的业务规则、原始需求谁都不清楚，需求文档、使用文档、架构文档极其缺乏，成为一个无底洞，可维护性很差。 旧系统越来越复杂，潜规则太多，原本修改一个小需求，一不小心搞得上线后影响一堆用户 旧系统的业务架构、技术架构无法满足新的业务模式需要 旧系统性能无法满足公司业务高速发展的需要 旧系统的产品生命周期已经到头，需要延长期生命周期 等等2、产品重构 VS. 重做新产品 对现有产品进行重构还是重新做一套全新的系统并没有标准答案。技术人员们都倾向于重做新系统，并都倾向于高估自身的管理能力、架构设计能力,大家都会承诺完美的架构、完美的产品规划。但如果没解决根. 阅读全文

摘要： 采用基于数据挖掘的算法来实现推荐引擎是各大电子商务网站、SNS社区最为常用的方法，推荐引擎常用的Content-Based推荐算法及协同过滤算法（Item-Based 、User-based）在电子商务推荐系统入门v2.0、电子商务推荐系统入门基础中已经有所阐述。但从实际应用来看，对于大部分中小型企业来说，要在电子商务系统完整采用以上算法有很大的难度。1、常用推荐引擎算法问题1）、相对成熟、完整、现成的开源解决方案较少粗略分来，目前与数据挖掘及推荐引擎相关的开源项目主要有如下几类：数据挖掘相关：主要包括Weka、R-Project、Knime、RapidMiner、Orange 等文本挖掘相关 阅读全文

摘要： 二. 分布式计算（Map/Reduce）分布式式计算，同样是一个宽泛的概念，在这里，它狭义的指代，按GoogleMap/Reduce框架所设计的分布式框架。在Hadoop中，分布式文件系统，很大程度上，是为各种分布式计算需求所服务的。我们说分布式文件系统就是加了分布式的文件系统，类似的定义推广到分布式计算上，我们可以将其视为增加了分布式支持的计算函数。从计算的角度上看，Map/Reduce框架接受各种格式的键值对文件作为输入，读取计算后，最终生成自定义格式的输出文件。而从分布式的角度上看，分布式计算的输入文件往往规模巨大，且分布在多个机器上，单机计算完全不可支撑且效率低下，因此Map/Redu 阅读全文

摘要： 所谓分布式，在这里，很狭义的指代以Google的三驾马车，GFS、Map/Reduce、BigTable为框架核心的分布式存储和计算系统。通常如我一样初学的人，会以Google这几份经典的论文作为开端的。它们勾勒出了分布式存储和计算的一个基本蓝图，已可窥见其几分风韵，但终究还是由于缺少一些实现的代码和示例，色彩有些斑驳，缺少了点感性。幸好我们还有Open Source，还有Hadoop。Hadoop是一个基于Java实现的，开源的，分布式存储和计算的项目。作为这个领域最富盛名的开源项目之一，它的使用者也是大牌如云，包括了Yahoo，Amazon，Facebook等等（好吧，还可能有校内，不过这 阅读全文