摘要： Mahout推荐算法之SlopOne 一、 算法原理 有别于基于用户的协同过滤和基于item的协同过滤，SlopeOne采用简单的线性模型估计用户对item的评分。如下图，估计UserB对ItemJ的偏好 图（1） 在真实情况下，该方法有如下几个问题： 1. 为什么要选择Use... 阅读全文

摘要： impala架构分析 Impala是Cloudera公司主导开发的新型查询系统，SQL语义查询在Hadoop的HDFS和HBase中的PB级大数据。Hive系统虽然也提供了SQL语义，但底层执行的是MapReduce引擎，仍然是一个批处理过程，不能满足查询的交互性。相比之下，Impala的最... 阅读全文

摘要： 摘自：http://www.yankay.com/google-dremel-rationale/ 简介 Dremel 是Google 的“交互式”数据分析系统。可以组建成规模上千的集群，处理PB级别的数据。MapReduce处理一个数据，需要分钟级的时间。作为MapReduce的发起人，G... 阅读全文

摘要： 网络爬虫架构在Nutch+Hadoop之上，是一个典型的分布式离线批量处理架构，有非常优异的吞吐量和抓取性能并提供了大量的配置定制选项。由于网络爬虫只负责网络资源的抓取，所以，需要一个分布式搜索引擎，用来对网络爬虫抓取到的网络资源进行实时的索引和搜索。 搜 索引擎架构在ElasticSear... 阅读全文

摘要： 本问题是在windows server2012R2系统ADFS3.0环境下遇到的，CRM2013部署ADFS后运行一段时间(大概有一两个月)后在IE浏览器中访问登陆界面点击登陆后就报以下错误 “Microsoft.IdentityServer.Web.InvalidReques... 阅读全文

摘要： shell命令：mv a b 将文件a改名为b， 可如果b已经存在，比如/test文件下有a和b两个文件，执行mv a b后，b被覆盖的了。也就是/test文件下只有a。 但是mv命令在pig的grunt中使用有问题，执行不稳定。 pig编程指南中说，除了cd和pwd两个命令，其他命令不推荐... 阅读全文

摘要： pig脚本里传入参数，命令如下 pig -p year=2014 -f test_parm.pig 也可以 pig -f test_parm.pig -p year=2014 -f后面必须紧跟脚本名称 如果没有-f，则必须用 pig -p year=2014 test_parm.pig... 阅读全文

摘要： 从实例出发 %default file test.txt A = load '$file' as (date, web, name, food); B = load '$file' as (date, web, name, food); C= cogroup A by $0, B by $1... 阅读全文

摘要： pig中，limit可以取样少部分数据，但有很多问题，比如数据不能少于10条，否则返回全部。 今天又遇到另一个问题： group后的数据，limit无效：也就是group后的数据，不能用limit，估计是含group结构不行（没验证） 相比而言sample比较好，我试了一下是可以的，对group... 阅读全文

摘要： 任务列表的command bar 上面添加自定义按钮如下 要注意的是此处的列表不是任务实体而是活动实体，如果你是在任务实体的home栏上面加那你永远看不见按钮的显示，但如果是要在任务的表单界面上加按钮，解决方案中就该添加任务实体了 记住这边的是home而不是form ... 阅读全文