mashuai 的博客（base成都）

摘要： Week 5, Big Data Analytics using Spark Programing in Spark Spark Core: Programming in Spark using RDD in pipelines RDD 创建过后，会有两种操作，Transformation 和 Ac 阅读全文

摘要： Ref: 一文读懂Socket通信原理 幽默讲解 Linux 的 Socket IO 模型 阅读全文

摘要： Week 4 Big Data Precessing Pipeline 上图可以generalize 成下图，也就是Big data pipeline some high level processing operations in big data pipeline 在一个pipeline里 有哪 阅读全文

摘要： 1. 排列和组合 排列有顺序，组合不考虑顺序，公式见下图 2.基本运算公式 （加法公式，条件概率公式，乘法公式） 加法公式 、 3. 全概率公式 4. 贝叶斯定理 others Ref: https://blog.csdn.net/zeo_m/article/details/80505404 htt 阅读全文

摘要： This is the 3rd course in big data specification courses. Data model reivew 1, data model 的特点： Structured， operations on it, constrains. 2. different 阅读全文

摘要： week4 streaming data format 下面讲 data lakes schema-on-read: 从数据源读取raw data 直接放到 data lake 里，然后再读到model里 schema-on-write： 传统模式，把raw data 经过处理后放到data war 阅读全文

摘要： 最近在准备面试，mysql 实在是不熟悉，就先摘录一些网上的面试题来看一下. 1. MyISAM 和 InnoDB 区别？ InnoDB 支持事务处理，支持更大的并发update 和 insert 操作； 支持行级锁 MyISAM 性能好，多用在执行大量select操作的场景； 不支持外键 ref: 阅读全文

摘要： Introduction to data management 整个coures 2 是讲data management and storage 的，主要内容就是分布式文件系统，HDFS， Redis 等 What is data management? Introduction to data m 阅读全文

摘要： 什么是分布式文件系统？为什么需要分布式文件系统？ 如果文件系统可以管理用网络连接的很多个存储单元，叫分布式文件系统. 分布式文件系统提供了数据可扩展性，容错性，高并发. 这些是传统文件系统不具有的. Hadoop getting started 为什么用Hadoop? Hadoop 的 4 个Wha 阅读全文

摘要： 基本的regression算法有四种方法可以实现，分别是下面四种 还有更高级的算法可以用来做regression Decision Tree 阅读全文