生活要有诗和远方

摘要： Google声称内部已经抛弃Map-reduce几年了，并在今年的Google IO大会高调发布Cloud Dataflow系统。本文介绍了在这个新框架下如何进行分布式计算，并与现有基于Hadoop的Twitter Summingbird以及Spark框架进行了对比。 阅读全文

摘要： GraphX是Spark中用于图和图并行计算的API,可以认为是GraphLab(C++)和Pregel(C++)在Spark(Scala)上的重写及优化，跟其他分布式图计算框架相比，GraphX最大的贡献是，在Spark之上提供一栈式数据解决方案，可以方便且高效地完成图计算的一整套流水作业。 阅读全文

摘要： Petuum是一个机器学习专用分布式计算框架，本文介绍其架构，并基于文章 More Effective Distributed ML via a Stale Synchronous Parallel Parameter Server，NIPS 2013 重点探讨其核心内容SSP协议。 Paramet 阅读全文

摘要： GraphLab是一个面向大规模机器学习/图计算的分布式内存计算框架，由CMU在2009年开始的一个C++项目，这里的内容是基于论文 Low, Yucheng, et al. "Distributed GraphLab: A Framework for Machine Learning in the 阅读全文

摘要： Word2vec 是 Google 在 2013 年年中开源的一款将词表征为实数值向量的高效工具, 其利用深度学习的思想，可以通过训练，把对文本内容的处理简化为 K 维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似度。Word2vec输出的词向量可以被用来做很多 NLP 相关的工作，比如聚类、找同义词、词性分析等等。如果换个思路， 把词当做特征，那么Word2vec就可以把特征映射到 K 维向量空间，可以为文本数据寻求更加深层次的特征表示。 阅读全文

摘要： matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且Gallery页面中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个... 阅读全文

摘要： Given n points on a 2D plane, find the maximum number of points that lie on the same straight line.##思路关键是浮点数做key不靠谱，struct hash以及 int calcGCD(int a, ... 阅读全文

摘要： [最近公共祖先LCA](https://github.com/julycoding/The-Art-Of-Programming-By-July/blob/master/ebook/zh/03.03.md)##双链BT如果每个结点都有一个指针指向它的父结点，于是我们可以从任何一个结点出发，得到一个到... 阅读全文

摘要： 说到生成任意范围内等概率随机数，如果止步于x = rand () % RANGE，恐怕有点不够意思 阅读全文

摘要： 如果不假思索地脱口而出24次，你就被直觉骗了咯 阅读全文

摘要： 当当当当～来看下新鲜出炉的Github博客 http://wli12.github.io/ 喜欢写markdown，但cnblogs对md文件的渲染简直丑爆了。。。 好奇怎么用github+Jekyll搭博客，看到jekyllbootstrap声称自己是The Quickest Way to Blo 阅读全文

摘要： Spark是一个通用的分布式内存计算框架，本文主要研讨Spark的核心数据结构RDD的设计思路，及其在内存上的容错。内容基于论文Zaharia, Matei, et al. "Resilient Distributed Datasets: A Fault-Tolerant Abstraction f... 阅读全文