摘要：
Gradient boostin是一个机器学习技术，可以用来分类和线性回归。通过集成一些弱的预测模型来生成一个预测模型。通常是决策树。 它像其他boosting方法一样通过阶段性的建立模型。它允许对可微的损失函数的优化。 阅读全文
摘要：
package com.elong; import org.apache.hadoop.io.Text; import org.apache.hadoop.io.WritableComparable; import java.io.DataInput; import java.io.DataOutp 阅读全文
摘要：
org.apache.hadoop.io包包含了6个Writable collection类型： ArrayWritable,TwoDArrayWritable是Writable实现了数组和二维数组的实例。所有的元素都必须是一个相同类的实例: ArrayWritable writable = new ArrayWritable(Text.class); ArrayPrimitiveWri... 阅读全文
摘要：
import java.io.DataInput; import java.io.DataOutput; import java.io.IOException; /** * Created by user on 16/3/17. */ public interface Writable { void write(DataOutput out) throws IOException;... 阅读全文
摘要：
阅读全文
摘要：
hadoop跑的是MapReduce job 而对于storm集群跑的是拓扑任务，MapReduce任务可以完成，但一个拓扑任务会一直进行下去，除非你kill它。 storm也有master和work节点，master叫Nimbus，work节点称之为Supervisor。 storm的核心抽象时流，流是一个无界的元组序列。storm提供原函数（primitives)操作，可靠的分布式的使一个... 阅读全文
摘要：
事务(Transaction)是数据库区别文件系统的重要特性之一。 事务会吧数据从一种一致的状态转换为另一种一致的状态。要么修改都保存，要么都不保存 事务完全符合ACID的特性： 原子性(atomicity),整个数据库事务是不可分割的工作单位。 一致性(consistency) 隔离性(isola 阅读全文
摘要：
一直对序列化这块比较迷糊，也比较感兴趣。 序列化(Serialization)是将结构化对象转换为字节流数据用来在网络中传输，或者写到持久话存储(persistent storage)。 反序列化(Deserialization)是一个相反的过程，将字节流数据转换为一系列的结构化对象。（这点，一直不 阅读全文
摘要：
Hadoop配备了一套的基本数据I/O操作，例如数据的压缩，数据完成行。但由于需要考虑大数据的问题，hadoop也自己开发了例如序列化框架，在磁盘的数据结构 数据完整性，通常使用计算一个checksum,在原始数据和之后的数据传输中，通常使用CRC-32,HDFS使用更高效的方法CRC-32C 在h 阅读全文
摘要：
理想的世界，一个YARN应用请求将会立刻得到授予。而现实世界，资源是受限制的，在一个忙碌的集群中，一个应用经常需要等待他请求的资源。YARN调度负责这个事情，分配资源给应用通过一些方式定义。调度是一个困难的问题也没有所谓最好的方法。 YARN有三种调度，FIFO,Capacity,Fair Sche 阅读全文