摘要： https://github.com/JSQLParser/JSqlParser淘宝博客：http://www.searchtb.com/category/%E6%90%9C%E7%B4%A2%E5%BC%95%E6%93%8E?spm=0.0.0.0.cD8ddZ 阅读全文

摘要： 一、使用 JavaCompiler 接口来编译 java 源程序(最简单的)使用 Java API 来编译 Java 源程式有非常多方法,目前让我们来看一种最简单的方法,通过 JavaCompiler 进行编译。我们能通过 ToolProvider 类的静态方法 getSystemJavaCompiler 来得到一个 JavaCompiler 接 口的实例。JavaCompiler compiler = ToolProvider.getSystemJavaCompiler();JavaCompiler 中最核心的方法是 run。通过这个方法能编译 java 源程序。这个方法有 3 个固 定参数 阅读全文

摘要： 1-33 和1-161-33个数字中选取6个数1-16中选取1个数字值的大小并不表示出现的概率大小。这有通过以前的数据来预测将会出现的数字的概率样本： 1-33 的分析样本和1-16分析样本对照至今出席次数：在分析过程中某数字出现的次数热度：在不同的期数上加入权重值Yoga的值=热度/出席次数，求出数字的Yoga值的大小，并排序----------------------------------------------------------算法2---------------------------根据上次出现的次数来统计下次出现的次数，做统计计算出现的权重。然后根据这两个规则得出下期出现的 阅读全文

摘要： http://www.berlinix.com/dev/consistency-hash.php 阅读全文

摘要： 摘要本文将会从实际应用场景出发，介绍一致性哈希算法（Consistent Hashing）及其在分布式系统中的应用。首先本文会描述一个在日常开发中经常会遇到的问题场景，借此介绍一致性哈希算法以及这个算法如何解决此问题；接下来会对这个算法进行相对详细的描述，并讨论一些如虚拟节点等与此算法应用相关的话题。分布式缓存问题假设我们有一个网站，最近发现随着流量增加，服务器压力越来越大，之前直接读写数据库的方式不太给力了，于是我们想引入Memcached作为缓存机制。现在我们一共有三台机器可以作为Memcached服务器，如下图所示。很显然，最简单的策略是将每一次Memcached请求随机发送到一台Mem 阅读全文

摘要： 尽管Hadoop适合大多数批处理工作负载，而且在大数据时代成为企业的首选技术，但由于以下几个限制，它对一些工作负载并不是最优选择：缺少对迭代的支持需要将中间数据存在硬盘上以保持一致性，因此会有比较高的延迟当然，整个Hadoop生态系统是在不断演进的，包括Map/Reduce已经证明是处理大规模海量数据的理想方式。而HDFS、HBase等在过去几年中也有了长足的进步。在本文中，我们将深入了解一下过去一年中“红透半边天”的技术Spark，它与Hadoop架构类似，但是在许多方面都弥补了Hadoop的不足，比如在进行批处理时更加高效，并有更低的延迟。在大数据时代，Spark给我们带了新的选择，它的前 阅读全文

摘要： http://doc.akka.io/docs/akka/2.2.3/AkkaJava.pdf 阅读全文

摘要： 即使 Java 6 和 Java 7 中引入并发性更新，Java 语言仍然无法让并行编程变得特别容易。Java 线程、synchronized代码块、wait/notify和java.util.concurrent包都拥有自己的位置，但面对多核系统的容量压力，Java 开发人员正在依靠其他语言中开创的技术。actor 模型就是这样一项技术，它已在 Erlang、Groovy 和 Scala 中实现。本文为那些希望体验 actor 但又要继续编写 Java 代码的开发人员带来了 μJavaActors 库。用于 JVM 的另外 3 个 actor 库请参阅 “表 1：对比 JVM actor 库 阅读全文

摘要： http://blogimg.chinaunix.net/blog/upfile2/100222113336.pdfhttps://github.com/reactor/reactor/blob/master/reactor-core/src/main/java/reactor/event/Event.java 阅读全文

摘要： 关于数据挖掘方面的研究，我原来也走过一些弯路。其实从数据挖掘的起源可以发现，它并不是一门崭新的科学，而是综合了统计分析、机器学习、人工智能、数据库等诸多方面的研究成果而成，同时与专家系统、知识管理等研究方向不同的是，数据挖掘更侧重于应用的层面。因此来说，数据挖掘融合了相当多的内容，试图全面了解所有的细节会花费很长的时间。因此我建议你的第一步是用大概三个月的时间了解数据挖掘的几个常用技术：分类、聚类、预测、关联分析、孤立点分析等等。这种了解是比较粗的，目标是明白这些技术是用来干什么的，典型的算法大致是怎样的，以及在什么情况下应该选用什么样的技术和算法。经过初步了解之后，就要进入选题的阶段，选择自 阅读全文